所以可以理解为如果真正的小概率事件发生,我们就一定会弃掉真的那个原假设

已经尝试快速修复和联机修复，重启后还是不显示，并且今天也是按照上课时候重新下载得office软件，请帮助。

老师，刚才已经修复，快速修复，和联机修复都尝试了了，并且也已经重启，但是pp还是不显示。请帮助。今天也已经按照上课时候卸载并且重新下载的office软件

点击更改

输入地址后，出现这个界面，然后呢，从哪找到

上图说但下载项。

找到之后只有卸载和更改，没有修复

把Excel关闭，到控制面板-卸载程序-找到office-右键修复试一下

在做假设检验的时候，我们先要提出一个原假设，然后在原假设成立的情况下，计算我们获得当前结果的概率是多少，如果我们计算得到的概率很小，就说明在原假设成立的情况下获得当前结果的概率比较低，这个时候我们就会想着否定原假设，很显然我们计算得到的概率越小我们会越有把握的告诉别人原假设是错误的。但是小到什么程度算小呢，统计学家就规定了一个显著性水平也就是α，比方说是5%，让我们得到的概率prob和这个α比较，如果小于这个α，我们就会说我们比较有把握拒绝原假设。

但是即使我们计算的概率很小，原假设还有可能是对的。就是我们有可能弃真。显然我们弃真的概率由α决定。

不用客气，有问题可以继续在咱们这个网站上提问

好的，明白了，老师解释得很详细，谢谢老师！

注意这个diff_num的设定非常重要，你用的代里面，有两个地方涉及到了这个参数的设定，一个是get_kind函数里面有，一个是xgb_fill的类里面有。这个值最好在这两个地方的设定值保持一致，否则可能出现漏洞

#比如类里设定为了8，而get_kind里面设定为了10，那么当判断一个变量是否要处理为object变量的时候

#就可能出现问题，比如这个变量的不重复值有9个，到了get_kind函数那里，将其处理为了object变量，

#在类里就会被处理成float变量

而你这里确实就出现了这个问题。所以你这样的设定导致了如下的错误提示。

我把错误提示贴一下。

File "D:\ProgramData\Anaconda3\lib\site-packages\xgboost\core.py", line 500, in __init__

handle, feature_names, feature_types = dispatch_data_backend(

File "D:\ProgramData\Anaconda3\lib\site-packages\xgboost\data.py", line 539, in dispatch_data_backend

return _from_pandas_df(data, enable_categorical, missing, threads,

File "D:\ProgramData\Anaconda3\lib\site-packages\xgboost\data.py", line 242, in _from_pandas_df

data, feature_names, feature_types = _transform_pandas_df(

File "D:\ProgramData\Anaconda3\lib\site-packages\xgboost\data.py", line 207, in _transform_pandas_df

raise ValueError(msg + ', '.join(bad_fields))

ValueError: DataFrame.dtypes for data must be int, float, bool or categorical. When

categorical type is supplied, DMatrix parameter

`enable_categorical` must be set to `True`.B0008

注意这里的关键点是说B0008变量有问题，我们看下B0008这个变量的不重复取值

In [10]: x1_["B0008"].nunique()

Out[10]: 9

果然出现了特殊情况，导致产生了错误提示。我们如何修改代码，让其顺利执行呢？

这样我们的程序就可以正确执行了

你只给了部分代码，不知道问题出在哪？这个类包括其父类都是你自己定义的吗？如果是你自己定义的，你需要把全部的类定义代码都发出来，应该是一个比较长的py文件；如果是你调用的公共的库，你直接把库的应用代码发出来就行。

你导入数据及这个类的使用代码也发一下，比如data=pd.read_csv("")

还有你实例化的过程，光看类的定义看不出来

好的，我看下代码

老师，我已重新上传代码了。

你可以重新编辑一下帖子，咱们的帖子有编辑功能。代码可以直接复制到帖子里面，然后将代码部分设定为python格式

你好，你的代码没有上传成功，你编辑一下帖子，代码可以保存为py文件或者txt文件。

根据你的错误提示，应该是将名义变量转化为整数变量后才能进行建模。你可以将涉及到的变量进行截图演示

这个箭头叫做筛选器方向，这个筛选是维度筛选度量，单箭头表示单向筛选器方向，双向箭头表示双向筛选器方向。单向筛选器方向中箭头出发的表示一表，也就是维度表，箭头指向的表示多表，也就是出度量的表。双向筛选器方向表示连接的两表可以互相筛选，这两个表谁出维度谁出度量都可以。连接两表绝大多数用单向筛选。判断两表的连接方向时要分清哪个表出维度，哪个表出度量，出维度的表为一表，出度量的表为多表。