样本不平衡问题是在生产过程中普遍存在的问题，在很多场景中样本的比例极度失衡，如果不进行处理，那么模型最终的效果可能不尽如人意。本篇收集整理了常用的样本平衡手段和方法。

数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。所以机器学习的大部分时间都是在处理数据的过程中，掌握好特征工程的思路和方法，有更高的概率能获得高质量数据。

异常值可能是在数据采集、数据记录、数据提取等步骤中产生的，异常值的出现会对模型学习进行干扰，所以需要进行特殊处理。而在实际的生产环境中的异常值更是五花八门。

根据原数据构建了67个特征，尝试了多种算法和多次参数调优最终得分0.6925，记录过程分享一下。感觉数据指标还可以再优化，调参也还有进步空间，可以进一步优化提升。

数据分析可视化一直是短板，完全是因为不怎么用的缘故。把常用的方法整理一遍，以便用时查询。Seaborn基于 matplotlib 进一步封装。

在选择算法进行建模的时候，每种类型的算法中都有如此多可以用，我们如何选择一个最契合当前数据的模型？模型训练完之后，我们如何知道这个模型的效果？本文整理了机器学习中一些常用的评估方法

今天在使用Chrome登录Quora时老是登不上，选择账号点登陆后，页面刷新后还是停留在登录页面。而且Quora的登录页面默认总是阿拉伯语。。

追了三天也没追上的日落，是我一周的痛~

这是一篇简短的随笔

PyTorch Geometric is a library for deep learning on irregular input data such as graphs, point clouds, and manifolds. skorch. skorch is a high-level library for ...