GBDT(Gradient Boosting Decision Tree, 梯度提升决策树)算法

lightGBM的sklearn接口：lightGBM分类：主要参数如下：boosting_type:‘gbdt’(传统的GBDT模型)、‘dart’、‘goss’、‘rf’(随机森林)dart: Dropouts meet Multiple Additive Regression Trees. 在每棵树的迭代过程中不再单单去拟合前一棵树的残差，而是从前面已有的树中采样一部分树，组合成一个新的树，

Pandas中的交叉表和透视表的作用相似。其计算过程都是先将整个数据集依照index和columns参数指定的数据进行分组，然后使用aggfunc方法运用到values参数指定的数据，最后将结果转化为DataFrame。crosstab只能使用pd.crosstab()的形式，而pivot_table可以同时使用DataFrame.pivot_table()和pd.pivot_table()的形式

1.join()方法这个方法通常的使用方式为caller.join()，其中caller为DataFrame类型的数据。先来看join()方法中的参数，具体如下：参数参数说明other要与caller合并拼接的数据。该参数可以接收三种类型的数据分别为：Series,DataFrame以及多个DataFrame组成的list。如果other为Series时，该Serie...

主要整理与零售行业有关的业务知识和常用业务指标  本文所说的零售行业的研究对象是线下实体店，比如全家、耐克实体店等。1.业务流程  目前，实体店主要分为直营实体店和联营实体店。直营实体店是公司自己开的店，而联营实体店是公司和个人一起合作开的店。实体店的主要业务流程如下：订货和发货：根据实体店的销售情况来订货，制定实体店的进货计划，如订货数量、订货金额等。实体店订货后，商品会从总部仓库发货到实体店。

决策树(Decision Tree)是一种基本的分类和回归算法。该算法模型呈树形结构，主要由结点和有向边组成。

在LangChain中，Runnable是LangChain中用于定义一个可运行对象的抽象接口。它允许开发者定义任何执行某种操作的逻辑单元，并通过标准化的方法使其能够在更大的系统中无缝协作。

k-means算法是机器学习中常用的聚类算法，原理简单实现容易，内存占用量也比较小。肘部法所使用的聚类评价指标为：数据集中所有样本点到其簇中心的距离之和的平方。但是肘部法选择的并不是误差平方和最小的。轮廓系数是一种非常常用的聚类效果评价指标。先利用sklearn.datasets中的方法生成自己的聚类数据集。假设已经通过聚类算法将待分类的数据进行了聚类，并最终得到了。，分别计算其轮廓系数。的轮廓系

有些安装过程比较简单的，不会详细赘述。主要还是集中在Hyperledger Fabric的配置上。本篇主要介绍在Ubuntu系统上安装Hyperledger Fabric的过程。这里使用的Ubuntu：16.04 LTS。

主要整理与零售行业有关的业务知识和常用业务指标  本文所说的零售行业的研究对象是线下实体店，比如全家、耐克实体店等。1.业务流程  目前，实体店主要分为直营实体店和联营实体店。直营实体店是公司自己开的店，而联营实体店是公司和个人一起合作开的店。实体店的主要业务流程如下：订货和发货：根据实体店的销售情况来订货，制定实体店的进货计划，如订货数量、订货金额等。实体店订货后，商品会从总部仓库发货到实体店。