摘要：
好久好久没有更新博客了，之前自学的估计也都忘记差不多了。由于毕业选择从事的行业与自己的兴趣爱好完全两条路，心情也难过了很久，既然入职了就要好好干，仍要保持自己的兴趣，利用业余时间重拾之前的乐趣。 从基本的数据清理学起吧 讲一下drop函数的用法 删除表中的某一行或者某一列更明智的方法是使用drop， 阅读全文
摘要：
四、SVM支持向量机 1、代价函数 在逻辑回归中，我们的代价为： 其中： 如图所示，如果y=1，cost代价函数如图所示 我们想让，即z>>0，这样的话cost代价函数才会趋于最小（这正是我们想要的），所以用图中红色的函数代替逻辑回归中的cost 当y=0时同样用代替 最终得到的代价函数为： 最后我 阅读全文
摘要：
三、BP神经网络 1、神经网络模型 首先介绍三层神经网络，如下图 输入层（input layer）有三个units（为补上的bias，通常设为1） 表示第j层的第i个激励，也称为单元unit 为第j层到第j+1层映射的权重矩阵，就是每条边的权重 所以可以得到： 隐含层： 输出层： 其中，S型函数，也 阅读全文
摘要：
二、逻辑回归 1、代价函数 可以将上式综合起来为： 其中： 为什么不用线性回归的代价函数表示呢？因为线性回归的代价函数可能是非凸的，对于分类问题，使用梯度下降很难得到最小值，上面的代价函数是凸函数的图像如下，即y=1时： 可以看出，当趋于1，y=1，与预测值一致，此时付出的代价cost趋于0，若趋于 阅读全文
摘要：
最近在GitHub上学习了有关python实现常见机器学习算法 目录 一、线性回归 1、代价函数 2、梯度下降算法 3、均值归一化 4、最终运行结果 5、使用scikit-learn库中的线性模型实现 二、逻辑回归 1、代价函数 2、梯度 3、正则化 4、S型函数 5、映射为多项式 6、使用的优化方 阅读全文
摘要：
根据以上两篇的分析，下面我们还要对数据进行处理，观察Age和Fare两个属性，乘客的数值变化幅度较大！根据逻辑回归和梯度下降的了解，如果属性值之间scale差距较大，将对收敛速度造成较大影响，甚至不收敛！因此，我们需要运用scikit-learn里面的preprocessing模块对Age和Fare 阅读全文
摘要：
下面我们再来看看各种舱级别情况下各性别的获救情况 得到下图 下面再看看大家族对结果有什么影响 PassengerId SibSp Survived 0 0 398 1 210 1 0 97 1 112 2 0 15 1 13 3 0 12 1 4 4 0 15 1 3 5 0 5 8 0 7 Pas 阅读全文
摘要：
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，无法人人都有，副船长发话了『lady and kid first！』，所以是否获救其实并非随机，而是基于一些背景有rank先后的。 训练和测试数据是一些乘客的个人信息以及存活状况，要尝试根据它生成合 阅读全文
摘要：
决策树是一种有监督学习算法，决策树可用于分类问题，也可用于回归问题。决策树的优点是可读性强，分类速度快。学习决策树时，通常采用损失函数最小化原则。 scikit-learn中有两类决策树，他们均采用优化的CART决策树算法。 1.回归决策树（DecisionTreeRegressor） Decisi 阅读全文
摘要：
当我们使用resquests.get（）时，返回的时response的对象，他包含服务器返回的所有信息，也包含请求的request的信息。 首先： response对象的属性有以下几个， r.status_code是http请求的返回状态，200表示连接成功，404表示连接失败，这时候应该抛出异常， 阅读全文