datawhalechina / team-learning-data-mining Goto Github PK

https://github.com/datawhalechina/team-learning-data-mining/blob/master/FinancialRiskControl/baseline.md
test = test_pred / kf.n_splits
在单次fold内对测试集的预测概率求平均？

问题地址

2.3之后的所有图片相关maekdown语法地址引用错误，导致图片不能显示。

如2.3的第一个图片，应该为
![dscreteoverall](tupian/discreteoverall.PNG)
而不是
![dscreteoverall](discreteoverall.PNG)

错误地址
#部分特征处理，取众数（首先去除缺失值的数据）
for i in range(1,9+1):
data.loc[data['public_service_'+str(i)]<0,'public_service_'+str(i)] = data['public_service'+str(i)].dropna().mode().values_
for i in range(1,13+1):
data.loc[data['trust_'+str(i)]<0,'trust_'+str(i)] = data['trust'+str(i)].dropna().mode().values_
解决方法

1. 删除.values,如data['public_service_'+str(i)].dropna().mode()
2. 末尾添加[0]，如data['public_service_'+str(i)].dropna().mode().values[0]
3. 转换为int，如int(data['public_service_'+str(i)].dropna().mode().values)

data_train['employmentLength'].value_counts(dropna=False).sort_index()

大佬讲的好棒，想请教您backward的算法和pytorch或者tensorflow或者opencv等等有关系吧？他们计算backward的算法有什么不同呀？

code_flag应该是大于零，因为有的flag为2。
data_with_code.loc[data_with_code['code_flag'] > 0]

有梯度下降的完整代码吗

错误地点

![](tupian/%E6%AD%A3%E6%80%81%E5%88%86%E5%B8%83%E5%9B%BE.png)
而不是
![](%E6%AD%A3%E6%80%81%E5%88%86%E5%B8%83%E5%9B%BE.png)

When I run the following method, it raised error as stated at title

def make_zip(source_dir='./result/', output_filename = 'result.zip'):
zipf = zipfile.ZipFile(output_filename, 'w')
pre_len = len(os.path.dirname(source_dir))
source_dirs = os.walk(source_dir)
print(source_dirs)
for parent, dirnames, filenames in source_dirs:
print(parent, dirnames)
for filename in filenames:
if '.npy' not in filename:
continue
pathfile = os.path.join(parent, filename)
arcname = pathfile[pre_len:].strip(os.path.sep) #相对路径
zipf.write(pathfile, arcname)
zipf.close()
make_zip()

您好，我前面两个小节和您的图出来是一致的，但在特征工程中箱型图和您完全不一样。
即使是使用您的代码，配合这份数据 依然结果不一致。请问您在特征工程前对数据进行了什么处理吗？