6. 结果分析与解读
在前面的步骤中，我们使用 XGBoost 模型对股票市场数据进行了训练，并使用均方误差（MSE）、均方根误差（RMSE）和决定系数（R²） 对模型性能进行了评估。 现在，我们将详细分析...
第一章 深度学习概述
1.1 深度学习简介 深度学习作为机器学习的一个分支，专注于使用多层神经网络（深度神经网络）来建模和解决问题。 人脑中有很多相互连接的神经元，当大脑处理信息时，这些神经元之间通过电信号和...
4.3. 字符串常用方法
1️⃣使用字符串.index(字符)，获取『指定字符』在字符串中『第一次』出现的下标，返回值：下标。 # index 方法：获取指定字符，在字符串中第一次出现的下标 msg = 'welcome to dsrw' result = ...
3. 一次计算多个统计值
可以通过agg()或aggregate()进行更复杂的操作，如一次计算多个统计值。 df = pd.read_csv('data/employees.csv') # 读取员工数据 # 按department_id分组，计算salary的最小值，中位数，最...
3. 特征工程
特征工程是数据分析和建模中非常重要的一步，通过选择、提取或构造对模型有效的特征，可以提高模型的性能和预测准确性。在本案例中，我们将进行特征选择、构造新特征，确保它们与分析目标（预测...
4. 模型选择与构建
在本阶段，我们将根据业务需求和数据特征，选择最适合的数据分析或预测模型，并详细介绍所选算法的原理和适用性。模型将用于预测客户是否会流失（Exited），这一任务属于二元分类问题。 4.1 模...
3.1.2了解 Pandas 核心数据结构：Series 和 DataFrame
Pandas 基于 Numpy，并提供了 2 大核心数据结构： Series：一维带有标签的数组 DataFrame：二维表格结构，可看作多个 Series 的组合 用得最多的pandas对象是Series，一个一维的标签...
6. 数据分箱与离散化
方法/操作语法示例描述等宽分箱pd.cut(df['col'], bins=3)将数值列分为等宽区间（如分为低/中/高）等频分箱pd.qcut(df['col'], q=4)将数值列分为等频区间（每箱数据量相同） cut() pandas.cut()...
5.5. 字符串
1️⃣字符的四种定义方式 写法示例适用场景单引号'你好，大赛人'单行字符串（不能直接换行，换行需要使用圆括号）双引号'你好，大赛人'三个单引号'''你好，大赛人'''多行字符串（可以直接换行）...
3. 实例属性、类属性
3.1. 实例属性 1️⃣定义：通过实例.属性名 = 值定义在实例身上的属性，称为：实例属性。 2️⃣特点： 每个实例都有自己『独立的一份』实例属性，各个实例之间是互不影响的。 实例属性只能通过...
