原创 python筆記：multiprocessing 函數apply和apply_async有什麼區別？
直接上結論： apply()和apply_async().get()可以說是一樣的，但在處理task上有點不一樣。 使用apply_async().get相對節省時間。 一、爲什麼兩者可以說是一樣的？ 首先扯點歷史（鏈接）
2020-06-30 11:01:29
7
原创 ML筆記：分類算法之SVM
注：本文幾乎所有東西都不是原創，但鑑於來源複雜不易查明、僅作爲個人筆記查詢，故不再一一插入鏈接。如有侵權，立刪。 1. SVM是什麼？ Support Vector Machine。一個普通的SVM就是一條直線，用來完美劃分lin
2020-06-30 11:01:29
3
原创 ML：常見判斷類模型好壞指標 - 混淆矩陣 & ROC曲線 & AUC & 其他
混淆矩陣 前提概念 縮寫 全拼 含義 TP True Positive 預測對了，預測了“Positive” FN False Negative 預測錯了，預測了“Negetive” FP False
2020-06-30 11:01:29
18
原创 python筆記：df.plot()常見的座標軸的操作，及正常顯示負號
一、 座標軸的label（stackoverflow鏈接） 根據pandas官方文檔： The plot method on Series and DataFrame is just a simple wrapper aroun
2020-06-30 11:01:29
47
原创 ML：非監督學習之 聚類 之 1 KMeans聚類（sklearn.cluster.KMeans)
一、算法圖解 首先，圖a & 圖b：指定cluster的個數。上圖設k=2（初始點爲從圖b開始出現的“+”號）； 其次，圖c：把每個數據樣本劃到到最近的中心點那一cluster； 再次，圖d & 圖e：指第一輪化cluster
2020-06-30 11:01:29
6
原创 時間序列筆記：python中如何用差分消趨勢和季節性因素
時間序列模型：嚴格來說包含4個要素，Trend/趨勢、Circle/循環、Seasonal /季節性和不規則要素。但是實際中C和S差不代指同一個東西。 一組時間序列數據有可能包含T和S，這都導致數據集不平穩。因爲T會造成均值跟
2020-06-30 11:01:29
14
原创 python筆記：sklearn r2_score和explained_variance_score的本質區別是什麼？
Q：我知道r2_score表示的是在總變變量中模式解釋的百分比。但是explained_variance_score和它有什麼區別？ A：從公式的差別角度看： 當殘差的均值爲0時，它倆是一樣的。至於用哪個，就看你有沒有假設殘差均值
2020-06-30 11:01:29
13
原创 ML：非監督學習之 聚類 之 2 DBSAN聚類（sklearn.cluster.dbscan))
一、算法圖解 DBSCAN：Dense-Based Spatial Clustering of Applications with Noise（基於密度的&帶噪點的空間聚類應用方法） 舉個栗子： 此處潛在設定條件：Min_sm
2020-06-30 11:01:29
原创 ML：決策樹的優略點
用於分類和迴歸 一、優點 簡單易懂，條理清晰，可以用圖畫出來； 需要較少的數據預處理，計算量不大。其他算法常常需要數據標準化、刪除空值、創建虛擬變量。需要注意的是，此處模型不支持缺失值； Tree的使用成本（例如預測）等於訓練數
2020-06-30 11:01:29
原创 python筆記：DataFrame - 透視統計非重複個數
例如，有如下數字： df = pd.DataFrame({'a': ['A', 'A', 'A', 'B', 'C'], 'b': ['H', 'H', 'I', 'J', 'J']}) pr
2020-06-30 11:01:29
1
原创 MYSQL（8.0版本及以上）- utf8mb3，utf8mb4 和utf8的含義和由來
官方文檔：MySQL 8.0 Reference Manual: 10.9.2 The utf8mb3 Character Set (3-Byte UTF-8 Unicode Encoding) 首先，上結論： 國際上的UTF
2020-06-30 11:01:29
24
原创 python筆記：UserWarning: This pattern has match groups. To actually get the groups, use str.extract.
df = pd.DataFrame({'name': ['A(上海)AAA', 'BB(上海)BB', 'CCC', 'DDD'] }) print(df) # 結果如下 na
2020-06-30 11:01:29
12
原创 手工獲取SARIMA模型參數的簡介
背景：SARIMA，簡單說就是AR+MA+差分+季節性因素+趨勢。所以參數在statsmodels.tsa.statespace.sarimax.SARIMAX裏邊，用3個指標涵蓋核心參數，order(p,d,q)、season
2020-06-16 13:07:43
75
原创 Pandas：多維透視表 - 如何重複項目標籤 同時 不顯示columns字段名稱
來源：How do I flatten a python/pandas pivot table and manipulate the column names?鏈接這裏。 問題：把一般情況下得到的透視表，變成想要的格式： ""
2020-05-31 20:26:27
11
原创 翻譯：提高既定數據集下的模型效果——交叉驗證(CrossValidaton)
官方文檔鏈接 數據給定&模型給定的前提下，怎麼提高訓練模型的效果？ 數據和模型給定之後，我們只有一條路：提高數據的利用效率。方法有兩個： 1）使用train_test_split函數分成訓練集和測試集； 2）通過CrossValidato
2020-05-31 20:26:16