数据决定模型的上限，好的数据或数据处理，对模型的影响是非常大的，同样，对于数据的处理，不同的数据，处理情况也不一样，具体情况如下所示：缺省值处理，异常值处理，样本的数量，，特征的数量：特征筛选，特征的类型（连续，整形，类别）。

对于数据异常值处理，我的理解是，这里的异常值不是代表数据出现的异常，而是对于你需要建立的模型来说，处于异常值。比如你需要正太分布的数据，那么一些不符合正太分布，或者离群太远的值，可以更具你的需要去进行删除，这样你的模型效果就会更好

链表的定义一种线性表数据结构。它使用一组任意的存储单元，来存储一组具有相同类型的地址，但是链表一般是内嵌到数据结构中，而数据结构的类型可以是不同的。

对于链表的排序算法，除了希尔排序之外，且堆排序不建议，其他排序方法都是支持的，如下：冒泡排序，选择排序，插入排序，归并排序，快速排序，计数排序，桶排序和基数排序。下面废话不多说。

Tags: 软件最近了解到一个新的工具，叫做Notion。那么Notion 是什么？一句话理解：把丰富的表达能力组装成 Block，供不会编程能力的人，使用 Notion 在画布上编程，以解决自己的问题。听起来是不是很懵？没错我最开始也很懵，我最开始对他的定义就是，一个和typora一样记笔记的软件，至少Notion是可以记笔记的，但是当我下载下来之后，我发现，两者完全是两个极端！！！

详细讲解了dataframe的常用操作，包含创建，增删改查，算数运算，逻辑运算，常用聚合函数以及lamda函数的使用等

本次项目采用了多种模型进行测试，并尝试策略来提升模型的泛化能力，最终取得了99.67%的准确率，并采用pyqt5来制作可视化GUI界面进行呈现。具体代码已经开源。

对于数据异常值处理，我的理解是，这里的异常值不是代表数据出现的异常，而是对于你需要建立的模型来说，处于异常值。比如你需要正太分布的数据，那么一些不符合正太分布，或者离群太远的值，可以更具你的需要去进行删除，这样你的模型效果就会更好

随机森林在大数据运用中非常的常见，它在预测和回归上相比于SVM，多元线性回归，逻辑回归，多项式回归这些，有着比较好的鲁棒性。随机森林是一个用随机方式建立的，包含多个决策树的分类器。其输出的类别是由各个树输出的类别的众数而定。废话不多说，直接上干货。