2019年5月16日
推荐系统
摘要： 参考博客：https://www.cnblogs.com/rongyux/articles/5396844.html 目的： 1、帮助用户找到想要的商品（新闻/音乐/……），发掘长尾 帮用户找到想要的东西，谈何容易。商品茫茫多，甚至是我们自己，也经常点开淘宝，面对眼花缭乱的打折活动不知道要买啥。在经 阅读全文
posted @ 2019-05-16 18:05 Colleen-Blog 阅读(185) 评论(0) 推荐(0)
编码解码错误
摘要： python读取文件时提示UnicodeDecodeError错误： "UnicodeDecodeError: 'gbk' codec can't decode byte 0x80 in position 205: illegal multibyte sequence" “UnicodeDecode 阅读全文
posted @ 2019-05-16 09:22 Colleen-Blog 阅读(294) 评论(0) 推荐(0)
2019年4月11日
数据预处理——preprocessing
摘要： from sklearn import preprocessing 自变量过多时，考虑降维，如PCA 自变量的多重共线性，内生性 阅读全文
posted @ 2019-04-11 21:01 Colleen-Blog 阅读(224) 评论(0) 推荐(0)
2019年1月26日
线性回归（4）——保存模型
摘要： 1. Python内保存和读取模型——pickle pickle是负责将Python对象序列化（Serialization）和反序列化（de-serialization）的模块。 可使用Pickle将对象转换为文件保存在硬盘里（pickle.dump），在需要的时候再读取并还原（pickle.loa 阅读全文
posted @ 2019-01-26 15:51 Colleen-Blog 阅读(694) 评论(0) 推荐(0)
线性回归（2）——统计学角度
摘要： 案例： 制作玩偶的数量和成本之间的关系 生产个数： xi 实际生产成本：yi 模型预测的成本：yi^ 数学推导： 1.假设条件概率： yi = axi + b + εi 其中，a,b是模型参数，分别表示生产一个玩偶的变动成本和固定成本；εi 被称为噪声项，服从期望为0，方差为σ2的正态分布，记为εi 阅读全文
posted @ 2019-01-26 15:28 Colleen-Blog 阅读(346) 评论(0) 推荐(0)
线性回归（3）——模型陷阱
摘要： 模型陷阱： 1.要求准确度——易受过度拟合干扰 为了提高预测的准确度，常从已知的特征中提取出更多的特征，并以此搭建复杂的模型。如下 原有公式为：Y ~ (X) 转换成 ：Y ~ (X，X2, X3,...,Xn) yi = b + a1xi + a2xi2 + a3xi3 + ... + anxin 阅读全文
posted @ 2019-01-26 15:28 Colleen-Blog 阅读(683) 评论(0) 推荐(0)
线性回归（1） —— 机器学习角度
摘要： 案例： 制作玩偶的数量和成本之间的关系 生产个数： xi 实际生产成本：yi 模型预测的成本：yi^ 数学推导： 1.数学公式 yi = xi + εi 2.损失函数（loss function） LL = Σi |yi -yi^| 因为上式不可导，重新定义损失函数如下： L = Σi (yi - 阅读全文
posted @ 2019-01-26 15:27 Colleen-Blog 阅读(452) 评论(0) 推荐(0)
2018年7月19日
import pandas_datareader 报错“can't import name is_list_like”
摘要： 修改文件：fred.py 文件路径：~\Anaconda3\Lib\site-packages\pandas_datareader\fred.py 修改内容：将原来的import语句（from pandas.core.common import is_list_like） 改成（from panda 阅读全文
posted @ 2018-07-19 22:16 Colleen-Blog 阅读(205) 评论(0) 推荐(0)