目录[隐藏]Abstract平稳随机过程肉眼检验单位根检验ADF Test in PythonReferenceAbstract在ARMA/ARIMA这样的自回归模型中，模型对时间序列数据的平稳是有要求的，因此，需要对数据或者数据的n阶差分进行平稳检验，而一种常见的方法就是ADF检验，即单位根检验。平稳随机过程在数学中，平稳随机过程（Stationary r...

sklearn.ensemble.RandomForestRegressor(n_estimators=10,criterion='mse',max_depth=None,min_samples_split=2,...

1.打开cmd命令窗；2.进入python.exe所在安装路径；3.输入python，进入Python环境；4.import model，导入想要查看的模块；5.help(model)，查看目标模块的源代码。示例：...

Python Sklearn.metrics 简介及应用示例利用Python进行各种机器学习算法的实现时，经常会用到sklearn（scikit-learn）这个模块/库。无论利用机器学习算法进行回归、分类或者聚类时，评价指标，即检验机器学习模型效果的定量指标，都是一个不可避免且十分重要的问题。因此，结合scikit-learn主页上的介绍，以及网上大神整理的一些资料，对常用的评价指标及其实现、应

pycharm在建立新的python代码文件时，自动添加前缀，做如下设置即可：依次File->Settings->Editor->File and Code Templates ->Python Script，然后设置自动添加前缀内容即可。#!/usr/bin/env python# -*- coding: UTF-8 -*-# @P...

随机森林是一种相当简单、容易理解的方法，他的基本原理就是，从原数据集中有放回的采样获得若干个子集，基于每个子集训练出不同的基分类器，再通过基分类器的投票获得最终的分类结果。另外，随机森林还有值得一提的是，随机森林不但对样本进行采样，也会对属性进行采样，即横竖采样，不过对属性的采样不再是自助采样法了，只是简单的按一定比例随机采样。将生成的多棵决策树组成随机森林。要进行特征选择，得现有一个对特征好坏的

一、Python版本降级原因由于pycharm 解释器报错，然后查询后是3.8版本中的某个包冲突，记录一下，方便以后自己参考。环境：pycharm 2019.1.3anaconda 4.9.2python 3.8二、降级步骤1、Anaconda替换清华镜像清华的镜像确实好用，这里还有其他软件的镜像，配置步骤可以自行查看清华镜像配置大致就是，到当前用户的目录下：（可先执行 conda config

目录一、xgboost 原生接口重要参数训练参数预测函数绘制特征重要性回归例子二、xgboost 的 sklearn 风格接口XGBClassifier基本使用XGBRegressor基本使用三、xgboost 调参思路四、参考文章xgboost 包含原生接口和 sklearn 风格接口两种，并且二者都实现了分类和回归的功能。如果想了解一些理论性的内容，可以看看之前的文章： XGBoost算法的相

K折验证交叉验证交叉验证既可以解决数据集的数据量不够大问题，也可以解决参数调优的问题。这块主要有三种方式：简单交叉验证（HoldOut检验）、k折交叉验证（k-fold交叉验证）、自助法。该文仅针对k折交叉验证做详解。简单交叉验证方法：将原始数据集随机划分成训练集和验证集两部分。比如说，将样本按照70%~30%的比例分成两部分，70%的样本用于训练模型；30%的样本用于模型验证。缺点：（1）数据都