Reproducing the GitHub Ribbon in CSS

摘要： Evernote Export 主成分分析(PCA) 非监督学习的机器学习算法 主要用于数据的降维 通过降维，可以发现更便于人类理解的特征 其他应用：可视化；去噪 主成分分析概念 对于二维数据，只选取其中一个特征，就达到降维的目的 第一步：dmean，所有的样本归零 Var(x)=m1​i=1∑m​ 阅读全文

摘要： import numpy as np import pandas as pd import matplotlib.pyplot as plt from sklearn.preprocessing import StandardScaler from sklearn.model_selection import train_test_split path = r'F:\数据分析专用\机器学习\监... 阅读全文

摘要： Evernote Export 支持向量机(Support Vector Machine) 不适定问题不止一个决策边界 要找一个决策边界，不仅能将训练集很好的划分，而且提升模型的泛化能力 支持向量机直接将算法放在运行的内部，在不适定的问题中，使用svm去建模是好的 svm是统计学习中非常重要的方法 阅读全文

摘要： Evernote Export 机器学习应用 最早的机器学习：垃圾邮件分辨，对于邮件如何判断邮件是否是垃圾邮件呢 传统的解决思路：编写规则，定义"垃圾邮件"，让计算机执行 1.编写一个传统算法，定义"垃圾邮件"，让计算机执行 2.对于很多问题，规则很难定义 3.规则在不断变化 图像识别：分辨图像表示 阅读全文

摘要： Evernote Export 1.基于实例的学习介绍 不同级别的学习，去除所有的数据点(xi​,yi​)，然后放入一个数据库中，下次直接提取数据 但是这样的实现方法将不能进行泛化，这种方式只能简单的进行数据提取，它也会存储很多的噪音 3.最近邻算法 KNN算法原理就是查找未知点的最近已知点，然后进 阅读全文

摘要： Evernote Export 1.神经网络 神经元 细胞的主体称为细胞体，然后有轴突、突触 他们构建的方式是可以调整的 我们会有一些输入的放电信号视为放电频率或输入的强度 X1​w1​X2​w2​X3​w3​ 权值w基本相当于神经元对每个输入的增益或敏感性 计算这些输入的和∑i=1k​xi​wi​ 阅读全文

摘要： Evernote Export 1.什么是回归？ regression 在监督学习中，包括了输入和输出的样本，在此基础上，我们能够通过新的输入来表示结果，映射到输出 输出包含了离散输出和连续输出 2.回归与函数逼近 回归并不是指向平均值回落，而是使用函数形式来逼近一堆数据点 3.线性回归 什么是线性 阅读全文

摘要： Evernote Export 1.监督学习 我们向系统中输出样本，并且告诉系统样本标签(target)，系统用我们给出的不同样本的成功与失败的信息，构建它对成功或失败的因素的理解。 2.分类与回归之间的区别 分类知识一个获取某类输入的过程，然后将它(x)映射到某些离散标签（T or F） 分类与回 阅读全文

摘要： Evernote Export 实例：要对其进行预测的事物。例如，实例可以是一个网页，您希望将其分类为“与猫相关”或“与猫无关”。 标签：预测任务的答案，它可以是由机器学习系统生成的答案，也可以是训练数据中提供的正确答案。例如，某个网页的标签可能是“与猫相关”。 特征：预测任务中使用的实例的属性。例 阅读全文

摘要： Evernote Export 机器学习的运行步骤 1.导入数据 没什么注意的，成功导入数据集就可以了，打印看下数据的标准格式就行 用个info和describe 2.分析数据 这里要详细分析数据的内容，看看缺省值和数据的特征，主要是为了看到数据的特征，并且人肉分析一下特征值对目标值的大约影响，嗯， 阅读全文