稀疏特征和密集特征
在机器学习中，特征是指对象、人或现象的可测量和可量化的属性或特征。特征可以大致分为两类：稀疏特征和密集特征。
选择最佳机器学习模型的10步指南
机器学习可以用来解决广泛的问题。但是有很多多不同的模型可以选择，要知道哪一个适合是一个非常麻烦的事情。本文的总结将帮助你选择最适合需求的机器学习模型。
R实战 | 限制性立方样条(RCS)
RCS在科学研究中，我们经常构建回归模型来分析自变量和因变量之间的关系。大多数的回归模型有一个重要的假设就是自变量和因变量呈线性关联。当自变量和因变量之间为非线性关系时，可以将连续型变量转化为分类变量，但是分类变量的类别数目以及节点位置的选择一般会带有主观性并且分类变量会损失部分信息；也可以直接拟合
在Pandas中通过时间频率来汇总数据的三种常用方法
当我们的数据涉及日期和时间时，分析随时间变化变得非常重要。Pandas提供了一种方便的方法，可以按不同的基于时间的间隔(如分钟、小时、天、周、月、季度或年)对时间序列数据进行分组。
02-18 周六 图解机器学习之SMV 第五章5-2
本文主要详细描述了机器学习中分类，尤其是svm，在分类标签classes_,predict等的属性的访问。并且描述了ovo和ovr两种分类器时的训练方式。本文也消息描述了controur、meshgrid的使用技巧。
广义学习矢量量化(GLVQ)分类算法介绍和代码实现
广义学习矢量量化（Generalized Learning Vector Quantization，GLVQ）是一种基于原型的分类算法，用于将输入数据分配到先前定义的类别中。
计算时间序列周期的三种方法
周期是数据中出现重复模式所需的时间长度。更具体地说，它是模式的一个完整周期的持续时间。在这篇文章中，将介绍计算时间序列周期的三种不同方法。
Python中模拟键盘输入常见键位编号对照表
有时候我们在调试一些程序时会需要模拟键盘进行调试，少的还好点，多的话很容易使我们的手产生疲劳，这是我们就可以用程序模拟键盘进行输出：首先我们导入win32api和win32con模块import win32apiimport win32conwin32api.keybd_event(17,0,0,0
概率和似然
在日常生活中，我们经常使用这些术语。但是在统计学和机器学习上下文中使用时，有一个本质的区别。本文将用理论和例子来解释概率和似然之间的关键区别。
yolov5目标检测神经网络——损失函数计算原理
yolov5神经网络的损失函数计算原理
知识图谱嵌入模型 (KGE) 的总结和比较
知识图谱嵌入(KGE)是一种利用监督学习来学习嵌入以及节点和边的向量表示的模型。本文将常见的KGE 模型在捕获关系类型方面的比较
Python时间序列分析--ARIMA模型实战案例
Python时间序列分析--ARIMA模型实战案例
10个用于可解释AI的Python库
XAI的目标是为模型的行为和决定提供有意义的解释，本文整理了目前能够看到的10个用于可解释AI的Python库
概率还不会的快看过来《统计学习方法》——第四章、朴素贝叶斯法
作者简介：整个建筑最重要的是地基，地基不稳，地动山摇。而学技术更要扎稳基础，关注我，带你稳扎每一板块邻域的基础。博客主页：啊四战斗霸的博客专栏：《统计学习方法》第二版——个人笔记创作不易，走过路过别忘了三连击了哟！！！关注作者，不仅幸运爆棚，未来更可期！！！***有代码，就有注释！！！Triple
[机器学习、Spark]Spark机器学习库MLlib的概述与数据类型
MLlib是Spark提供的可扩展的机器学习库，其特点是采用较为先进的迭代式、内存存储的分析计算，使得数据的计算处理速度大大高于普通的数据处理引擎。MLlib的主要数据类型包括本地向量、标注点、本地矩阵。本地向量和本地矩阵是提供公共接口的简单数据模型，Breeze和Jblas提供了底层的线性代数运算
机器学习评估指标的十个常见面试问题
评估指标是用于评估机器学习模型性能的定量指标。本文整理了10个常见的问题。
AI遮天传 ML-决策树(二)
决策树学习第二章
Mac系统HomeBrew安装过程
今天重装系统了，记录下安装Brew的安装过程。这里仅仅做一个记录，自己亲测，可用。如果有问题，可以一起来讨论。
Numpy中数组和矩阵操作的数学函数
Numpy 是一个强大的 Python 计算库。它提供了广泛的数学函数，可以对数组和矩阵执行各种操作。本文中将整理一些基本和常用的数学操作。
3个用于时间序列数据整理的Pandas函数
本文将演示 3 个处理时间序列数据最常用的 pandas 操作
