2023年11月22日
摘要: MySQL #mysql专用: #周日开始 concat(str_to_date(concat(yearweek(apply_date), ' Sunday'), '%X%V %W'),"~",date_add(str_to_date(concat(yearweek(apply_date), ' S 阅读全文
posted @ 2023-11-22 17:04 小小喽啰 阅读(54) 评论(0) 推荐(0) 编辑
  2023年8月25日
摘要: df = pd.DataFrame( { "订单号": ["0001", "0002", "0003", "0004", "0005"], "单价": [1099.5, 8790.0, 12.55, 10999.0, 999.5], "数量": [1, 3, 1200, 4, 5], } ) df[ 阅读全文
posted @ 2023-08-25 14:59 小小喽啰 阅读(56) 评论(0) 推荐(0) 编辑
  2023年5月16日
摘要: 什么网格搜索、贝叶斯调参,就不做赘述。 本次简单记录一下工作积累的调参经验。 n_estimators:和多个参数相互影响,比如learning_rate,一般来说,树越简单,n_estimators越大,树越复杂,n_estimators越小,简单对应的是树分得很粗糙,max_depth较小,mi 阅读全文
posted @ 2023-05-16 18:03 小小喽啰 阅读(184) 评论(0) 推荐(0) 编辑
摘要: 使用场景:当代码有可能报错,但不想由于代码报错而中断整个代码的运行,就可以使用。 # 用法 try: xxx #需要运行的代码 except Exception as e: # 可以根据可能发生的error类型,但是Exception比较万能 print (e) 参考:blog.csdn.net/c 阅读全文
posted @ 2023-05-16 15:29 小小喽啰 阅读(52) 评论(0) 推荐(0) 编辑
  2023年5月15日
摘要: 1、vintage计算mob使用到的月份差,虽然有很多中办法,但我们只使用最简单便捷的 # 在hive上跑 select months_between(mob_date, last_day(loan_date)) as mob 2、修改数据的值 # 在MySQL跑update table set c 阅读全文
posted @ 2023-05-15 16:01 小小喽啰 阅读(107) 评论(0) 推荐(0) 编辑
  2023年1月29日
摘要: 当一个表有几百个字段时,需要给这几百个字段增加注释,可以这样 alter table 表名 modify column 字段名 decimal(15,3) comment '注释'; alter table 表名 modify column 字段名 decimal(15,3) comment '注释 阅读全文
posted @ 2023-01-29 16:57 小小喽啰 阅读(528) 评论(0) 推荐(0) 编辑
  2022年10月26日
摘要: 比如找出名字中包含"宝"的同学的信息,如果只使用isin就无法实现,这时候需要找到类似于MySQL中like的功能的函数, 下面看看用法 df[df[col].str.contains('宝')] 阅读全文
posted @ 2022-10-26 11:02 小小喽啰 阅读(680) 评论(0) 推荐(0) 编辑
  2022年10月21日
摘要: 本次记录一下Python发送邮件的几种情况: 1、正常发送 2、正文带图片 3、正文带表格 4、正文带附件 首先来看一下Python发送邮件使用到的模块 ## 导入模块 from email.mime.text import MIMEText import smtplib 先说一下email模块的m 阅读全文
posted @ 2022-10-21 17:38 小小喽啰 阅读(1241) 评论(0) 推荐(1) 编辑
  2022年9月8日
摘要: 1、介绍 ‘’主要用于增强单个变量的iv值,原来我们得到一个变量分箱之后的iv值,但是效果不是特别好,我们想要通过组合另外一个变量,来使得我们的效果最好,通过二分法去实现‘’ 可以简单理解为做组合变量 下面我们看看怎么做 2、先导入数据 本次使用的数据GiveMeSomeCredit,数据地址:ht 阅读全文
posted @ 2022-09-08 15:14 小小喽啰 阅读(363) 评论(1) 推荐(0) 编辑
  2022年8月31日
摘要: LIME 即是Local Interpretable Model-agnostic Explanations模型解释器,简单来说就是将每个变量的重要性可视化,集成学习xgb等有feature_importances_,还有专门的SHARP,那么LIME有什么优势呢? 首先我们来看看它的基本操作流程 阅读全文
posted @ 2022-08-31 10:49 小小喽啰 阅读(823) 评论(0) 推荐(0) 编辑