logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

【机器学习】模型参数优化工具:Optuna使用分步指南(附XGB/LGBM调优代码)

Optuna是一个强大的开源工具,通过优雅的API设计和智能的搜索策略,可以显著提高调参的效率。本文将介绍Optuna的基本概念、使用方法以及与其他调参方式的对比。

文章图片
#机器学习#人工智能
【数据分析面试】60.计算滑动窗口平均值 (Python & SQL)

给定一个数字列表 `nums` 和一个整数 `window_size`,编写一个函数 `moving_window` 来计算滑动窗口平均值。

文章图片
#数据分析#python#面试 +1
【数据分析面试】40.20个数据开发治理基础问题

在当今数字化时代,数据已成为企业最重要的资产之一。如何管理数据、确保数据的安全性和质量,以及如何有效地利用数据来推动业务发展,这些都是我们面临的挑战。

文章图片
#数据分析#面试
【数据分析面试】28. 20个Python问答题 (入门级考察:基础操作、数据处理与分析统计)

20个问题考察了 Python 的基础能力,包括数据结构、基本操作、数据处理、数据分析和统计等方面。无论是从事数据分析、机器学习还是其他数据相关工作,这些都是都是必不可少的基础技能。

文章图片
#数据分析#面试#python
【数据分析面试】22.补充缺失数据(Python:数据插值interpolate()用法)

线性插值是一种方法,用于在已知数据点之间的位置估算缺失值。它假设数据的变化是直线形式的。比如,如果你有两个点的数据,线性插值会用一条直线连接它们,然后根据这条直线上的位置来估算其他点的值。在时间序列数据中,线性插值通过已知时间点的数据来估算缺失时间点的数据,假设数据在时间上是线性变化的。举个例子,假设我们有一条线上有两个点 A 和 B,它们的坐标分别是 (x1, y1) 和 (x2, y2)。线性

文章图片
#数据分析#python#数据挖掘
计算机视觉入门 4)滑动窗口

介绍池化、步幅和填充的概念以及代码示例。

文章图片
#计算机视觉#人工智能
【机器学习】集成学习投票法:投票回归器(VotingRegressor) & 投票分类器(VotingClassifier)

本文介绍 VotingRegressor 和VoteClassifier的工作原理,并使用鸢尾花和糖尿病数据集作为示例,分别展示如何使用投票分类器解决分类/回归任务。

#机器学习#集成学习#回归 +1
【数据分析面试】54.员工信息(HR)数据库搭建

由于发展需求,进一步提高公司人员统筹管理的能力,公司决定要重新升级人力数据管理系统。现在,你的任务是为公司重新。

文章图片
#数据库#面试#sql +2
探索性数据分析(三)—— 异常值处理

异常值是什么?什么原因导致异常值。找出和剔除异常值的方法介绍

#数据分析#python
    共 82 条
  • 1
  • 2
  • 3
  • 9
  • 请选择