深度学习遇到的一些bug和问题 不定时更新（希望更新的能越来越少 碰不到bug最好）

在肘部法则中，我们关注的是随着簇数增加，Inertia（簇内平方和）的变化情况。通常情况下，Inertia值越低表示数据点更接近其簇中心，但并非绝对。在肘部法则中，我们寻找的是Inertia急剧下降并趋于平缓的点，这个点可能是最佳的聚类数量。因此，对于肘部法则，我们要找到Inertia值下降幅度显著变小，即形成一个“肘部”样的点，这时候增加簇数不再显著地降低Inertia。

深度学习遇到的一些bug和问题 不定时更新（希望更新的能越来越少 碰不到bug最好）

Python实战代码之时序预报分析-随机森林&XGBOOST&LSTM。利用Random forest/XGB/LSTM模型进行建模。选择不同模型只需要更改main.py中89行即可运行。ModelSelected = 'random forest'可选的是'random forest' / 'XGB' / 'LSTM'。模型推荐需要调参（LSTM模型除外），CvState = True；如果不想

深度学习遇到的一些bug和问题 不定时更新（希望更新的能越来越少 碰不到bug最好）

教你用python处理grib数据，解释超清楚，一看就会~

致力于让小白可以利用python画论文级别的条形图，其中涉及多子图、更改绘图字体、散点与柱状图叠加、打批注、设置dpi保存等。

在肘部法则中，我们关注的是随着簇数增加，Inertia（簇内平方和）的变化情况。通常情况下，Inertia值越低表示数据点更接近其簇中心，但并非绝对。在肘部法则中，我们寻找的是Inertia急剧下降并趋于平缓的点，这个点可能是最佳的聚类数量。因此，对于肘部法则，我们要找到Inertia值下降幅度显著变小，即形成一个“肘部”样的点，这时候增加簇数不再显著地降低Inertia。

一个科研混子的备忘录。方法实际操作可以顺利链接，记录下来防止过两天忘了咋整

致力于让小白可以利用python画论文级别的条形图，其中涉及多子图、更改绘图字体、散点与柱状图叠加、打批注、设置dpi保存等。