集成学习使用多个机器学习模型来尝试对数据集进行更好的预测。集成模型通过在数据集上训练不同机器学习模型并使每个模型单独进行预测来工作。这些模型的预测随后进行组合以做出最终预测。

每个模型都有自己的优点和缺点。通过组合各个模型来帮助隐藏单个模型的弱点。

在本教程中，我们将使用一个投票分类器，其中集成模型通过多数投票进行预测。例如，如果我们使用三个模型并且他们预测目标变量的[1,0,1]，则集成模型将做出的最终预测将是1，因为三个模型中的两个预测为1。

欢迎点击上方“关注”，如果感兴趣，欢迎收藏、分享给身边好友！

不管是参加Kaggle比赛，还是开发一个深度学习应用，第一步总是数据分析。这篇文章介绍使用Python进行数据分析的方法，不仅能够提升运行效率，还能够使代码更加“优美”。

摘要：通过pandas的DataFrame，实现平面文件表格内容的读写，使用智能切片loc等获得子集信息。

一、概述

Pandas是基于numpy的一套模块，所以也拥有numpy强大的分析功能。Pandas 包括1维Series和2维DataFrame2个主要的数据结构，因为经常处理表格数据的需要，本文重点了解下DataFrame的数据读写和切片部分内容。

选自Medium

作者：Rudolf H?hn机器之心编译

参与：李诗萌、张倩

在本文中，作者从 Pandas 的简介开始，一步一步讲解了 Pandas 的发展现状、内存优化等问题。这是一篇最佳实践教程，既适合用过 Pandas 的读者，也适合没用过但想要上手的小白。