摘要：
pyplot的一些知识 matplotlab中的对象： matplotlib是面向对象的，在画图的时候我们了解一些对象，对我们画图是有帮助的。绘图的对象大致分为三层： backend_bases.FigureCanvas : 图表的绘制领域 backend_bases.Renderer : 知道如何 阅读全文
摘要：
缺失值的类型 首先对数据的变量（特征）按照缺失和不缺失进行分类：不含有缺失值的变量称为完全变量，含有缺失值的变量称为非完全变量。 缺失值的类型分为三种：完全随机缺失，随机缺失和非随机缺失。 完全随机缺失： 缺失的变量和其余的变量没有关系。比如”家庭住址“这个信息，和”身高“等其余的变量没有关系。 随 阅读全文
摘要：
数据的标准化（Standardization)和归一化(Normalization)有什么区别？ 关于数据的标准化和归一化区别的说法有点乱。总的来说有这么几种分法 1：不做区分，都意味着标准化。 2：大部分说法是这样的：归一化是这么一个过程$x’ = \frac{x-x_{min}}{x_{max} 阅读全文
摘要：
按照我们对于变量的分类：分为数值变量和分类变量，数值变量可以分为连续型和离散型，分类变量又有有序的和无序的。下面我将介绍一些对于这些变量进行离散化处理。 无序分类变量的离散化方法： 比如在泰坦尼克号当中，有一个变量叫做乘客登陆的港口，取值为（C, Q, S）代表三个地方。这是一个典型的无序分类变量， 阅读全文
摘要：
集成学习 Ensemble learning 中文名叫做集成学习，它并不是一个单独的机器学习算法，而是将很多的机器学习算法结合在一起，我们把组成集成学习的算法叫做“个体学习器”。在集成学习器当中，个体学习器都相同，那么这些个体学习器可以叫做“基学习器”。 个体学习器组合在一起形成的集成学习，常常能够 阅读全文
摘要：
模型评估方法 假如我们有一个带标签的数据集D，我们如何选择最优的模型？ 衡量模型好坏的标准是看这个模型在新的数据集上面表现的如何，也就是看它的泛化误差。因为实际的数据没有标签，所以泛化误差是不可能直接得到的。于是我们需要在数据集D上面划分出来一小部分数据测试D的性能，用它来近似代替泛化误差。 有三种 阅读全文
摘要：
最本质的区别是这样的：histogram用来描述的是numerical变量，而bar plot用来描述的是categorical类型的变量。统计学当中关于变量的分类 这可以从它们的图形上面看到： histogram的横轴用bin把变量分在一个特定的区间里面，比如年龄变量，以五岁一个长度分开，那么一个 阅读全文
摘要：
统计学中的变量指的是研究对象的特征，我们有时也称为属性，例如人的身高、性别等。 每个变量都有变量的值和变量的类型。我们按照变量的类型对变量进行划分。 统计学中的变量（variables）大致可以分为数值变量（numrical）和分类变量（categorical）。 数值型变量是值可以取一些列的数，这 阅读全文
摘要：
为什么接头要分为“公头”和"母头"?有何由来 在接口当中有工头和母头 公头是插头当中有插针的那一端 母头是插头当中有插槽的那一端 VGA 两端母头，接线公头 有的接口连接的时候，连接的两个部分提供两个母头，中间用一个两端是公头的线连接起来，比如pc和显示器的vga接口都是母头，中间的连接线两端是公头 阅读全文
摘要：
一块硬盘，从它最开始的什么都没有的状态，到被我们利用，要经历分区、格式化和挂载。 分区：分区是把一个硬盘分成几个逻辑分区。这其中的概念有：主分区，扩展分区，逻辑分区。将一个/dev/sda硬盘分区以后，可能会出现/dev/sda1、/dev/sda5 等字样。在linux，分区的命令是fdisk。 阅读全文