摘要： 1、时间增加或减少。 DATE_SUB(CURRENT_DATE,INTERVAL 7 day) DATE_add(CURRENT_DATE,INTERVAL 7 day) 2、取第一条数据 不能通过 order by 加group by 取最新的一条。只有通过两个表连接才能实现。 3、空字符串和空 阅读全文

摘要： 网站 1：https://zhuanlan.zhihu.com/p/197476119 #综合 2：https://blog.csdn.net/u010916338/article/details/94653402 #信息增益率 3：https://zhuanlan.zhihu.com/p/4932 阅读全文

摘要： 切比雪夫大数定理 所有数据中，至少有3/4（或75%）的数据位于平均数2个标准差范围内。 所有数据中，至少有8/9（或88.9%）的数据位于平均数3个标准差范围内。 所有数据中，至少有24/25（或96%)的数据位于平均数5个标准差范围内 协方差和相关系数的关系与区别 协方差： 协方差表示的是两个变 阅读全文

摘要： 人工智能：机器学习、对环境的感知、实现动作 机器学习 学习： 2.机器学习三要素：数据、算法、模型 机器学习研究的是从数据中通过选取合适的算法，自动的归纳逻辑或规则，并根据这个归纳的结果(模型)与新数据来进行预测。 3.深度学习是在机器学习的基础上实现的，得益于机器性能的提升。神经网络则是深度学习的 阅读全文

摘要： 准确率、召回率 网址 ：https://blog.csdn.net/seagal890/article/details/105059498 True Positive（TP）：真正类。样本的真实类别是正类，并且模型识别的结果也是正类。 False Negative（FN）：假负类。样本的真实类别是正 阅读全文

摘要： 整体建模思路 1、拿到样本先分训练集和测试集，0.7或0.8，根据样本数量考虑是否增加验证集，本次不增加验证集。 2、对训练集样本进行初筛。iv大于0.01，相关系数低于80%，缺失率根据变量中文名无特殊情况，不得高于80%。 3、对训练集先用决策树分6-8箱。此时对变量进行二次筛选。主要考虑变量是 阅读全文

摘要： 自己逻辑回归尝试 1、固定好坏样本，随机种子 先去看分箱情况 data_sd = X1 num_cols=X1.columns import pycard as pc num_iv_woedf = pd.DataFrame() clf = pc.NumBin(max_bins_num=7,min_b 阅读全文

摘要： from sklearn.model_selection import train_test_split train,test=train_test_split(dd,test_size=0.6) toad.detect(dd) toad.quality(dd,target='target',iv_ 阅读全文

摘要： （1）选择较高的学习率，例如learning_rate=0.1，这样可以减少迭代用时。 （2）然后对 (max_depth , min_child_weight) , （3）在第二步确定的基础上调整 gamma , （4）subsample, colsample_bytree 这些参数进行调整。 （ 阅读全文

摘要： import pandas as pd from lightgbm import LGBMClassifier from sklearn.metrics import accuracy_score df3=pd.concat([df1,df2],axis=1) model = LGBMClassif 阅读全文