在数据探索之后，我们需要对数据进行 特征工程，以提取更具代表性的信息，并为后续的建模和分析做好准备。 特征工程的核心目标是 选择、构造和优化特征，使其能更好地反映数据的内在...

1. 零假设与备择假设 1.1 介绍 在统计学中，假设检验是一种通过样本数据对总体参数提出假设并进行检验的方法。 其中，零假设（Null Hypothesis，简称 H0）和备择假设（Alternative Hypothesis，...

2.1. 概述 列表：用来存放一组有序的数据，并且可以对其中的数据进行：增删改查。 列表就像一个长度可变的收纳盒，能按顺序装下多个元素，还可以随时添加、拿出、替换里面的元素。 2.2. 定义列...

4.1 特征工程的目标 特征选择：选择与分析目标相关性较强的特征，减少冗余信息。 特征提取：从现有数据中提取关键特征，如时间序列中的季节性或趋势特征。 特征构造：创建新的特征以增强模型的...

散点图 绘制横轴为体重，纵轴为脚蹼长度的散点图。可通过hue参数设置不同组别进行对比。 sns.scatterplot(data=penguins, x='body_mass_g', y='flipper_length_mm', hue='sex') 也可以通过regpl...

在return关键字后面写多个值，并且多个值之间用逗号隔开，Python 会自动把多个值打包成元组。 def calculate(x, y): res1 = x + y res2 = x - y return res1, res2 # 实际返回的是：(res1, res2...

机器学习（Machine Learning, ML）主要研究计算机系统对于特定任务的性能，逐步进行改善的算法和统计模型。通过输入海量训练数据对模型进行训练，使模型掌握数据所蕴含的潜在规律，进而对新输入...

Python 中常见的目录操作如下： import os import shutil # 1️⃣os.mkdir(path)：创建“单级”目录（如果目录已经存在，则会抛出异常） os.mkdir('D:/demo') # 2️⃣os.makedirs(path)：创建“...

在这一部分，我们将对数据进行 特征选择、特征转换、特征构造，并划分训练集和测试集，确保特征与分析目标的相关性和有效性。 3.1 处理类别型变量 数据集中包含许多类别型变量（如 MS...

概念：所谓『匿名函数』，就是没有名字的函数，它无需使用def关键字去定义。 语法：Python 中使用lambda关键字来定义『匿名函数』，格式为：lambda 参数: 表达式 使用场景： 当一个函数只用一...