2018年11月12日

关于Cross-validation的学习笔记

摘要: 1.train_test_split函数 train_test_split函数可以很快的将数据划分为训练集和测试集,以iris数据集为例,用svm算法来做分类预测: 下面可以用train_test_split函数来将数据分为训练集和测试集 score显示,此训练后的分类器预测的正确率为0.96666 阅读全文

posted @ 2018-11-12 23:08 小马927 阅读(304) 评论(0) 推荐(0)

2018年11月7日

Sklearn.metrics类的学习笔记----Classification metrics

摘要: 关于分类问题的metrics有很多,这里仅介绍几个常用的标准。 1.Accuracy score(准确率) 假设真实值为$y$,预测值为$\hat{y}$,则Accuracy score的计算公式为: $accuracy(y,\hat{y}) = \dfrac 1 m \displaystyle\s 阅读全文

posted @ 2018-11-07 13:35 小马927 阅读(2741) 评论(0) 推荐(0)

Sklearn.metrics类的学习笔记----Regression metrics

摘要: Sklearn.metrics类为sklearn包里的metric类,今天先学习关于Regression metrics 的一些方法。 1.Explained variance score 假设真实值为$y$,预测值为$\hat{y}$,则Explained variance score的计算公式为 阅读全文

posted @ 2018-11-07 10:29 小马927 阅读(933) 评论(0) 推荐(0)

2018年11月2日

SQL中的常见问题

摘要: 1.with as 的用法 解释:意思就是将查询语句放入到临时表table_name中去,然后再进行对临时表table_name的操作。 如果想要多个临时表,后面可以继续跟as语句,例如: 三个临时表创建完毕后再写对该三个表操作的语句。 2.存储过程 (1)创建存储过程 例如: (2)创建带参数的存 阅读全文

posted @ 2018-11-02 12:37 小马927 阅读(230) 评论(0) 推荐(0)

2018年11月1日

SQL中排序函数的用法

摘要: SQL中的排序函数有三:1、row_number() over();2、rank() over();3、dense_rank() over(),具体用法如下: 1.row_number() over(partition by 列名 order by 列名 [desc]) 其中,partition b 阅读全文

posted @ 2018-11-01 22:21 小马927 阅读(1308) 评论(0) 推荐(0)

2018年10月17日

矩阵求导介绍

摘要:   在看机器学习书籍的时候,经常会用到矩阵求导,因此,总结一下自己对于矩阵(向量)求导的一些思考,便于后期查阅。   下面的内容主要是参考Andrew Ng的课程里介绍的关于矩阵的迹以及矩阵求导的思想,总结而成的笔记。   首先,先介绍一个 阅读全文

posted @ 2018-10-17 07:25 小马927 阅读(1197) 评论(0) 推荐(0)

2018年10月12日

信用评分模型简介

摘要: 1、信用评分模型出现的动机是什么?   我们去银行借款的时候,他们往往都会看我们的一些个人信息,比如,年龄,收入,家庭状况,工作单位,婚姻状况等,也会设置一些门槛,只有满足了一定的门槛才会贷款于你。但是这种对单个指标设置的门槛会存在一些问题,比如: (1)有些借款人虽说一些条件不满足,但是 阅读全文

posted @ 2018-10-12 21:23 小马927 阅读(8136) 评论(0) 推荐(0)

A/B test小结

摘要: 1、何为A/B test A/B test 是一种在线测试的方法,常用于新产品或新功能的测试。 我们为新产品设置A/B两个版本,在同一个时间维度,让组成成分相同或相似的两组用户去访问这两个版本,收集体验数据,最后分析出更好的版本。 2、如何A/B test 使用A/B test首先需要建立一个待测试 阅读全文

posted @ 2018-10-12 16:44 小马927 阅读(407) 评论(0) 推荐(0)

2018年9月27日

手写逻辑回归算法

摘要: 1. 模型 逻辑回归的Model为:$ h_\theta(x)=\dfrac 1 {1+e^{ (\theta^Tx+b)}} $ 2.代价函数 针对一个样本的代价函数为: if y = 1 : $ cost(x)= log(h_\theta(x))$ if y = 0 : $ cost(x)= l 阅读全文

posted @ 2018-09-27 22:55 小马927 阅读(519) 评论(0) 推荐(0)

导航