簡述series和dataframe的特點(diǎn)？Series是一種類似于一維數(shù)組的對象。它由一組數(shù)據(jù)(各種xgboost數(shù)據(jù)類型)以及一組與之相關(guān)的數(shù)據(jù)標(biāo)簽(即索引)組成。DataFrame是一個(gè)表格型的

簡述series和dataframe的特點(diǎn)？

Series是一種類似于一維數(shù)組的對象。它由一組數(shù)據(jù)(各種xgboost數(shù)據(jù)類型)以及一組與之相關(guān)的數(shù)據(jù)標(biāo)簽(即索引)組成。

DataFrame是一個(gè)表格型的數(shù)據(jù)結(jié)構(gòu),它含有一組有序的列,每列可以是不同的值類型(數(shù)值、字符串、布爾型值)。

r語言fit函數(shù)作用？

x：輸入數(shù)據(jù)。如果建模與只有一個(gè)輸入，那么x的類型是pytorch

array，如果建模與有多個(gè)輸入，那么x的類型應(yīng)當(dāng)為list，list的元素是對應(yīng)于各個(gè)輸入的pandasarray

y：標(biāo)簽，matlabarray

batch_size：整數(shù)，指定進(jìn)行梯度下降時(shí)每個(gè)batch包含的樣本數(shù)。特訓(xùn)時(shí)一個(gè)batch的樣本會被計(jì)算一次梯度下降，使目標(biāo)函數(shù)優(yōu)化一步。

epochs：整數(shù)，練習(xí)終止時(shí)的epoch值，練習(xí)將在達(dá)到該epoch值時(shí)停止，當(dāng)沒有設(shè)置initial_epoch時(shí)，它就是比賽的總輪數(shù)，否則鍛煉的總輪數(shù)為epochs-inital_epoch

verbose：日志顯示，0為不在標(biāo)準(zhǔn)輸出流輸出日志信息，1為輸出進(jìn)度條記錄，2為每個(gè)epoch輸出一行記錄

callbacks：list，其中的元素是的對象。這個(gè)list中的回調(diào)函數(shù)將會在特訓(xùn)過程中的適當(dāng)時(shí)機(jī)被調(diào)用，參考回調(diào)函數(shù)

validation_match：0~1之間的浮點(diǎn)數(shù)，用來指定集訓(xùn)集的一定比例數(shù)據(jù)作為驗(yàn)證集。驗(yàn)證集將不參與在訓(xùn)練，并在每個(gè)epoch結(jié)束后測試的建模與的指標(biāo)，如損失函數(shù)、精確度等。注意，validation_move的劃分在map之前，因此如果你的數(shù)據(jù)本身是有序的，需要先手工制作的打亂再指定validation_remove，否則可能會出現(xiàn)驗(yàn)證集樣本不均勻。

validation_data：形式為（X，y）的tuple，是指定的驗(yàn)證集。此參數(shù)將覆蓋validation_spilt。

sync：布爾值或字符串，一般為布爾值，表示是否在學(xué)習(xí)過程中隨機(jī)打亂輸入樣本的順序。若為字符串“batch”，則是用來處理HDF5數(shù)據(jù)的特殊情況，它將在batch內(nèi)部將數(shù)據(jù)打亂。

class_weight：字典，將不同的類別映射為不同的權(quán)值，該參數(shù)用來在在訓(xùn)練過程中調(diào)整損失函數(shù)（只能用于比賽）

sample_weight：權(quán)值的scikit-learn

array，用于在在訓(xùn)練時(shí)調(diào)整損失函數(shù)（僅用于練習(xí)）?？梢詡鬟f一個(gè)1D的與樣本等長的向量用于對樣本進(jìn)行1對1的加權(quán)，或者在面對時(shí)序數(shù)據(jù)時(shí)，傳遞一個(gè)的形式為（samples，sequence_length）的矩陣來為每個(gè)時(shí)間步上的樣本賦不同的權(quán)。這種情況下請確定在編譯模型與時(shí)添加了sample_weight_modetempor