翻译一下官方文档，强化下自己的理解DataFrame.mode(axis=0, numeric_only=False)[source]沿着某个选择的轴返回（一组）众数。每个众数都会增加一行和一个label，对缺失行用nan填充。注意轴上可能存在多个众数，这也是为何此函数会返回一个 dataframe。如果你想对名为 df 的 dataframe，用众数来填充缺失项，可以这么做：df.fillna(
guuggu
2020-06-20
关于决策树生成的结果会不一样是因为，sklearn决策树中，在splitter='best'的过程中，在特征选择的过程中，也是会有一点随机性，并且数据量越大特征越多的情况下越明显。转载PythonBigDataFrank老师群里讲的~~
guuggu
2020-06-19
最开始,我认为信息增益指的是误差大小,学习过后才知道信息增益指的是同一类别里,决策树上下节点间同一特征下的期望误差,该误差值越大,则代表这条信息流里需要解释的信息量越多我知道这很绕,之所以我会纠结这个点,是因为gda的公式里,是上个节点的h值减去下节点的h值取最大,而通常对于h值的理解是越大越好,而gda反而要求下节点的h值越小越好,这里就很奇怪,后来问了同学,被他的一句话提醒了----'我们希望
guuggu
2020-06-18
