原创 機器學習第四周 線性迴歸算法
機器學習第四周 線性迴歸算法 一、學習目標： 簡單線性迴歸：簡單線性迴歸及最小二乘法的數據推導 實踐：簡單線性迴歸實現及向量化應用 多元線性迴歸：多選線性迴歸和正規方程解及實現 二、參考資料： 1.《模型之母：簡單線性迴歸&最
2020-06-19 14:53:01
原创 數據可視化-第六週
數據可視化 第六週 如何提升數據可視化的表現效果 影響數據可視化的因素：非數據層面+數據層面 🔽非數據層面： 1.1 佈局要強調最重要的數據信息，將用戶注意力集中再可視化結果的最重要區域，針對重點數據，對可視化結果的重要性和優
2020-06-19 14:53:01
原创 統計學第十二週：迴歸分析
統計學第十二週：迴歸分析 一、 概念 迴歸分析主要解決的問題有： （1）從一組樣本數據出發，確定變量之間的數學關係式 （2）對這些關係式的可信程度進行各種統計檢驗，並從影響某一特定變量的諸多變量中找出那些變量的影響是顯著的，那些事
2020-06-19 13:42:38
原创 統計學第十三週 線性分析
統計學第13周-python練習線性迴歸 研究給出數據中車輛銷售與各列數據關 👟代碼(參考自引用網站 https://blog.csdn.net/qq_43315928/article/details/104150586) #
2020-06-19 13:42:38
原创 統計學第八週：參數統計
統計學：參數估計 概念 1.利用總體統計不方便甚至是無法完成的現實狀況，採用抽樣的方式，利用樣本提供的信息來推斷總體的特徵。 2.點估計：point estimate, 用樣本統計量的某個取值直接作爲總體參數的估值。 但一個點估
2020-06-19 12:39:00
1
原创 機器學習第五週 最優化方法：梯度下降
機器學習第五週 最優化方法：梯度下降 一、學習目標 梯度下降：實現梯度下降、線性迴歸中的梯度下降 隨機梯度下降：相關代碼及調用 二、學習內容 《還不瞭解梯度下降法？看完這篇就懂了！》 《手動實現梯度下降（可視化）》 《線性迴
2020-06-19 12:38:59
原创 統計學第十六週 時間序列分析與預測
統計學第十六週 時間序列分析與預測 概念： 基本概念 時間序列：是同一現象在不同時間的相繼觀察值排列而成的序列。 平穩序列：基本上不存在趨勢的序列。各觀察值基本上在某個固定的水平上波動，雖然在不同的時間段波動的程度不同，單並不
2020-06-19 12:38:59
1
原创 機器學習第六週 機器學習重要概念補充
機器學習第六週 機器學習重要概念補充 一、學習目標 sklearn中的Pipeline 偏差與方差 模型正則化之L1正則、L2正則 二、學習內容 《淺析多項式迴歸與sklearn中的Pipeline》 《ML/DL重要基礎概念
2020-06-19 12:38:59
原创 機器學習第七週 邏輯迴歸
機器學習第七週 邏輯迴歸 1 學習目標 知識點描述：應用廣泛的二分類算法——邏輯迴歸 學習目標： 邏輯迴歸本質及其數學推導 邏輯迴歸代碼實現與調用 邏輯迴歸中的決策邊界、多項式以及正則化 2 學習內容 《出場率No.1的邏輯迴
2020-06-19 12:38:59
原创 機器學習第十週 SVM 支持向量機
機器學習第十週 支持向量機SVN 學習目標 知識點描述：致敬真神：支持向量機 學習目標： SVM算法原理及數學推導 * SVM算法中的核函數 * SVM算法解決分類問題及迴歸問題 學習內容 入門支持向量機1
2020-05-05 02:15:38
原创 機器學習第九周 主成分分析PCA
機器學習 第九周 主成分分析 學習目標 知識點描述：無監督降維：主成分分析法 學習目標： 主成分分析法的思想及其原理 PCA算法的實現及調用 數據降維應用：降噪&人臉識別 學習內容 數據降維1：主成分分析法思想及原理 數據降維
2020-04-27 04:51:31
1
原创 機器學習第八週 白盒模型-決策樹
機器學習第八週 白盒模型—決策樹 學習目標 知識點描述：白盒模型——決策樹 學習目標： 決策樹相關概念以及模型算法推導 ID3、C4.5、CART決策樹代碼實現 學習內容 決策樹1：初識決策樹 決策樹2: 特徵選擇中的
2020-04-20 14:56:26
原创 機器學習第三週 簡單的數據預處理和特徵工程
機器學習第三週 簡單的數據預處理和特徵工程 一、學習目標 🔽無量綱化：最值歸一化、均值方差歸一化及sklearn中的Scaler 🔽缺失值處理 🔽處理分類型特徵：編碼與啞變量 🔽處理連續型特徵：二值化與分段 二、參考資料 關於最值
2020-03-18 16:53:53
原创 機器學習第二週：如何評價模型的好壞
機器學習第二週：如何評價模型的好壞 一、目標 數據拆分：訓練數據集&測試數據集 評價分類結果：精準度、混淆矩陣、精準率、召回率、F1 Score、ROC曲線等 評價迴歸結果：MSE、RMSE、MAE、R Squared 二、學習資
2020-03-08 20:48:18
原创 統計學第十七週 時間序列預測實戰
統計學第十七週 時間序列預測實戰 一、目標：預測未來三期傳統汽車的銷量。 二、數據背景: 03年到19年第一季度分季度的數據，13年之前只有傳統汽車的銷量，13年之後是傳統汽車+新能源汽車的銷量，需要預測未來三期傳統汽車的銷量～
2020-03-08 20:48:18
9