資料探索有利於我們發現資料的一些特性，資料之間的關聯性，對於後續的特徵構建是很有幫助的。資料的偏度和峰度——df.skew()、df.kurt()對於資料的初步分析（直接檢視資料，或.sum(), .mean()，.descirbe()等統計函式）可以從：樣本數量，訓練集數量，是否有時間特徵，是否是時許問題，特徵所表示的含義（非匿名特徵），特徵型別（字元類似，int，float，time），特徵的缺失情況（注意缺失的在資料中的表現形式，有些是空的有些是」nan」符號等），特徵的均值方差情況。
分析記錄某些特徵值缺失佔比30%以上樣本的缺失處理，有助於後續的模型驗證和調節，分析特徵應該是填充（填充方式是什麼，均值填充，0填充，眾數填充等），還是捨去，還是先做樣本分類用不同的特徵模型去**。
對於異常值做專門的分析，分析特徵異常的label是否為異常值（或者偏離均值較遠或者事特殊符號）,異常值是否應該剔除，還是用正常值填充，是記錄異常，還是機器本身異常等。
對於label做專門的分析，分析標籤的分布情況等。
進步分析可以通過對特徵作圖，特徵和label聯合做圖（統計圖，離散圖），直觀了解特徵的分布情況，通過這一步也可以發現資料之中的一些異常值等，通過箱型圖分析一些特徵值的偏離情況，對於特徵和特徵聯合作圖，對於特徵和label聯合作圖，分析其中的一些關聯性。
我們一般會拿偏度和峰度來看資料的分布形態，而且一般會跟正態分佈做比較，我們把正態分佈的偏度和峰度都看做零。如果我們在實操中，算到偏度峰度不為0，即表明變數存在左偏右偏，或者是高頂平頂這麼一說。
偏度（skewness）
definition:是描述資料分布形態的統計量，其描述的是某總體取值分布的對稱性，簡單來說就是資料的不對稱程度。。
偏度是三階中心距計算出來的。
（1）skewness = 0 ，分布形態與正態分佈偏度相同。
（2）skewness > 0 ，正偏差數值較大，為正偏或右偏。長尾巴拖在右邊，資料右端有較多的極端值。
（3）skewness < 0 ，負偏差數值較大，為負偏或左偏。長尾巴拖在左邊，資料左端有較多的極端值。
（4）數值的絕對值越大，表明資料分布越不對稱，偏斜程度大。
計算公式：
skewness=e[((x-e(x))/(\sqrt))^3]
| skewness| 越大，分布形態偏移程度越大。
峰度（kurtosis）
definition:偏度是描述某變數所有取值分布形態陡緩程度的統計量，簡單來說就是資料分布頂的尖銳程度。
峰度是四階標準矩計算出來的。
（1）kurtosis=0 與正態分佈的陡緩程度相同。
（2）kurtosis>0 比正態分佈的高峰更加陡峭——尖頂峰
（3）kurtosis<0 比正態分佈的高峰來得平台——平頂峰
計算公式：
kurtosis=e[ ( (x-e(x))/ (\sqrt(d(x))) )^4 ]-3
python–seaborn繪圖和視覺化–基本語法
2 兩數相加。2星
解題思路 兩個數使用鍊錶表示，所以如果想轉為數值型別，處理的值的大小可能會超出int甚至long，所以應當仍按照煉表處理，掌握好進製即可。方法一 definition for singly linked list.public class listnode class solution else i...
leetcode 2數 3數 4數之和
給定乙個整數陣列 nums 和乙個目標值 target，請你在該陣列中找出和為目標值的那 兩個 整數，並返回他們的陣列下標。你可以假設每種輸入只會對應乙個答案。但是，你不能重複利用這個陣列中同樣的元素。分析 演算法class solution else return result 給定乙個包含 n ...
自動插數 2
exec dbo.p insertnr yxrzusertable create proc dbo.p insertnr yxrzusertable as tbyxrz name,flag 0 三班制,1 白班制,2 全天制後夜,3 每週制,4 每月制,5 全天制前夜,6 全天制白班 tbyxrz ...