书: https://pan.baidu.com/s/1o53U8DJYBlzPKes4X47C8Q?pwd=ymj8
笔记如下：
- “数据分析的核心流程：数据采集→清洗→探索→建模→可视化，Python是贯穿全流程的瑞士军刀。”
- “Pandas的
DataFrame是二维表的终极解决方案，df.describe()三秒掌握数据分布。” - “数据清洗四板斧：
dropna()去空值、fillna()填充、drop_duplicates()去重、astype()类型转换。” - “Matplotlib可视化黄金口诀：
plt.figure()创建画布→plt.plot()绘图→plt.xlabel()加标签→plt.show()展示。” - “Scikit-learn的
fit()和predict()是机器学习通用接口，记住‘先训练，后预测’。” - “特征工程决定模型上限：归一化（
MinMaxScaler）、标准化（StandardScaler）、独热编码（OneHotEncoder）。” - “分类问题评估看混淆矩阵（
confusion_matrix），回归问题看均方误差（mean_squared_error）。” - “K折交叉验证（
KFold）防止模型过拟合，cross_val_score一键评估泛化能力。” - “决策树的可视化：
export_graphviz生成树图，max_depth控制深度防过拟合。” - “随机森林（
RandomForestClassifier）是‘群体智慧’，通过n_estimators调节树的数量。” - “K均值聚类（
KMeans）的肘部法则：inertia_下降拐点即最佳K值。” - “PCA降维：
n_components=2将高维数据压缩到二维，便于可视化。” - “神经网络的入门代码：
Sequential()堆叠层，Dense()全连接，relu激活函数。” - “Numpy的广播机制（Broadcasting）实现数组高效运算，避免低效循环。”
- “
seaborn.heatmap()一键绘制相关性矩阵，pairplot()展示特征间关系。” - “时间序列分析：
pd.to_datetime()转换时间列，rolling(7).mean()计算7天滑动平均。” - “XGBoost的三大参数：
learning_rate（学习率）、max_depth（深度）、n_estimators（树数量）。” - “模型部署：用
pickle保存训练好的模型，joblib加速大模型序列化。” - “机器学习黄金定律：‘数据和特征决定了模型上限，算法和调参只是逼近这个上限’。”
- “避免掉坑：先跑通基线模型（如逻辑回归），再尝试复杂模型（如深度学习）。”