文章目录XGBoost简介安装XGBoost代码原始查看训练过程查看特征重要性调参 查找最好的学习率提升参数1. eta [default=0.3, alias: learning_rate]2. min_child_weight [default=1]3. max_depth [default=6]4. gamma [default=0, alias: min_split_loss]5. sub

文章目录机器学习作业 1 - 线性回归1.单变量线性回归机器学习作业 1 - 线性回归1.单变量线性回归导入需要使用的包

文章目录机器学习实战教程（一）：K-近邻算法一、简单k-近邻算法1、k-近邻法简介2、距离度量3、Python3代码实现(1)准备数据集(2)k-近邻算法机器学习实战教程（一）：K-近邻算法一、简单k-近邻算法       本文将从k-近邻（kNN）算法的思想开始讲起，使用python3一步一步编写代码进行实战训练。并且，...

文章目录k-近邻算法实战之约会网站配对效果判定1、实战背景2、准备数据：数据解析3、分析数据：数据可视化4、准备数据：数据归一化5、测试算法：验证分类器6、使用算法：构建完整可用系统k-近邻算法实战之约会网站配对效果判定       上一小结学习了简单的k-近邻算法的实现方法，但是这并不是完整的k-近邻算法流程，k-近邻算法..

centos mongodb启动失败博主今天倒腾了一晚上使用网上的教程安装MongoDB，可是安装好了怎么也启动不了。网上找教程折腾半天。最后从以下三个方面一步一步进行解决了问题：1.检查加载失败的Unit——systemctl list-units --failed2.查看配置文件——配置文件主要放在/usr/lib/systemd/system目录，使用cat命令查看: syste...

文章目录第3章 分组一、SAC过程1. 内涵2. apply过程二、groupby函数1. 分组函数的基本内容：2. groupby对象的特点三、聚合、过滤和变换1. 聚合（Aggregation）2. 过滤（Filteration）3. 变换（Transformation）四、apply函数1. apply函数的灵活性2. 用apply同时统计多个指标第3章 分组import numpy as

计算机二级资料：链接：https://pan.baidu.com/s/1_HX5TcPJetMrGSIWPXY12A 提取码：1y4p

（一） 箱型图分析# * coding:utf-8_*_# 创建时间 :2019.12.26 16:06# IDE:PyCharmimport pandas as pdcatering_sale = '..chapter3\\data\\catering_sale.xls' #餐饮数据data = pd.read_excel(catering_sale,index_col...

前缀树的概述前缀树又名字典树，单词查找树，Trie树，是一种多路树形结构，是哈希树的变种，和hash效率有一拼，是一种用于快速检索的多叉树结构。典型应用是用于统计和排序大量的字符串（但不仅限于字符串），所以经常被搜索引擎系统用于文本词频统计。它的优点是：最大限度地减少无谓的字符串比较，查询效率比哈希表高。Trie的核心思想是空间换时间。利用字符串的公共前缀来降低查询时间的开销以达到提高效率的目的。

文章目录k-近邻算法实战之约会网站配对效果判定1、实战背景2、准备数据：数据解析3、分析数据：数据可视化4、准备数据：数据归一化5、测试算法：验证分类器6、使用算法：构建完整可用系统k-近邻算法实战之约会网站配对效果判定       上一小结学习了简单的k-近邻算法的实现方法，但是这并不是完整的k-近邻算法流程，k-近邻算法..