首页 > 技术干货
- Python学习-函数、作用域
2017-03-16-
Python学习-函数、作用域
函数：
定义函数：
>>> def do_nothing()
pass
调用函数：
>>> do_nothing()
None:是Python中的一个特殊的值，它和False，空值是有区别的。
注意函数参数的传入 ...
- Python学习-语句、语法
- 2017-03-16
-
Python学习-语句、语法
#： 注释，不支持多行注释
\\： 连接，当一行的程序太长时，可以使用连接符\\(反斜杠)
1、使用if、elif和 else进行标记
小于两个的选择：
if 条件 :
语句段1
else :
...
- 机器学习-Cross Validation交叉验证Python实现
- 2017-03-16
-
机器学习-Cross Validation交叉验证Python实现
1.原理
1.1 概念
交叉验证(cross-validation)主要用于模型训练或建模应用中，如分类预测、pcr、pls回归建模等。在给定的样本空间中，拿出大部分样本作为训练集来 ...
- 机器学习中概率论知识复习
- 2017-03-16
-
机器学习中概率论知识复习
1 基本概念
概率论在机器学习中扮演着一个核心角色，因为机器学习算法的设计通常依赖于对数据的概率假设。
1.1 概率空间
说到概率，通常是指一个具有不确定性的event发生的 ...
- 机器学习实现与分析之五（高斯判别分析）
- 2017-03-15
-
机器学习实现与分析之五（高斯判别分析）
高斯判别分析（GDA）简介
首先，高斯判别分析的作用也是用于分类。对于两类样本，其服从伯努利分布，而对每个类中的样本，假定都服从高斯分布，则有:
这 ...
- 机器学习实现与分析之四（广义线性模型）
- 2017-03-15
-
机器学习实现与分析之四（广义线性模型）
指数分布族
首先需要提及下指数分布族，它是指一系列的分布，只要其概率密度函数可以写成下面这样的形式：
一般的很多分布（如高斯分布，泊松分布，二项 ...
- 斯坦福机器学习实现与分析之二（线性回归）
- 2017-03-15
-
斯坦福机器学习实现与分析之二（线性回归）
回归问题提出
首先需要明确回归问题的根本目的在于预测。对于某个问题，一般我们不可能测量出每一种情况（工作量太大），故多是测量一组数据，基于此数据去预 ...
- 梯度下降法分析
- 2017-03-15
-
梯度下降法分析
梯度下降法的基本思想是函数沿着其梯度方向增加最快，反之，沿着其梯度反方向减小最快。在前面的线性回归和逻辑回归中，都采用了梯度下降法来求解。梯度下降的迭代公式为：
\\(\\begin{aligned} ...
- 批量梯度下降与随机梯度下降
- 2017-03-15
-
批量梯度下降与随机梯度下降
下面的h(x)是要拟合的函数，J(theta)损失函数，theta是参数，要迭代求解的值，theta求解出来了那最终要拟合的函数h(theta)就出来了。其中m是训练集的记录条数，j是参数的个数。
...
- 从导数的物理意义理解梯度下降
- 2017-03-15
-
从导数的物理意义理解梯度下降
机器学习中常会用随机梯度下降法求解一个目标函数L(Θ)的优化问题，并且常是最小化的一个优化问题：
minL(Θ)
我们所追求的是目标函数能够快速收敛或到达一个极小值点。而随机梯 ...
- 5个开源Python库，点亮你的机器学习之路
- 2017-03-14
-
5个开源Python库，点亮你的机器学习之路
机器学习令人兴奋，但实际操作却很困难也很复杂。它涉及到很多手动提升，如集合工作流，设置数据源，以及在内部部署与云部署的资源之间切换等。
Python 是一款强大的 ...
- 机器学习常用算法（LDA,CNN,LR）原理简述
- 2017-03-14
-
机器学习常用算法（LDA,CNN,LR）原理简述
1.LDA
LDA是一种三层贝叶斯模型，三层分别为：文档层、主题层和词层。该模型基于如下假设：
1）整个文档集合中存在k个互相独立的主题；
2）每一个主题是词上的多项 ...
- 机器学习中使用的神经网络
- 2017-03-14
-
机器学习中使用的神经网络
这一小节介绍随机梯度下降法（stochastic gradient descent）在神经网络中的使用，这里首先回顾了第三讲中介绍的线性神经网络的误差曲面(error surface)，如下图所示。线性神经网络对 ...
- 【机器学习实战】Naive Bayes
- 2017-03-14
- 一、概述
优点：在数据少的情况下仍然有效，可以处理多类别问题
缺点：对于输入数据的准备方式较为敏感
适用数据类型：标称型数据
二、原理
三、文档分类
A,B,C,D..为文档中单词。假设总词汇只有A,B,C,D四种。训练样 ...
- 机器学习实战之SVD
- 2017-03-14
-
机器学习实战之SVD
1. 奇异值分解 SVD(singular value decomposition)
1.1 SVD评价
优点: 简化数据, 去除噪声和冗余信息, 提高算法的结果
缺点: 数据的转换可能难以理解
1.2 SVD应用
(1) 隐性语义索引(latent ...
- 机器学习实战之PCA
- 2017-03-14
-
机器学习实战之PCA
1. 向量及其基变换
1.1 向量内积
(1)两个维数相同的向量的内积定义如下: 内积运算将两个向量映射为一个实数.
(2) 内积的几何意义
假设A\\B是两个n维向量, n维向量可以等价表 ...
- 机器学习实战之Apriori
- 2017-03-14
-
机器学习实战之Apriori
1. 关联分析
1.1 定义
关联分析是一种在大规模数据上寻找物品间隐含关系的一种任务.这种关系有2种形式:频繁项集和关联规则.
(1) 频繁项集(frequent item sets): 经常出现在一起的物品 ...
- SPSS中两种重复测量资料分析过程的比较
- 2017-03-13
-
SPSS中两种重复测量资料分析过程的比较
在SPSS中，有两个过程可以对重复测量资料进行分析：一种是一般线性模型的重复度量；一种是混合线性模型，对于同样的数据资料，使用两种过程分析出的内容不大一样，注意 ...
- 数据分析中的基本指标_数据分析师
- 2017-03-13
-
数据分析中的基本指标
1.平均数：
是描述一组数据集中趋势的指标，有很多种平均数，如：算数平均数，几何平均数，调和平均数，加权平均数，平方平均数，指数平均数等。
最常用的是算数平均数
平均数 ...
- 数据分析中的变量分类_数据分析师
- 2017-03-13
-
数据分析中的变量分类
数据分析工作每天要面对各种各样的数据，每种数据都有其特定的含义、使用范围和分析方法，同一个数据在不同环境下的意义也不一样，因此我们想要选择正确的分析方法，得出正确 ...
全国校区
|
