摘要： def add(a, b): print(f'a: {a}') return a+b data = [4,3] print(add(*data)) # 等价于 add(4, 3) data = {'a' : 4, 'b' : 3} print(add(**data)) # 等价于 add(4, 3) 阅读全文

摘要： git clone 遇到问题：fatal: unable to access 'https://github.comxxxxxxxxxxx': Failed to connect to xxxxxxxxxxxxx 将url里的http或https 改为git重新执行。 参考链接： https://b 阅读全文

摘要： Python包及其定义和引用详解 对于一个需要实际应用的模块而言，往往会具有很多程序单元，包括变量、函数和类等，如果将整个模块的所有内容都定义在同一个 Python 源文件中，这个文件将会变得非常庞大，显然并不利于模块化开发。 什么是包 为了更好地管理多个模块源文件，Python 提供了包的概念。那 阅读全文

摘要： 通过xshell的ssh方式连接服务器后，使用隧道进行转接，然后就可以在本机电脑实现连接服务器中的数据库了。 具体操作如下： 1.先使用xshell连接服务器（xshell不会网上有很多教程，安装很方便） 2.使用隧道方式配置，进行转接 3.配置成功后，点击连接 4.保持此xshell端口，即可在本 阅读全文

摘要： 分类树和回归树参数差别： criterion 分类：使用信息增益， 回归： 均方误差MSE，使用均值。mse是父节点与叶子节点之间的均方误差，用来选择特征。同时也是用于衡量模型质量的指标。均方误差是正的，但是sklearn中的均方误差是负数。 绝对误差mae，使用中值。 注意：回归树的接口score 阅读全文

摘要： from sklearn.datasets import load_wine from sklearn.ensemble import RandomForestClassifier from sklearn.tree import DecisionTreeClassifier from sklear 阅读全文

摘要： import pandas as pd from sklearn.tree import DecisionTreeClassifier import matplotlib.pyplot as plt from sklearn.model_selection import GridSearchCV # 阅读全文

摘要： # 先构造正弦函数 + 噪音 import numpy as np rng = np.random.RandomState(1) X = np.sort(5 * rng.rand(80, 1), axis=0) # 生成 0~5之间随机数据，并排序，因为 sklearn用二维特征数据，所以定义数据时 阅读全文

摘要： from sklearn import tree from sklearn.datasets import load_wine # 红酒数据 from sklearn.model_selection import train_test_split wine = load_wine() # 导入数据 阅读全文

摘要： graphviz是一款开源的可视化图形工具，在sklearn中，用于画决策树也很方便，其安装流程如下： 下载 链接：https://graphviz.gitlab.io/_pages/Download/windows/graphviz-2.38.msi 安装 双击下载好的安装包，根据提示安装，记住安 阅读全文