特徵工程 七種常用的特徵工程 特徵提取+數據預處理四部走 特徵歸一化 爲啥要歸一化 百面機器學習上那個例子我覺得全 就一個角度： 讓不同量綱的特徵對最終模型有着近似、相似的影響力，可能不完全相同，保證特徵之間的公平性 以計算距離
對於一個term-document加權詞頻矩陣(如TF-IDF),如果他的規模m*n非常大，那麼這些文本的存儲還有計算聚類都會有不小的麻煩，LSA採用SVD分解將高維文本映射到低維的隱含語義空間，較好的解決了這個問題。 分解後的三部分都
最小角迴歸和上一篇說的forward stepwise有一些相似的地方是都是將一些variable選到variable集合中來，不一樣的是，forward stepwise 每次選的都是與當前殘差相關度最大的variable，選進來以後，
這幾天看the elements of statistical learning,覺得非常喫力，可能自己水平還不夠，覺得這書不適合初學者看，就從Subset Selection 這一章節來說，本文說了主要說了三個點，best-subset
MIT 線性代數課程中講過的矩陣分解有很多種，但是據我所知最重要的應該是SVD分解了，假如現在想把矩陣A行空間的正交基通過A左乘的方法變換到A列空間的正交基，有： 將上式左右兩邊都乘以V的轉置，就可以得到矩陣奇異值分解的公式，SVD的分解
大牛博客推薦： wepon 原始論文 ： XGBoost: A Scalable Tree Boosting System xgboost的slide 中文原理說明 xgboost的原理篇看了很多，總結大牛博客和自己筆記基
1、sklearn的原生接口和sklearn接口調用feature_importance有差別： bst = xgb.train(param, d1_train, num_boost_round=100, evals=watch_
最近上傳了一個變量分箱的方法到pypi，這個包主要有以下說明： 缺失值單獨一箱，不論缺失的數量多少； 生成的分箱woe值是單調的，後續有時間會迭代U型分箱的版本； 會有分箱最小樣本數佔比，類似決策樹的最小葉節點佔比； 分箱成功的
python 邏輯迴歸 satasmodels 和 sklearn LogisticRegression結果係數總是不一致 除了LogisticRegression要設置fit_intercept = False以外，會發現skl
作者：寒小陽 時間：2016年9月。 出處：http://blog.csdn.net/han_xiaoyang/article/details/52683653 聲明：版權所有，轉載請聯繫作者並註明出處 1.引言 是的，咱們
作者：寒小陽 時間：2016年9月。 出處：http://blog.csdn.net/han_xiaoyang/article/details/52678373 聲明：版權所有，轉載請聯繫作者並註明出處 1.引言 欠的總歸是
隨着計算能力、存儲、網絡的高速發展，人類積累的數據量正以指數速度增長。對於這些數據，人們迫切希望從中提取出隱藏其中的有用信息，更需要發現更深層次的規律，對決策，商務應用提供更有效的支持。爲了滿足這種需求，數據挖掘技術的得到了長足的發
現實世界中數據大體上都是不完整，不一致的髒數據，無法直接進行數據挖掘，或挖掘結果差強人意。爲了提前數據挖掘的質量產生了數據預處理技術。 數據預處理有多種方法：數據清理，數據集成，數據變換，數據歸約等。這些數據處理技術在數據挖掘之前使
GPU主要特點 1. 高吞吐量。 2. 擁有數百個硬件處理單元，性能達到1Tflops。 3. 每個處理單元深度多線程，即使有的線程被stall了，GPU還能夠繼續正常執行。 4. 高memory帶寬。 GPU結構特性 1）硬件模型
前言 最近在阿里雲數加平臺上學習一下機器學習，把學習中整理的資料記錄於此，已備查看，以下資料主要是概念解釋及應用。 數據視圖 大數據通用可視化控件，提供所選擇字段的直方圖，如下圖所示： 協方差 相關係數算法用於計算一個矩陣中每一
