dtype属性代表array中数据的类型，可以是int，float，str等 a.dtype dtype('int32') dtype属性的修改不可以直接进行，而应该借助于astype()方法 a.dtype = "float64" ---------------------------------------------------------------------------
赵娜0418
2020-04-28
报上图中的错误，是因为“function”对象没有“keys”属性，需要运行cancer = load_breast_cancer()这段代码才可以
赵娜0418
2020-04-27
在上图中np.arrary([12.2,3.5])这两个数不能同时上传，这是两个值，一个是x坐标，一个是y坐标，正确的写法应是如下图所示：
赵娜0418
2020-04-27
不相等，一般属性值是在编程里边用到的内容，例如方法、类、对象等，会说它们有什么属性，模型中也有属性，在pandas里编程的时候，一般将特征叫做columns，
赵娜0418
2020-04-27
程序有两种执行方式，解释执行和编译执行。 PYTHON是一种脚本语言，是解释执行的，不需要经过编译，所以很方便快捷，且能够很好地跨平台，写一些小工具小程序特别合适。 而C 则是一种需要编译后运行语言，在特定的机器上编译后在特定的机上运行，运行效率高，安全稳抄定。但编译后的程序一般是不跨平台的。
赵娜0418
2020-04-27
jupyter notebook报name 'np' is not defined 的错误，是因为你现在执行的代码用到了numpy包里的方法，而你在运行这段代码之前还未导入numpy包，所以需要导入numpy的包，导包代码为import numpy as np
赵娜0418
2020-04-24
L1=[1200,1398,2200,1100,1521] L2=[1340,1211,1460,1121,1609] a1=np.array(L1) a2=np.array(L2) a1 a2 上图中报name 'a1' is not defined的错误，报次错误的原因是因为a1在运行a1 a2这行代码之前没有被定义，要想解决上图中的错误，需要先执行定义a1的代码，也就是下图红色框中的代
赵娜0418
2020-04-24
哑变量，又称为虚拟变量、虚设变量或名义变量，从名称上看就知道，它是人为虚设的变量，通常取值为0或1，来反映某个变量的不同属性。对于有n个分类属性的自变量，通常需要选取1个分类作为参照，因此可以产生n-1个哑变量。将哑变量引入回归模型，虽然使模型变得较为复杂，但可以更直观地反映出该自变量的不同属性对于因变量的影响，提高了模型的精度和准确度。
赵娜0418
2020-04-23
LinearSVC线性知识向量机是不能选择特征值个数的，但是SelectFromModel是可以选择的，SelectFromModel的语法中threshold=None是可以设置，通过设置这个门槛值就可以控制特征值的数量。
赵娜0418
2020-04-23
像上图代码中的随机森林里边它会计算出每一个X的重要性，上图中计算出其中一个X的重要性是0.1759，如果其他X算出来的是0.9、0.8、0.2，那对应的X的重要性也是从大到小排列的，随机森林会计算出这样的指标，上图中模型的准确度是0.73。
赵娜0418
2020-04-23
如果用主成分分析处理那些不重要特征，首先一点是主成分分析是不容易输出结果的，主成分分析一般有八大标准，其中有四个是非常主要的标准，这四个标准如果用它处理不重要的特征，你会发现这四个标准可能一个都达不到，所以这就会导致模型计算失败，假设你的X达到二十个，希望通过主成分分析压缩，但是压缩到最后它不成功，那你只能选择其他的方法了，会存在一定的风险。
赵娜0418
2020-04-23
机器学习的常用方法，主要分为有监督学习(supervised learning)和无监督学习(unsupervised learning)。监督学习，就是人们常说的分类，通过已有的训练样本（即已知数据以及其对应的输出）去训练得到一个最优模型（这个模型属于某个函数的集合，最优则表示在某个评价准则下是最佳的），再利用这个模型将所有的输入映射为相应的输出，对输出进行简单的判断从而实现分类的目的，也就具有
赵娜0418
2020-04-23
等号右侧对应的是X1和X2的特征，等号左侧就是P除以1-P，P是根据Y的取值和X的条件概率计算出来的
赵娜0418
2020-04-23
#2.sgd算法 """ 迭代#1 令：b0=0，b1=0，b2=0,则p=1/(1 exp(-(0 0*1 0*3)))=0.5 因为w=w alpha*(y-p)*p*(1-p)*x, 所以, b0=0 0.3*(1-0.5)*0.5*(1-0.5)*1=0.0375 b1=0 0.3*(1-0.5)*0.5*(1-0.5)*1=0.0375 b2=0 0.3*(1-0.5)*0.5*(1-
赵娜0418
2020-04-23
