问：pandas中表连接的pd.concat()和pd.merge()在使用场景下有什么不同？pd.concat( ['objs', 'axis=0', "join='outer'", 'join_axes=None', 'ignore_index=False', 'keys=None', 'levels=None', 'names=None', 'verify_integrity=Fals
詹惠儿
2021-01-08
问：python为什么要将数据分为不同的类型呢？答：等，python语言中的数据也有其对应的“状态”，且要求更加严格，不同的状态用不同类型的数据去表示，不允许存在语法歧义。者他人进行数据存储或者读取。
詹惠儿
2021-01-07
问：为什么原数据中的一些城市在地图中没有显示，如下图的天津在原数据中存在，在地图上没有显示？答：这是因为该地图选择了‘上钻’操作，也就是显示父级【国家】，只有两个值：中国，日本，当要显示子级上的城市时，可进行“下钻”操作，将所有城市都显示出来，如下图所示：
詹惠儿
2021-01-07
问：‘Z-Score标准化’学习总结答：使用此方法处理数据，我们最后得到的数据集中的平均值将为0，标准差为1。我们可以通过在numpy中组合不同的函数来实现这一点，例如：z =（x.values-np.mean（x.values））/ np.std（x.values）其中 x 是一个带有数值索引的数据框。如果我们想将值保留在数据框中，则只需要删除它前面的.values。标准化之前的方差catD
詹惠儿
2021-01-07
问：python代码这里为什么没输出结果？答：python中默认输出单个cell中最后一条命令行的结果，这里最后一条命令行是c=a+b，这是一条赋值语句，没有返回结果，可以通过print(c)查看变量c的结果。
詹惠儿
2021-01-07
问：numpy中的排序函数sord()可以设置reverse为降序吗？答：在python列表中的排序函数sort()支持通过reverse参数来设置是否降序，但是在numpy 中的排序函数sort()没有提供reverse参数，如果要实现降序输出，可通过在数组前加负号-实现，例如：
詹惠儿
2021-01-07
问：Numpy有没有正弦之类的运算函数？ 答：Numpy也支持角度之间的运算，包括三角函数：np.sin(theta)，np.cos(theta)，np.tan(theta)，以及逆三角函数：np.arcsin(x)，np.arccos(x)，np.arctan(x)，其示例如下：
詹惠儿
2021-01-07
问：numpy中的sort()参数axis=-1是什么意思？a.sort(axis=-1, kind='quicksort', order=None)答：这里参数axis表示指定要进行排序的轴，默认为-1表示根据最大的维度进行排序，例如该数组为二维数组时，axis=-1与axis=1用法相同，示例如下：
詹惠儿
2021-01-07
问：python报错SyntaxError: 1nvalid syntax答：检查代码可以看到代码最后多了个 b，不符合python编写规范，把b删除即可。
詹惠儿
2021-01-06
问：常用的过拟合解决方法有哪些？答：过拟合解决方法：（1） 增大数据集（2） 减少数据特征（降维，特征选择）（3） 交叉验证（4）正则化（L1和L2）（5）降低模型复杂度（如对决策树剪枝等）（6）集成学习方法
詹惠儿
2021-01-06
问：在看逻辑回归模型的部分，在建模时出现9个表，其中前两个表讲师说是来解释Y的，从前两个表可以看出p是由y=1来建模型的，请问是从哪里看出来的呢？答：一般是样本量少的为1值，从下图可以看出：
詹惠儿
2021-01-06
问：如何选择knn模型中的k？k值大小和模型欠拟合和过拟合如何对应？答：k值的选择，过小则容易过拟合，过大则容易欠拟合，可以用交叉验证法去选择K值（1）如果选择较小的K值，就相当于用较小的领域中的训练实例进行预测，“学习”近似误差会减小，只有与输入实例较近或相似的训练实例才会对预测结果起作用，与此同时带来的问题是“学习”的估计误差会增大，换句话说，K值的减小就意味着整体模型变得复杂，容易发生过拟合
詹惠儿
2021-01-06
问：怎么才能看到sklearn中函数里每个参数的意思？答：第一种是在线调取sklearn的官方说明文档，首先打开jupyter，import sklearn后，将鼠标移至对应的函数，点击shift+tab键，即可在线查看该函数对应的函数说明，比较推荐这种方法；第二种是登录sklearn官方网站进行查看：www.scikit-learn.org ，此方法需要翻墙，推荐另一种不需要翻墙的方式，通过C
詹惠儿
2021-01-06
问：交叉验证原理是什么，什么情况下要做交叉验证？答： 交叉验证是在机器学习建立模型和验证模型参数时常用的办法。交叉验证，顾名思义，就是重复的使用数据，把得到的样本数据进行切分，组合为不同的训练集和测试集，用训练集来训练模型，用测试集来评估模型预测的好坏。在此基础上可以得到多组不同的训练集和测试集，某次训练集中的某样本在下次可能成为测试集中的样本，即所谓“交叉”。 那么
詹惠儿
2021-01-06
问：标准化和归一化的区别是什么？答：归一化是为了将数据映射到0~1之间，去掉量纲的过程，让计算更加合理，不会因为量纲问题导致1米与100mm产生不同。归一化是线性模型做数据预处理的关键步骤，比如LR，非线性的就不用归一化了。而标准化是为了消除分布产生的度量偏差，例如：班级数学考试，数学成绩在90-100之间，语文成绩在60-100之间，那么，小明数学90，语文100，小花数学95，语文95，如何评
詹惠儿
2021-01-06
问：机器学习相关推荐书籍总结答：1. 《机器学习》2. 《scikit learn机器学习：常用算法原理及编程实战》3. 《统计学习方法》4. 《机器学习实战：基于Scikit-Learn和TensorFlow》
詹惠儿
2021-01-06
问：调用sklearn.datasets这个包里的make_blobs有什么用？答：sklearn中的make_blobs函数主要是为了随机生成数据样本，在这些样本的基础上，探索，研究各种各样的算法其中，数据集中带Y的话，就可以尝试探索分类算法出来；数据集中不带Y的话，尝试探索聚类算法make_blobs的用法如下：data, label = make_blobs(n_features=2, n_
詹惠儿
2021-01-05
问：Anaconda如何添加提示代码功能？答：1、先安装nbextensions插件，方法步骤见：https://www.pinggu.com/post/details/5eb25ad4442da95acd7101302、安装好后打开jupyter notebook发现已显示该插件把这里的勾取消掉3、勾选hinterland
詹惠儿
2021-01-05
问：永久修改pip镜像源和临时修改有什么区别？答：永久修改pip镜像源是通过修改配置文件将pip管理器的默认镜像源给修改了，之后每次下载都用修改后的镜像源；而临时镜像源是在执行某个安装语句后面指定镜像源，只在当条命令有效，后面使用安装语句用的还是之前的镜像源。
詹惠儿
2021-01-05
