调用sklearn模型的时候 报错“Unknown label type: ‘continuous’ “的解决办法 刚刚掌柜在进行模型预测的时候遇到这样的报错：  为什么会这样呢？掌柜搜过类似问题的解法，发现在StackOverflow上面有个解释的很清楚：  原来是因为目标列是真实地数字，不能作为分类问题的标签进行运算。那么问题又来了：为什么不能作为分类标签呢？ 再看下面那句话，其实也是sklearn官方文档中地原话： 哦，原来在用sklearn做分类任务的时候，y 应该是整数或者字符串型的向量。至此，这个问题终于得到解答😀，下面解决的办法就很简单了，直接在y输入变量的后面加上转换数据类型...

今天又随手刷了一道力扣题，还是数据库的。这次是 1179题：重写部门表格。又是一道看似简单的题，但不注意还是容易出错😂。 此题主要考察的知识点👉：CASE WHEN/IF 函数的用法以及SQL分组聚合的方法。 解题思路👇： 仔细看题目这里的要求  要求表格以 部门id和每个月的收入 这样的形式来显示，如上。 那么问题来了，第一个：如何统计有哪些部门id？ 第二个：如何统计每个月该id部门的收入？  首先第一个问题很好解决，想要统计表格有哪些部门id，很自然就会想到用GROUP BY方法； 第二个问题，要想统计每个月该部门的收入：  那么先要知道该月是几月； 接着找到该月份对应的收入填入即...

刚刚掌柜在进行调参的时候遇到这样的报错： 这就奇怪了，明明刚刚Xgboost还能运行，怎么调参就不行了？？？ 于是掌柜去搜解决办法，十个有九个都是说因为存在有 xgboost.py命名的文件才导致的。但是掌柜明明才开始用这个，也没建过这样名字的Python文件。但是秉着严谨的精神还是去搜了电脑里面的所有文件，结果并没有找到什么。。。 接着又重装了xgboost这个包，但是依然报错如上！正当掌柜要陷入僵局的时候，突然在官网的论坛看到一个类似的疑问，下面有这么一句话： 突然想到一个问题，难道是我一开始在第一个程序的时候用xgb来命名了XGBRegressor对象了。。。马上回看上个程序，结果发现还...

最近在进行一个比赛的时候遇到特征处理的问题，于是就在sklearn官网查了一下，发现有专门的一节来讲关于特征选择的，因此翻译一下主要供自己学习使用，当然如果对你也有帮助，那更好。  sklearn.feature_selection  PS:翻译如果觉得有问题，请大佬帮忙纠正！谢谢。 ----------------------------------------------我是一条无感情的分界线--------------------------------------- <mark>1.13. Feature selection</mark> sklearn.fea...

（PS: 先跳过十二章，因为那章讲数据集成，这个后面再一起讲，因为要讲的比较多。此外，下文若有错误，请指正，谢谢！😃） 这次是第十三章：  13 | 数据变换：考试成绩要求正态分布合理么？  该章主要讲数据变换的几种方法中的数据规范化是什么，以及如何用sklearn里面的processing包来处理数据。还有其他变换的方法比如  数据平滑； 数据聚集； 数据概化； 属性构造 等方式，它们都可以将（特征）数据转换成适用于数据挖掘的形式。  其实下文谈的几种都属于数据预处理里面数据变换的标准化范畴(或用英文更专业点，叫Feature Scaling，也叫特征缩放，详细解释参见维基百科)。 掌柜这...

最近又手贱的升级某个包导致了在使用Jupyter notebook中遇到了各种坑坑😂。。。掌柜可能自带填坑属性👀，所以这里对常见的十种Jupyter坑做个总结！ PS:造成同一个报错的原因有很多种，掌柜这里列出的解决办法也不一定对所有场景有效，谢谢理解！ PPS: 掌柜这里是Windows10的64位操作系统，且是在Anaconda Prompt中安装各种包的。  Exception: Jupyter command ‘Jupyter notebook’ not found.  这是因为掌柜在卸载某些包的时候Jupyter包也被一起卸载了，结果就出现找不到Jupyter notebook启...

（接之前的） 下面我们来看分别用Min-Max归一化、Z-Score标准化对Sklearn数据集里面的鸢尾花数据集进行处理的差别：  首先取了原始数据集里面spal length这一特征来进行可视化：  可以看出来是呈正太分布的，均值和中位数都在6附近。 下面掌柜分别用MinMax归一化 、Z-Score标准化来处理鸢尾花数据集，  再次查看第一列特征的可视化图（Min-Max归一化是红色，Z-Score标准化是蓝***r>  由上图可以很明显的看出来，归一化后的数据都落在了[0,1]之间；而使用标准化处理后的数据，中位数和均值都往左偏移了，处于以 0为中心的正态分布状。这也验证了我们上...

最近掌柜遇到这样一组数据，它呈现出双峰偏态形状：  大家都知道，在构建模型的时候都尽量要让偏态数据转换为正态分布数据。 所以问题又来了？为什么偏态数据要尽量转换为正态分布数据呢？ 因为很多模型假设数据服从正态分布后，它的样本均值和方差就相互独立，这样就能更好的进行统计推断和假设验证。比如熟悉的线性回归就是假设误差服从正态分布。 好了，现在回到这里，刚刚上图显示的是双峰偏态数据，掌柜查阅了一下，发现如果要转换成正态分布形式的话，可以使用Sklearn里面的QuantileTransformer方法。具体使用方法如下： from sklearn.preprocessing import Quant...

（接上篇）   <mark>1.13.3. 递归特征消除</mark> 给定一个对特征进行权重分配的外部评估器（比如线性模型里面的系数），递归特征消除（RFE）***通过递归考虑越来越少的特征集来进行特征选择。首先，在初始化的特征集上面已经训练好的评估器要么通过coef_属性，要么通过feature_importances_属性获取每个特征的重要性。接着，最不重要的特征将从当前特征集中删除。然后会在修剪集（即刚才删除最不重要特征后的数据集）上递归地重复这个过程直到最终达到所需要的特征数量。 RFECV则以交叉验证循环的方式执行RFE来找到最佳特征数量。 示例：  递归特...

掌柜又随手刷了一道力扣数据库题，这次是595题👉：找大国。相信很多朋友都见过这个题，这题确实很简单，只要你SQL基础过关。 所以掌柜就简单提一下，此题主要考察知识点就是SQL中多条件的过滤。但是掌柜一如既往在自己解答后看其他人的题解时，发现了一个有趣的东西 – 就是大多数题解都写到👇： 这里使用Union连接两个查询语句的效率会优于使用OR方法？？？ 真的是这样的吗？？？😮掌柜持怀疑态度❗ --------------------------------------------------------------------------我是一条怀疑分割线-----------------...

今天在用OneHotEncoder进行数据预处理阶段的类别变量转换时，突然报错：  咦？怎么回事。。。明明掌柜看官方文档说的是可以对类别（字符串）变量进行转换的：  而且示例也是可以的：  怎么到掌柜这里就不行了？？？掌柜再三确认自己没有写错代码啊，这是怎么回事？  于是掌柜就左翻右翻各种资料，发现都说OneHotEncoder确实是可以对类别变量进行转换的，那这里就没用错。就在掌柜以为又要被困在bug中的时候😂，突然晃了一眼刚刚官方文档那里，发现这里有一排斜体的小字：在0.20版本修改过。。。  所以是不是意味着之前sklearn版本的OneHotEncoder方法是不能直接转换字符串变量...

因为旧电脑不幸挂了，所以要在新电脑上面重新安装Python。一看官网发现已经更新到3.8.5+了，乖乖，真是迭代快啊。虽然之前安装过一次，不过也忘得差不多了，正好借这次回顾一下安装步骤（万一以后再次遇到（还是不要了🤣）？？？也会淡定安装）。废话不多说，直接看下面👇的步骤吧。   首先打开Python官网，直接找到Windows下载安装的界面： Python的Windows下载界面  <stron> </stron>  页面跳转后直接拉到底部Files这里，会看到三个不同版本的文件：   不同版本的区别掌柜已经在图上👆标明了，一般来说都选联网安装版（即最后那个文件安...

今天准备更新思维导图09，想要上传到仓库的时候突然想起来，掌柜还没有把该仓库clone到本地。。。于是打开git，开始clone，接着就出现了标题的情况😂git clone很慢，最后还崩溃了：  一搜发现大家都遇到过git clone很慢的问题，原因是网站github.global.ssl.fastly.net被限制了。。。而解决的办法也很多。试了各种方法后，整理目前还有效的两种：  第一种：GitHub域名映射本地法  首先在Git里面查看这两个网站的ip地址，使用命令：  nslookup github.global.ssl.fastly.Net nslookup github.com ...

在腾讯云的Centos 7.5 64位操作系统中安装Anaconda3的时候遇到标题报错：  在排查问题的过程中，发现GitHub上有同样问题的朋友，但是他们大部分是因为磁盘空间不足导致的。。。  可是掌柜这里是新的云服务器，还没用过，所以排除是这个原因造成的。 接着再往下看，发现有个朋友这么说：  然后突然想起来，昨晚因为网速太慢，下载被中断了。今早重新再下的脚本文件，难道真的是这个原因？ 于是去查root下面的文件有哪些：  果真，因为今早下的文件重复了，所以被系统自动命名为sh.1。。。但是掌柜还是安装的昨晚那个不完整的sh文件。。。 所以才报错了😂，终于找到原因了。那么解决的办法就很...