原创 [機器學習-原理篇]學習之線性迴歸、嶺迴歸、Lasso迴歸
線性迴歸、嶺迴歸、Lasso迴歸前言一，線性迴歸——最小二乘二，Lasso迴歸三，嶺迴歸四， Lasso迴歸和嶺迴歸的同和異五， 爲什麼 lasso 更容易使部分權重變爲 0 而 ridge 不行？參考資料 前言 如果對L1和L2
2020-07-06 18:51:27
735
原创 [可視化-tableau]tableau的學習實踐入門篇
前言 學習Tableau一定要親自動手實踐，如果有項目的話就更好了，這樣可以快速上手。可以去官網下載Tableau desktop Tableau desktop 下載，下載的只能試用14天，如果還想繼續使用，可以去淘寶上買一個激
2020-07-06 18:51:27
原创 [機器學習-實踐篇]學習之線性迴歸、嶺迴歸、Lasso迴歸，tensorflow實現的線性迴歸
線性迴歸、嶺迴歸、Lasso迴歸前言1.線性迴歸2. 嶺迴歸3. Lasso迴歸4. tensorflow利用梯度下降實現的線性迴歸 前言 本章主要介紹線性迴歸、嶺迴歸、Lasso迴歸，tensorflow實現的線性迴歸的簡單例子
2020-07-06 18:51:27
5
原创 [機器學習-概念] 什麼是歐式距離、標準化歐式距離、馬氏距離、餘弦距離
1.歐式距離(Euclidean Distance) 歐式距離源自N維歐氏空間中兩點x1,x2x_1,x_2x1,x2間的距離公式： 2.標準化歐式距離（Standardized Euclidean distance） 引
2020-07-06 18:51:27
109
原创 [機器學習-總結] 什麼是準確率, 精確率，召回率和(精確率和召回率的調和平均)
準確率, 精確率，召回率和精確率和召回率的調和平均1. 背景介紹2. 準確率（accuracy）3. 精確率(precision)4. 召回率(recall，也稱爲查全率)5. 精確率和召回率的調和平均 1. 背景介紹 對於一般
2020-07-06 18:51:27
45
原创 [機器學習-數學]什麼是ESS/RSS/TSS
迴歸平方和 ESS，殘差平方和 RSS，總體平方和 TSS 總變差（TSS）：被解釋變量Y的觀測zhi值與其平均值dao的離差平 方和（總平方和）(說明 Y 的總變動程度） 解釋了的變差（ESS）：被解釋變量Y的估計值與其平均值的
2020-06-08 22:23:44
95
原创 [機器學習]正則化項L1和L2的學習與理解
正則化項L1和L2的學習與理解一，正則化（Regularization）稀疏模型與特徵選擇的關係二， L1和L2正則化的直觀理解正則化和特徵選擇的關係三，梯度角度分析L1正則化L2正則化 一，正則化（Regularization）
2020-06-08 22:23:34
58
原创 [機器學習-迴歸算法]Sklearn之線性迴歸實戰
Sklearn之線性迴歸實戰一，前言二，熱身例子三，貿易公司的簡單例子四，Sklearn 官網裏的一個例子參考資料 一，前言 一元線性迴歸的理論片請看我這個鏈接 二，熱身例子 預測直線 y=1x1+2x2+3y = 1x_1 +
2020-06-07 23:30:42
2
原创 [pandas]方法總結
[pandas]方法總結pandas.rolling 方法pandas.cut 方法用途原型參數含義返回值例子pandas.rename 方法參考 pandas.rolling 方法 window：表示時間窗的大小，注意有兩種形式
2020-06-07 23:30:42
原创 [機器學習-sklearn]K-means之make_blobs聚類數據生成器
make_blobs介紹 scikit中的make_blobs方法常被用來生成聚類算法的測試數據，直觀地說，make_blobs會根據用戶指定的特徵數量、中心點數量、範圍等來生成幾類數據，這些數據可用於測試聚類算法的效果。 mak
2020-06-07 23:30:42
原创 [機器學習-迴歸算法]一元線性迴歸用最小二乘法的推導過程
一元線性迴歸用最小二乘法的推導過程 在數據的統計分析中，數據之間即變量x與Y之間的相關性研究非常重要，通過在直角座標系中做散點圖的方式我們會發現很多統計數據近似一條直線，它們之間或者正相關或者負相關。雖然這些數據是離散的，不是連續
2020-06-07 23:30:42
原创 [機器學習-Sklearn]K-means(K均值)學習與總結
K-means總結前言一，k-means算法二，k的選擇（僅供參考）1.肘部法則2. 根據實際應用的目的選擇K三，代碼講解四， K值的確定的代碼五， 相同數據下用K-means分成3個簇和4個簇對比 前言 kmeans是最簡單的聚
2020-06-07 23:30:42
原创 [機器學習-sklearn] KNN(k近鄰法)學習與總結
KNN 學習與總結引言一，KNN 原理二，KNN算法介紹三， KNN 算法三要素1 距離度量2. K 值的選擇四， KNN特點KNN算法的優勢和劣勢KNN算法優點KNN算法缺點五， KNN 算法實現1. 線性掃描2. kd 樹實現
2020-06-07 23:30:42
原创 [機器學習-sklearn]數據預處理要點總結
數據預處理要點總結1. 爲什麼要數據預處理2. 數據中存在缺失值2.1 查看數據的完整性（missingno）2.2 簡單刪除法2.3 人工填寫（filling manually）2.4 KNN填補法3. 異常值處理4. 連續屬性
2020-06-07 23:30:42
原创 [軟件工程-設計模式] GRASP軟件設計的模式和原則
GRASP 模式前言1. 信息專家 (Information Expert)2. 創造者(Creator)3. Low coupling (低耦合)4. High cohesion (高內聚)5. 控制器 (Controller)
2020-06-07 23:30:42