摘要：
建模工作就是从上述三个文件中对数据迚行加工，提取特征幵建立合适的模型，对贷后表现做预测。 阅读全文
摘要：
1.查询课程编号为“01”的课程比“02”的课程成绩高的所有学生的学号（重点） SELECT a.s_id,a.s_score FROM (SELECT * FROM score WHERE c_id='01') as a INNER JOIN (SELECT * FROM score WHERE 阅读全文
摘要：
， 分类模型评估： 二分类：标注分类只有两类的分类，一个类叫做二分类的正类，用1表示；另个一类叫做二分类的负类，用0表示。一般来说，正类是我们比较关注的类，比如：“员工是否离职”，离职的叫做正类，不离职的叫做负类。 注：有的时候0和1不是直接得到的，而是我们得到了一个数据在经过模型输出后，划分为正类 阅读全文
摘要：
分类和回归都属于监督学习，特点就是他们都有一个标注，而标注的存在就是给分类任务或者回归任务一个指引，告诉算法，具备什么样特征的数据是什么样的标注，也就是它叫什么名字，哪些数据是一样的，哪些数据是不一样的，都是通过标注来区分的。 无监督学习：没有标注，目的就是试图给这些数据加上标注，而打标注并不是随便 阅读全文
摘要：
线性回归： 把自变量叫特征，把因变量叫标注，只是这个标注是连续值，而不是离散值，如果多个变量间的关系用线性关系去考量，那就是线性回归；若果多个变量间用多项式关系去考量，那就是多项式回归。类似的，可以由多种回归方法，同一系列的样本，可以用线性回归去拟合； 同样，也可以用二次函数去拟合 那么，如何判断哪 阅读全文
摘要：
点学习：通过接收到的数据，归纳提取相同与不同 机器学习： 让计算机以数据为基础，进行归纳与总结 模型：数据解释现象的系统 机器学习： 1.监督学习（机器学习的过程有标注：相当于告诉模型，在什么样的数据特征下应该输出什么样的结果，机器学习的任务就是提炼出输入与标注间的关系，并进行预测） 根据标注是离散 阅读全文
摘要：
特征工程 ， ， 异常值（空值）处理 空值、重复值、四分位数上下1.5倍到3倍边界范围以外、业务实际情况下不允许出现的值 集中值：均值，中位数，众数等 ， ， ， 特征选择： ， ， 特征变换： 对指化：将数据进行对数化和指数化的过程 指数化：将一个数进行指数变换的过程，指数的底数一般取自然底数e 阅读全文
摘要：
， ， ， ， ， ， 阅读全文
摘要：
梯度下降法：（Gradient Descent），梯度法用来求一个函数的最优值 ， 如果第一个点导数不为零的话，那么这点肯定不在极值点上！ 有时候一上来η的取值不是很准确，需要通过调参的方式来找到适合的η值 ， ， import numpy as np import matplotlib.pyplo 阅读全文
摘要：
1.解决回归问题 2.思想简单，实现容易 3.许多强大的非线性模型的基础 4.结果具有很好的可解释性 5.蕴含机器学习中的很多重要思想 所谓的建模的过程，其实就是找到一个模型最大程度的拟合我们的数据。在线性回归算法中，这个模型就是一个直线方程，所谓的最大拟合我们的数据，其实本质是找到一个函数 ，在这 阅读全文