pandas数据分组与聚合，复合索引等问题

线性回归的本质就是：y=wTx+by = w^Tx+by=wTx+b求解:wTw^TwT(wT,b)(w^T,b)(wT,b)是系数（coefficient），xxx是特征值，yyy是目标值（label）。目的是找到最小损失对应的W：通常有两种方法，一种是正规方程，一种是梯度下降。(1)正规方程：w=(XTX)−1XTyw = (X^TX)^{-1}X^Tyw=(XTX)−1XTy(2)梯度下降：

逻辑回归是用来做二分类任务的，输出为：hθ(x)=g(θTx)=11+e−θTxh_\theta(x)=g(\theta^Tx)=\frac{1}{1+e{-\theta^Tx}}hθ​(x)=g(θTx)=1+e−θTx1​g(z)=11+e−zg(z)=\frac1{1+e^{-z}}g(z)=1+e−z1​其中，zzz是线性回归的结果。cost(hθ(x),y)={−log(hθ(x))y=

逻辑回归是用来做二分类任务的，输出为：hθ(x)=g(θTx)=11+e−θTxh_\theta(x)=g(\theta^Tx)=\frac{1}{1+e{-\theta^Tx}}hθ​(x)=g(θTx)=1+e−θTx1​g(z)=11+e−zg(z)=\frac1{1+e^{-z}}g(z)=1+e−z1​其中，zzz是线性回归的结果。cost(hθ(x),y)={−log(hθ(x))y=

一、知识概要（一）决策树思想的来源非常朴素，程序设计中的条件分支结构就是if-then结构，最早的决策树就是利用这类结构分割数据的一种分类学习方法。信息熵：H=−(p1logp1+p2logp2+...p3logp3) H = -(p_1logp_1+p_2logp_2+...p_3logp_3)H=−(p1​logp1​+p2​logp2​+...p3​logp3​)H称之为信息熵，单位为比特。

注意返回值:训练集 trainx_train, y_train测试集testx_test, y_test以上展示了两种不同类型的数据集，一种target为离散型（类别），一种为连续型（价格）。fit( ): Method calculates the parameters μ and σ and saves them as internal objects.可以理解为在对数据集进行转换操作之前，对