wang_yb -
迴歸分析全家桶（16種迴歸模型實現方式總結）
提到迴歸分析，很多人第一時間想到的只有“線性迴歸”和“邏輯迴歸”。但實際上，針對不同的數據情況（比如有離羣點、數據是計數的、數據有缺失截斷等），我們有十幾種迴歸模型可以選擇。
今天為大家總結了 16種迴歸分析 的模型，重點不是介紹這些迴歸模型的原理，而是介紹如何在Python代碼中使用這些模型，希望你以後能夠在實戰中來應用這些模型！
1. 迴歸分析全家桶
下面介紹如何使用各種迴歸模型的示例代碼，主
後端
wang_yb -
數據分析師的“水晶球”：時間序列分析
很多剛入行的小夥伴問我：“我想預測下個月公司的銷售額，或者預測一下明天的股價，該學什麼？”
我的回答通常只有六個字：時間序列分析。
如果在數據分析的世界裏有一種魔法能讓你“預知未來”，那一定就是它。
1. 什麼是時間序列？
別被名詞嚇到了。簡單來説，時間序列（Time Series）就是按時間順序排列的一組數據。
比如：
你手機裏每天的步數記錄；
某隻股票每天的收盤價；
或者是你家樓下便利
後端
wang_yb -
拒絕“憑感覺”：用迴歸分析看透數據背後的秘密
在數據分析的江湖裏，有一個絕對的核心技能，叫做迴歸分析（Regression Analysis）。
無論你是剛入行的新手，還是想要進階的老手，掌握它，你就擁有了預測未來的“水晶球”。
很多初學者一聽到“迴歸”兩個字，腦子裏全是複雜的數學公式，立刻想打退堂鼓。
別急！今天我們不講枯燥的數學推導，只講它是什麼、怎麼用，以及如何用Python代碼解決實際問題。
1. 什麼是迴歸分析？
想象一下，你正在做
後端
wang_yb -
掌握相關性分析：讀懂數據間的“悄悄話”
在數據分析的江湖裏，我們經常會聽到老闆或業務方拋出這樣的問題：
“現在的年輕人越晚睡，買護膚品是不是越瘋狂？”
“我們APP的各種優惠券，真的能提升用户的留存率嗎？”
“天氣越熱，這隻股票是不是跌得越慘？”
面對這些問題，很多新人容易犯 “憑感覺” 的錯誤：“我覺得應該有關係吧……”
數據分析不相信“我覺得”，只相信證據。 而尋找變量之間關係強弱的這個過程，就叫做相關分析。
今天，就帶大
數據庫
wang_yb -
數據點的“社交距離”：衡量它們之間的相似與差異
在數據分析的世界裏， “距離” 不僅僅是地圖上兩點之間的路程。
距離 ，本質上是衡量兩個事物 “相似度” 的尺子。
距離越近 = 相似度越高
距離越遠 = 差異越大
如果你想做用户畫像聚類、想做商品推薦系統，或者想識別信用卡欺詐交易，你首先要選對這把“尺子”。
本文將帶你全面瞭解數據分析中常用的各種距離度量，從最直觀的歐氏距離到複雜的時間序列距離。
為了方便理解，我將它們分為了五大門派。
後端
wang_yb -
搞懂“元數據”：給數據辦一張“身份證”
你是否經歷過這樣的場景：
同事發給你一個 Excel 表格，文件名叫 data_final_v2.xlsx。
你滿懷期待地打開，結果發現：
表頭是 cryptic 的英文縮寫（如 c_amt, usr_stat）；
有一列全是數字 1, 0, 1, 0，你猜不出這代表“男女”還是“是否活躍”；
你根本不知道這份數據是今天的，還是上個月的過期數據。
這時候，你面對着一大堆數據，卻感到兩眼一
數據庫
wang_yb -
數據會説謊？三大推斷方法幫你“審問”數據真相
很多剛入行甚至想入行數據分析的朋友，往往會陷入一個誤區：以為數據分析就是不停地做報表、畫餅圖。
其實，數據分析的核心魅力在於 “推斷”——即見微知著。
在現實生活中，我們很難獲取“全量數據”（比如你不可能調查全國每一個人的身高），那麼，如何通過手中的“小樣本”去推測“大總體”的規律？
這就需要用到統計學中的推斷分析。
本文將結合代碼來介紹推斷分析中最常用的三大方法：參數估計、假設檢驗、非參數檢驗。
後端
wang_yb -
用樣本猜總體的秘密武器，4大抽樣分佈總結
數據分析時，我們經常需要從樣本數據推斷總體特徵。
而抽樣分佈就是連接樣本與總體的重要橋樑，如果你不理解它，就無法理解為什麼我們可以通過調查幾千人來預測全國的選舉結果，也無法理解A/B測試背後的邏輯。
本文將盡量使用大白話和Python代碼，帶你徹底搞懂抽樣分佈，並掌握最常用的四大分佈：Z分佈、T分佈、卡方分佈和F分佈。
1. 什麼是抽樣分佈
想象一下，你想了解全市高中生的平均身高，由於時間和資源限
後端
wang_yb -
Manim v0.19.1 發佈啦！三大新特性讓動畫製作更絲滑
大家好！Manim 社區剛剛發佈了 v0.19.1 版本（發佈於 12 月 1 日）。雖然這是一個小版本號更新，但裏面可是藏着幾個非常實用的新功能！
無論你是剛入坑的新手，或者已經被某些痛點折磨過的老手，這篇更新速覽都值得一看。
1. 🌟 亮點一：終於可以“固定”隨機顏色了！
以前我們在使用 random_color() 時，最大的痛點就是：每次運行腳本，生成的顏色都不一樣！
有時候你覺得
後端
wang_yb -
告別盲人摸象，數據分析的抽樣方法總結
當你踏入數據分析的大門時，可能會被海量的數據淹沒，感到無從下手。
想象一下，你想了解一座巨大森林裏所有樹木的平均高度，難道要一棵一棵地去測量嗎？這顯然不現實。
這時，“抽樣” 這個強大的工具就該登場了！
本文將帶你全面瞭解各種抽樣方法，並用Python代碼演示實際應用。
1. 抽樣是什麼？
抽樣 是從總體中選取部分樣本進行分析的過程。
這樣做的主要原因是：
節省時間和資源：處理全部數據成本高昂
後端
wang_yb -
Manim進階：用背景圖片讓你的數學視頻脱穎而出
做Manim動畫久了，你是否厭倦了那萬年不變的黑色虛空？
很多初學者（甚至老手）都想給動畫加個背景圖，但往往會遇到兩個問題：
怎麼加？ 是把圖片放進去，還是設置相機？
看不清！ 背景花裏胡哨，前面的文字公式瞬間“隱身”了。
今天，我們就來揭開Manim動畫中一個簡單卻強大的技巧--為動畫添加背景。
通過幾個小示例，分別演示兩種完全不同的背景處理思路。
1. 舞台佈景法
使用ImageMob
後端
wang_yb -
讓你的動畫“活”過來：Manim 節奏控制指南 (Rate Functions)
你在製作Manim動畫時，是否遇到過這樣的困境？
“代碼寫得天衣無縫，運行流暢，出來的動畫卻總覺得哪裏不對勁？”
雖然物體確實從 A 移動到了 B，但看起來就像是老舊的工業機器人在幹活——僵硬、死板，甚至有點無聊。
其實，你的動畫離 “絲滑” 和 “專業”，往往只差這一個參數的距離：rate_func (速率函數)。
今天，我們就來聊聊 Manim 中這個不起眼但至關重要的參數，看看如何通過控制
後端
wang_yb -
別急着轉投 Polars！Pandas 3.0 帶着“黑科技”殺回來了
大家好，在數據分析圈子裏摸爬滾打這麼多年，最近大家見面打招呼的方式都變了。
以前是“你用 Pandas 處理那個 csv 了嗎？”，現在變成了“你還沒用 Polars 嗎？那速度快得飛起！”
確實，在這個 GPU 算力爆炸、多線程並行的時代，我們這位陪伴多年的老朋友 Pandas，因為單線程和內存管理的“歷史包袱”，顯得有點步履蹣跚。
面對 Polars 這種基於 Rust、天生支持並行計算的“後
後端
wang_yb -
深入淺出理解你的“數據”
對於想要學習數據分析的同學，如果你問我："數據分析的第一步是什麼？" 我的回答是："理解數據本身。"
數據是我們所有分析工作的起點，本文主要探討如何辨別我們面對的是什麼樣的數據，包括它的分類方法和描述維度。
1. 數據分類
數據並非千篇一律，它們有着不同的特徵和屬性。
正確理解數據的分類，是選擇適當分析方法的前提。
通常，我們可以從以下三個維度來給數據進行分類。
1.1. 按結構屬性來分
你的數據
數據庫
wang_yb -
「親手畫出動態數學」：讓數學可視化觸手可及的Manim入門課
數學的美，藏在動態的邏輯裏——而 Manim，正是那個能把抽象公式變成「會説話的動畫」的神器。
今天，給大家推薦一門我自己錄製的從零開始的Manim入門課，哪怕你是編程小白，也能跟着一步步畫出屬於自己的數學動畫！
這門課程適合誰？
如果你是以下任意一類人，這門課就是為你準備的：
▸ 數學愛好者：想親手把腦海中的數學想象變成動態畫面（比如證明勾股定理時讓圖形「自己説話」）；
▸ 中小學/大學教師：需
後端
wang_yb -
讓YOLO飛起來：從CPU到GPU的配置指南
最近在配置YOLO（You Only Look Once）進行物體檢測和圖像分割任務時，發現默認安裝的情況下，YOLO使用的是CPU進行計算。
這對於需要處理大量圖像或實時檢測的任務來説，效率明顯不足。
本文將詳細介紹如何將YOLO從CPU模式切換到GPU模式，顯著提升運行效率。
1. 配置步驟
1.1. 檢查當前PyTorch是否支持GPU
首先需要確認當前安裝的PyTorch是否支持GPU。打
機器學習
