泛化能力，英文全称generalization ability，指机器学习算法对新鲜样本的适应能力，一种预测新的input类别的能力。 通过学习找到隐含在数据背后的规律，并对具有同一规律的学习集以外的数据，这种经过训练的网络可 ...
2020-05-21
Bi这里是的意思就是Binary，二进制的意思，所以有时候叫这个算法为二进Kmeans算法。为什么我们需要用BiKmeans呢？就是为了解决初始化k个随机的质心点时其中一个或者多个点由于位置太极端而导致迭代的过程中消失的 ...
2020-05-21
SVC，英文全称support vector machine，中文为支持向量机，是一种分类算法，但是也可以做回归，根据输入的数据不同可做不同的模型（若输入标签为连续值则做回归，若输入标签为分类值则用SVC()做分类） ...
2020-05-20
方法一： K平均算法（K-means聚类分析） 在下面的误差平方和图中，拐点（bend or elbow）的位置对应的x轴即k-means聚类给出的合适的类的个数。 > n = 100 > g=6 > set.seed(g) > d <- data.frame(x = unlist(lap ...
2020-05-20
【磐创AI导读】：评估一个模型是建立一个有效的机器学习模型的核心部分，本文为大家介绍了一些机器学习模型评估指标，希望对大家有所帮助。 评估一个模型是建立一个有效的机器学习模型的核心部分 ...
2020-05-20
最大后验估计（maximum a posteriori probability estimate, 简称MAP），是贝叶斯学派的法宝之一。 与统计学派不同，贝叶斯学派认为在做估计之前，人们对要估计的实物先有一个经验性的判断，然后根据数据调整对这 ...
2020-05-20
特征向量（eigenvector），矩阵理论上一个非常重要的概念，被广泛的应用于各个领域。 数学上，线性变换的特征向量（本征向量）是一个非简并的向量，其方向在该变换下不变，该向量在此变换下缩放的比例称为其特征值 ...
2020-05-20
1.AI人工智能 Artificial Intelligence 人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智 ...
2020-05-20
Z-Score，又称为再Z分数、标准分数，一个数与平均数的差再除以标准差的过程。 Z-Score能够衡量出一个分数距离平均数的相对标准距离，如果我们把每一个分数都转换成z分数，那么每一个z分数会以标准差为单位表示 ...
2020-05-20
召回率（Recall），一般指查全率，指从数据库内检出的相关的信息量与总量的比率，是数据挖掘中预测、互联网中的搜索引擎等经常涉及的两个概念和指标之一。 在实际应用中，多数人更喜欢称召回率为召回率，因为更能体 ...
2020-05-20
先验概率和后验概率是与贝叶斯概率更新有关的两个概念百。假如某一不确定事件发生的主观概率 因为某个新情况的出现 而发生了改变，那么改变前的那个概率就被叫做先验概率，改变后的概率就叫后验概率。 先验概率是指 ...
2020-05-19
K-s是模型验证的最常用的“武器”之一，而K-s曲线指洛伦兹曲线之间的差值。 K-S曲线主要是验证模型的区分能力，通常是在模型预测全体样本的信用评分后，将全体样本按违约与非违约分为两部分，然后用K-S统计量来检验 ...
2020-05-19
在判断是有监督学习还是在无监督学习上，我们可以具体是否有监督（supervised），就看输入数据是否有标签（label）。输入数据有标签，则为有监督学习，没标签则为无监督学习。 什么是学习（learning）？ 一个成语 ...
2020-05-19
有部分同学，在学习初期，会认为下采样和池化是指同样的事情，只是叫法不同而已，其实这是一种错误的认知。 下采样（subsampled），或称为降采样（downsampled），指缩小图像。其主要目是使得图像符合显示区域的 ...
2020-05-19
FP-Growth使用了一种特殊的分治策略，将提供频繁项集的数据库压缩到一棵频繁模式树（FP-tree），但仍保留项集关联信息。 这种关联分析算法的概念由韩嘉炜等人在2000年提出，在FP-Growth算法中使用了一种称为频繁模 ...
2020-05-19
feature importance指特征重要性，在特征选择的许多方法中，我们可以使用随机森林模型中的特征重要属性来筛选特征，并得到其与分类的相关性。 由于随机森林存在的固有随机性，该模型可能每次给予特征不同的重要性 ...
2020-05-19
人工智能涉及到很多的技术，大家都知道人工智能离不开机器学习，不过比较少人知道人工智能也是离不开模式识别的。什么是模式识别呢？简单点说，模式识别就是对各种情况的识别。而在人工智能中，模式识别是一 ...
2020-05-19
机器学习算法会涉及到大量的数学基础内容，数学好的童靴们，你们的优势来了。在机器学习中涉及到了三个数学工具，分别是线性代数、概率统计（概率估计）、最优化理论。 今天，我们来讲概率统计，在机器学习中会涉及 ...
2020-05-19
在统计学中，连续型变量和离散型变量极为常见，今天我们就来看看它们的区别是什么？ 变量值的变动幅度不同。 对离散变量，如果变量值的变动幅度小，就可以一个变量值对应一组，称单项式分组。如居民家庭按儿童数或 ...
2020-05-18
一般来说，Rcall指令属于ROM空间的相对寻址范畴，call属于ROM空间的直接寻址范畴。 CALL和RCALL的区别： 1、指令长度不同； 2、指令执行所需机器周期不同； 3、寻址范围不同。 ——其他知识点普及： R ...
2020-05-18在数据库日常操作中，INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表（或查询结果集）的数 ...
2025-10-16在机器学习建模中，“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度，还是神经网络的权重，这 ...
2025-10-16在数字化浪潮中，“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法， ...
2025-10-16在大模型从实验室走向生产环境的过程中，“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型，若在高并发 ...
2025-10-15在机器学习入门领域，“鸢尾花数据集（Iris Dataset）” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中，零散的指标（如 “GMV”“复购率”）就像 “散落的零件”，无法支撑系统性决策；而科学的指标体系，则 ...
2025-10-15在神经网络模型设计中，“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少，模型可能 “欠拟合”（无法捕捉数据 ...
2025-10-14在数字化浪潮中，数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息，又要能将分 ...
2025-10-14在企业数据驱动的实践中，“指标混乱” 是最常见的痛点：运营部门说 “复购率 15%”，产品部门说 “复购率 8%”，实则是两者对 ...
2025-10-14在手游行业，“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度，更直接决定了后续 ...
2025-10-13分库分表，为何而生？ 在信息技术发展的早期阶段，数据量相对较小，业务逻辑也较为简单，单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中，“数据孤岛” 是普遍面临的痛点：用户数据散落在 APP 日志、注册系统、客服记录中，订单数据分散在交易 ...
2025-10-13在数字化时代，用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”，到视频 APP 的 “打开→搜索→观看→收藏”，再到银 ...
2025-10-11在机器学习建模流程中，“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中，未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储，CDA（Certified D ...
2025-10-11在 SQL Server 数据库操作中，“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选，还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中，正交试验（Orthogonal Experiment）因 “用少量试验覆盖多因素多水平组合” 的高效性，成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中，“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”：各部门数据口 ...
2025-10-10在深度学习中，“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术：损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入，拆解两种方法的核心适用条件、场景边界与实战选择逻辑，结合医学、工业、教育领域的案例，让你明确 ...
2025-10-09
