机器学习领域的一个特点就是日新月异，在数据竞赛中，一件趁手的工具对比赛结果有重要影响。boosting是一种将弱分类器组合成强分类器的方法，它包含多种算法，如GDBT、AdaBoost、XGBoost等等。如果你参加过Kaggle之类的数据竞赛，你可能听说过XGBoost在数据江湖上的领导地位，也可能好奇过LGBM的快速崛起。但是，你听说过俄罗斯最大搜索引擎Yandex开发的CatBoost吗？.

相信大家在学习GroupBy，或者数据透视表时，都有可能会碰到类似下面的一行代码：import seaborn as snsplanets = sns.load_dataset('planets')然后就可以发现planets已经存储了数据了，那么这些数据到底是从哪里来的呢？我们查看一下load_dataset的docstring：In [54]: sns.load_data...

Python图像处理库PIL的ImageFilter模块介绍ImageFilter模块提供了滤波器相关定义；这些滤波器主要用于Image类的filter()方法。一、ImageFilter模块所支持的滤波器当前的PIL版本中ImageFilter模块支持十种滤波器：1、  BLURImageFilter.BLUR为模糊滤波，处理之后的图像会整体变得模糊。例子：>&...

相信大家在学习GroupBy，或者数据透视表时，都有可能会碰到类似下面的一行代码：import seaborn as snsplanets = sns.load_dataset('planets')然后就可以发现planets已经存储了数据了，那么这些数据到底是从哪里来的呢？我们查看一下load_dataset的docstring：In [54]: sns.load_data...

跟numpy.random.seed（）一样刚开始理解都是很头疼的存在，但其实他们的用法几乎一样(如果有人对seed（）有疑问的话可以看我的另一篇讲解：【数据处理】Numpy.random.seed()的用法 )：numpy.random.RandomState()是一个伪随机数生成器。那么伪随机数是什么呢？伪随机数是用确定性的算法计算出来的似来自[0,1]均匀分布的随机数序列。并不真正的...

       刚开始看到numpy.random.seed(0)这个用法看不太懂，尤其是seed（）括号里的数字总是不同时，更是懵逼。类似的取随机数的还有这个：【数据处理】numpy.random.RandomState的用法其实，设置seed（）里的数字就相当于设置了一个盛有随机数的“聚宝盆”，一个数字代表一个“聚宝盆”，当我们在seed（）的括号里设置相同的seed，“聚宝盆”就是一样...

目录十大排序算法（Python实现）一. 算法介绍及相关概念解读算法分类相关概念1. 交换排序1.1 冒泡排序(Bubble Sort)1.2 快速排序(Quick Sort)2. 插入排序2.1 简单插入排序(Insert Sort)2.2 希尔排序(Shell Sort)3.选择排序3.1 简单选择排序(Select Sort)3.2 堆排序...