1直在路上1

摘要： 一、背景 Titanic: Machine Learning from Disaster-https://www.kaggle.com/c/titanic/data，必须先登录kaggle 就是那个大家都熟悉的『Jack and Rose』的故事，豪华游艇倒了，大家都惊恐逃生，可是救生艇的数量有限， 阅读全文

摘要： 一、获取数据 原始数据以逗号分隔： 各个列的属性（包括乳房肿块细针抽吸活检图像的数字化的多项测量值，这些值代表出现在数字化图像中的细胞核的特征）： 1.Sample Code Number id number 2.Clump Thickness 1 - 10 肿块厚度 3.Uniformity Of 阅读全文

摘要： 一、NLTK：Natural Language Toolkit（自然语言工具包） 下载：http://www.nltk.org 二、使用 三、安装成功，导入报错 已经成功安装nltk，但是import nltk时报错：No module named '_sqlite3' 背景：linux系统自带的p 阅读全文

摘要： 一、Ensemble：http://www.ensembl.info/2015/06/18/1000-genomes-phase-3-frequencies-genotypes-and-ld-data/ 二、安装API 阅读全文

摘要： 一、PCA讲解 首先本文参考：http://blog.codinglabs.org/articles/pca-tutorial.html，感觉写的很好，非常好理解，为了帮助自己加深印象，自己拿来欣赏一下PCA思想 PCA（Principal Component Analysis）将n维特征映射到 k 阅读全文

摘要： 一、什么是高斯混合模型（GMM） 高斯混合模型（Gaussian Mixed Model）指的是多个高斯分布函数的线性组合，通常用于解决同一集合下的数据包含多个不同的分布的情况，如解决分类情况 如下图，明显分成两个聚类。这两个聚类中的点分别通过两个不同的正态分布随机生成而来。如果只用一个的二维高斯分 阅读全文

摘要： 二、比对 1）Blat：全称 The BLAST-Like Alignment Tool，可以称为"类BLAST 比对工具"，对于DNA序列，BLAT是用来设计寻找95%及以上相似至少40个碱基的序列。对于蛋白序列，BLAT是用来设计寻找80%及以上相似至少20个氨基酸的序列。 Blat 的主要特点 阅读全文

摘要： 一、单位矩阵 单位矩阵的结构很简单： 1. 它是"正方形"（行数与列数相同） 2. 所有沿主对角线的元素都是1，而所有其他位置的元素都是0 \begin{bmatrix}1&0&0\\0&1&0\\0&0&1\\\end{bmatrix} 二、可逆矩阵 设A是n阶矩阵，如果有n阶矩阵B，使得：\(A 阅读全文

摘要： 一、简介 GBDT在传统机器学习算法里面是对真实分布拟合的最好的几种算法之一，在前几年深度学习还没有大行其道之前，gbdt在各种竞赛是大放异彩。原因大概有几个 一：效果确实挺不错。 二：既可以用于分类也可以用于回归。 三：可以筛选特征。 这三点实在是太吸引人了，导致在面试的时候大家也非常喜欢问这个算 阅读全文

摘要： 核心~结合（易少缺过）~最佳~步骤 一、决策树分类 决策树分为两大类，分类树和回归树 分类树用于分类标签值，如晴天/阴天/雾/雨、用户性别、网页是否是垃圾页面 回归树用于预测实数值，如明天的温度、用户的年龄 两者的区别： 分类树的结果不能进行加减运算，晴天+晴天没有实际意义 回归树的结果是预测一个数 阅读全文