机器学习中的范数规则化之 L0、L1与L2范数 今天我们聊聊机器学习中出现的非常频繁的问题:过拟合与规则化。我们先简单的来理解下常用的L0、L1、L2和核范数规则化。最后聊下规则化项参数的选择问题。这里因为篇 ...
2017-05-11Python里面的矩阵与矢量化运算 Python在数据挖掘、数据分析中用的很多。最基础的矩阵与矢量化运算需要掌握。 需要下载安装的包:Numpy Windows下cmd窗口输入以下命令即可成功安装 ...
2017-05-11R语言学习之矩阵 很多人是在线性代数课学的矩阵,当时什么问题都没有,除了一个问题:学习矩阵到底有什么用呢?矩阵是一个集合,它里面可以存放很多对象,比如一个行就是一个对象(或者说记录),每一个对象又 ...
2017-05-11R语言中的数组和列表 R语言中的数组与其它语言数组类似,它是一种高维的数据结构。维数过高运算会很不方便,所以用的很少,这里介绍是本着不落下任何知识点的目的。万一以后遇到了,虽然不方便,还是可以进行运 ...
2017-05-11SPSS:如何进行探索分析 探索分析是在对数据的基本特征统计量有初步了解的基础上,对数据进行的更为深入详细的描述性观察分析。它在一般描述性统计指标的基础上,增加了有关数据其他特征的文字与图形描述,显得 ...
2017-05-10SPSS分析技术:多重线性回归模型;极端值与多重共线性的识别与处理 如果拟合质量不好,可能存在的问题主要有以下两个方面: 极端值(强点)的影响。我们都知道,在线性回归分析中,自变量回归系数的确定主要 ...
2017-05-10SPSS详细操作:碰见有序分类资料,怎么办 经常听到有小伙伴刚学了武林秘籍之卡方检验,只要碰到分类资料就一通乱打,虽说有时候能赢几场,但是也有被打的鼻青脸肿的,还自言自语的说,招数没毛病呀!?事实上毛 ...
2017-05-10机器学习项目中的数据预处理与数据整理之比较 要点 在常见的机器学习/深度学习项目里,数据准备占去整个分析管道的60%到80%。 市场上有各种用于数据清洗和特征工程的编程语言、框架和工具。它们之间的 ...
2017-05-10SPSS语法的使用 通过使用强大的命令语言,您可以保存并自动执行许多常规任务。它还提供一些在菜单和对话框中没有的功能。大多数命令可以从菜单和对话框访问。但是,某些命令和选项只能通过命令语言使用。命令语 ...
2017-05-10如何将连续变量创建为变量 要创建分类变量inccat: 从数据编辑器窗口的菜单中选择: 转换> 可视离散化... 在初始的“可视离散化”对话框中,选择要为其创建新的离散化变量的刻度变量和/或 有序变 ...
2017-05-10R文本分类之RTextTools 古有曹植七步成诗,而RTextTools是一款让你可以在十步之内实现九种主流的机器学习分类器模型的文本分类开发包。 它集成了(或者说支持)如下算法相关的包: 支持向量机(Support Vec ...
2017-05-09Python中的线性代数运算 这里,为了熟悉Python语言的特性,我们采用一种最原始的方式去定义线性代数运算的相关函数。如果是真实应用场景,则直接使用NumPy的函数即可。 1.向量 创建一个向量 我们可以把P ...
2017-05-09使用Python进行线性回归 线性回归是最简单同时也是最常用的一个统计模型。线性回归具有结果易于理解,计算量小等优点。如果一个简单的线性回归就能取得非常不错的预测效果,那么就没有必要采用复杂精深的模型了 ...
2017-05-09干货 :用户细分的流程与方法 通常,用户细分既不是分析的不是起点也不是分析的终点,而是伴随某个特定的分析而存在。精准化营销,需要用户细分,譬如你拥有同城的数十万消费者的资料数据库,随时为有需要的同 ...
2017-05-09三张图读懂机器学习:基本概念、五大流派与九种常见算法 机器学习正在进步,我们似乎正在不断接近我们心中的人工智能目标。语音识别、图像检测、机器翻译、风格迁移等技术已经在我们的实际生活中开始得到了应用 ...
2017-05-09为什么你的数据分析那么好,图表做得那么烂 所有优秀的数据可视化依赖优异的设计,并非仅仅选择正确的图表模板那么简单。全在于以一种更加有助于理解和引导的方式去表达信息,尽可能减轻用户获取信息的成本。当 ...
2017-05-09写论文,没数据?R语言抓取网页大数据 纵观国内外,大数据的市场发展迅猛,政府的扶持也达到了空前的力度,甚至将大数据纳入发展战略。如此形势为社会各界提供了很多机遇和挑战,而我们作为卫生(医学)统计领域 ...
2017-05-08数据人才工种之数据分析师 什么是数据分析师呢? 关于这个问题,仁者见仁,智者见智。 在我看来,数据分析师就一群做数据分析工作的人,要做好数据分析工作,并不容易。数据分析师在做数据分析工作时,他们 ...
2017-05-08R语言玩数据:数据+算法+计算引擎+知识表达 本文介绍玩数据的四部曲,分别是数据、算法、计算引擎和知识表达。 一、数据 数据的观点,如下: 玩数据首先要拥有数据,”巧妇难为无米之炊“。 业务 ...
2017-05-08R文本挖掘之tm包 tm包是R文本挖掘方面不可不知也不可不用的一个package。它提供了文本挖掘中的综合处理功能。如:数据载入,语料库处理,数据预处理,元数据管理以及建立“文档-词条”矩阵。 下面,即从tm包提 ...
2017-05-08DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09