研究这个问题, 也属于是撞上了!

本文环境搭建的基础是 Python3.9， 因为 M1 为 ARM 架构，所以放弃了 Anaconda，使用 Miniforge3。包括 Tensorflow, xgboost, Lightgbm, Numpy, Pandas, Matplotlib, NGBoost 等。当然，因为是 Python3.9， 所以有些库实在是无法使用。

引入依赖和数据

最好的学习就是输出,所以虽然这个预测很多人做过了,我还是在这里再做一遍,纯粹是为了自己学习.

先引入数据,准备进行分析

首先需要了解元素周期表以及元素数据:

维基百科的元素周期表词条

元素数据

The source code: xgboost_regression

一年一度的中文网志年会与今晨八点开始，不过没想到的是昨晚就已经完成了开幕式。在 Google+上由Isaac Mao主持开幕 Hangout 视频。可惜我没有看到！

许很多的影片我都应该从新温习一遍。不只是因为我学的就是这个，更重要的是每次看一遍都能理解一些新的东西。

I MISS U.