
简介
该用户还未填写简介
擅长的技术栈
未填写擅长的技术栈
可提供的服务
暂无可提供的服务
数据预处理:分类特征转为分类数值(离散型特征)
分类转换为分类数值1:通过sklearn中的preprocessing模块完成(1)观察数据(2)标签列编码Survived为标签列,将标签列转换为分类数值。通过sklearn.preprocessing.LabelEnconder完成,该类专门用于处理分类标签数据转换成分类数值from sklearn.preprocessing import LabelEncodery = data.iloc[
数据预处理:二值化与分段(连续型特征)
Binarizer类和KBinsDiscretizer类1:根据阈值将数据二值化(将特征值设置为0或1),用于处理连续型变量。大于阈值的值映射为1,而小于或等于阈值的值映射为0。默认阈值为0时,特征中所有的正值都映射到1。观察数据from sklearn.preprocessing import Binarizer# 把大于30的年龄的人分类到1,小于30的为0# 类为特征专用,不能使用一维数组X
泰勒公式的详细推导
在数学中,泰勒公式是一个用函数在某点的信息描述其附近取值的公式。如果函数足够光滑的话,在已知函数在某一点的各阶导数值的情况之下,泰勒公式可以用这些导数值做系数构建一个多项式来近似函数在这一点的邻域中的值。泰勒公式还给出了这个多项式和实际的函数值之间的偏差。(其实就是用多项式函数去..
到底了







