热线电话：13121318867

登录
热搜话题:
ai长文生成
Scikit-learn
Python
大数据
数据分析师
统计学
微积分
线性代数
Excel
Power BI
R语言
SPSS
Mysql
快速发帖
我要提问
最新
热门
关注
推荐
问答
赵娜0418
Python机器学习中SVM最后的结果
1. 有两种情景，一种是约束条件激活，一种是约束条件未激活2. 在激活的情景下，匹配到一些重要的样本点，它们所被分配到的ai值是大于0的，并且它们的点的位置正好落wx b = - 1超平面的里面，wx b= - 1， 称为间隔边界。间隔内是没有任何点。3. 在未激活的情景下，匹配到其它的样本，这些样本落在间隔边界的外面，并且它们的ai值 = 04. 最重要的地方，就是在最后计
0.7832
2
0
关注作者
收藏
shauna570392
是大于还是小于threshold的值被过滤掉？
参数threshold，表示方差的阈值，表示舍弃所有方差小于threshold的特征，不填默认为0，即删除所有的记录都相同的特征。这里设置方差的中位数为阈值，小于该值的会被过滤掉
20.3188
2
0
关注作者
收藏
shauna570392
kbinsdiscretizer这个包有什么作用？
sklearn.preprocessing.KBinsDiscretizer这个模块是用来做数据离散化处理离散化 (Discretization) (有些时候叫 量化(quantization) 或 分箱(binning)) ，是将连续特征划分为离散特征值的方法。 离散化可以把具有连续属性的数据集变换成只有名义属性(nominal attributes)的数据集。 sklearn.pr
16.5776
2
0
关注作者
收藏
shauna570392
学习曲线里的bestindex不需要定义吗?
上一条语句就是对bestindex进行了定义，后面再进行调用 除了一些函数自带的方法不需要定义，直接可以调用，其他的变量都是需要定义的
16.5776
2
0
关注作者
收藏
anranhui
scikit-learn算法选择路径图【scikit-learn algorithm cheat sheet】
中文翻译版本 英文原版英文原版链接：http://scikit-learn.org/stable/tutorial/machine_learning_map/
11.7839
2
0
关注作者
收藏
anranhui
SVD-矩阵奇异值分解 —— 原理与几何意义
1.简介SVD 全称：Singular Value Decomposition。SVD 是一种提取信息的强大工具，它提供了一种非常便捷的矩阵分解方式，能够发现数据中十分有意思的潜在模式。主要应用领域包括：隐性语义分析 (Latent Semantic Analysis, LSA) 或隐性语义索引 (Latent Semantic Indexing, LSI)；推荐系统 (Recommend
40.2133
5
0
关注作者
收藏
读童话的狼
模型和算法是什么关系？
算法通过在数据上进行运算产生模型 。机器学习的目标是优化模型，让模型的预测更准。于是，人们提出了损失函数 的概念，用来衡量模型的性能。而算法，则是用来降低这些损失函数的方法，算法通常也被称作优化算法，常用的算法包括：梯度下降（Gradient Descent），共轭梯度法（Conjugate Gradient），牛顿法和拟牛顿法，模拟退火法（Simulated Annealing） 等等。
0.1361
3
0
关注作者
收藏
赵娜0418
Python机器学习中sklearn中fit、fit_transform、transform有什么不同？
fit是一个适配的过程，过程都是定死的，最后只是得到了一个统一的转换的规则模型。 （1）fit(X[,y])：计算待标准化数据的均值和方差等参数。 fit_transform：fit_transform()的功能就是对数据先进行拟合处理，然后再将其进行标准化，可以看做是fit和transform的结合，如果训练阶段使用fit_transform，则在测试阶段只需要对测试样本进行transf
11.8281
0
0
关注作者
收藏
赵娜0418
python机器学习中sklearn的cross validation相关知识总结
cross validation大概的意思是：对于原始数据我们要将其一部分分为traindata，一部分分为test data。train data用于训练，test data用于测试准确率。在test data上测试的结果叫做validation error。将一个算法作用于一个原始数据，我们不可能只做出随机的划分一次train和testdata，然后得到一个validation error，就
16.7340
0
0
关注作者
收藏
慢慢爬的Rui
逻辑回归
(一) 基本概念 (二) 代码实现: from sklearn import linear_modellog = linear_model.LogisticRegression(solver='lbfgs',C=3,max_iter=1000) #实例化log.fit(xtrain,ytrain) #拟合数据log.score(xtest,ytest) #评估模型
16.5545
5
0
关注作者
收藏
赵娜0418
调用xgboost的一系列库，模块和类的方法
陈天奇创造了 XGBoost之后，很快和一群机器学习爱好者建立了专门调用XGBoost库，名为xgboost。xgboost是一个独立的，开源的，专门提供梯度提升树以及XGBoost算法应用的算法库。它和sklearn类似，有一个详细的官方网站可以供我们查看，并且可以与C，Python，R，Julia等语言连用，但需要我们单独安装和下载。 xgboost documents: https://x
16.4785
1
0
关注作者
收藏
shauna570392
随机森林 oob_score为啥后面加下划线才能显示结果？
obb_score_是随机森林函数的属性，这是函数下面方法的默认写法，这样写了才符合调用的规范，才能显示出结果oob_score_：袋外估计准确率得分，必须是oob_score参数选择True的时候才可用。
16.4727
2
0
关注作者
收藏
赵娜0418
机器学习中bagging和boosting预测的组合策略
预测的组合策略：1. 针对Y值是连续的变量,bagging和boosting预测相对来说简单一些，用的是平均法，bagging用的就是最原始的平均法，boosting用的是带权重（这些权重是在boosting迭代过程当中所计算出来的每一个弱分类器的权重)2. 针对Y值是离散型的情况来说，用的是投票法，bagging是简单的少数服从多数投票法，或者是绝对多数投票法。boosting是加权投票
0.5989
0
0
关注作者
收藏
赵娜0418
Python机器学习中的bagging和boosting算法的区别
bagging：用的是交叉验证的思想，每部分数据集里面的噪音都不一样，或多或少，这样子话，可以很好的来学习X和Y之间最真实的规律。可以解决过拟合的问题，但是有可能欠拟合。对于boosting来说，它的策略是数据集不变，只是引入了样本的权重，每次迭代过程当中，都尝试将每一个弱分类器预测错的样本的权重增大，预测正确的样本的权重减小，从而让后面的弱分类器更加小心的对待之前预测错的样本，从而不断来提高整体
47.6667
5
0
关注作者
收藏
anranhui
搭建神经网络的网站
https://playground.tensorflow.org/搭建神经网络的网站，
0.1521
6
0
关注作者
收藏
赵娜0418
网格搜索寻找到的最优解，是否会出现过拟合？
恰恰相反，很大程度会出现过拟合现象，网格搜索是将训练集训练的一堆模型中，选取超参数的所有值（或者代表性的几个值），将这些选取的参数及值全部列出一个表格，并分别将其进行模拟，选出最优模型。
14.1364
0
0
关注作者
收藏
赵娜0418
怎么理解梯度下降？
梯度下降是迭代法的一种,可以用于求解最小二乘问题(线性和非线性都可以)。在求解机器学习算法的模型参数，即无约束优化问题时，梯度下降（Gradient Descent）是最常采用的方法之一，另一种常用的方法是最小二乘法。在求解损失函数的最小值时，可以通过梯度下降法来一步步的迭代求解，得到最小化的损失函数和模型参数值。反过来，如果我们需要求解损失函数的最大值，这时就需要用梯度上升法来迭代了。在机器学习
2.0113
2
0
关注作者
收藏
赵娜0418
标准化常量的目的是什么？
目的：通过对数据进行标准化处理，得到均值为0，标准差为1的服从标准正态分布的数据。（相对一维数据来说，也就是相对矩阵的每一列，数据的每一个维度）向量形式，它们的每个元素分布表示矩阵每一列的均值和方差）可以看出矩阵中心化是标准化的一步，将中心化的矩阵除以标准差得到标准化矩阵。下面解释一下为什么需要使用这些数据预处理步骤：在一些实际问题中，我们得到的样本数据都是多个维度的，即一个样本是用多个
1.7202
0
0
关注作者
收藏
赵娜0418
Python机器学习中PCA指的是什么意思？
PCA 算法首先还是简单回顾下 PCA 的算法流程。我们把样本数据 xx 归一化后，计算其协方差矩阵 CxCx，然后计算 CxCx 的特征向量，构造出一个特征向量矩阵 AA，最后把 xx 通过该矩阵映射到一个新的空间，得到的向量 yy 就是能体现 xx 主要成分的向量了。PCA 在做什么那么，这种空间映射有什么意义呢？问题要回到协方差矩阵 CxCx 上。我们知道，协方差矩阵是一个对称矩阵，
1.7179
1
0
关注作者
收藏
赵娜0418
机器学习中怎样防止过拟合和欠拟合？
1.利用学习曲线判断2.误差 = 偏差(精确率) 方差(稳定性)3.下图中虚线为训练集，实线为测试集
1.7179
2
0
关注作者
收藏
<1…8910…69>
CDA考试动态
考试介绍
考试大纲
考试内容
考试地点
CDA报考指南
报考流程
考试时间
报名费用
联系我们
热门栏目
考试动态
报考指南
复习备考
职业发展
直播公开课
经验分享
Copyright © 2015-2020, www.pinggu.com All Rights Reserved. CDA数据分析师(北京国富如荷网络科技有限公司) 版权所有 京ICP备18052299号-1