手写感知机并进行训练测试
手写感知机并进行训练与测试
逻辑回归原理梳理_以python为工具 【Python机器学习系列（九）】
逻辑回归原理梳理_以python为工具 【Python机器学习系列（九）】1.传统线性回归2.引入sigmoid函数并复合3. 代价函数4.似然函数也可以5. python梯度下降实现逻辑回归
【机器学习算法】关联规则2 FPgrowth法算法
Apriori算法的提升，Fpgrowth
PointNeXt：个人阅读笔记（WZS的博客）
我们发现，性能提高的很大一部分是由于改进了培训策略，即数据扩充和优化技术，以及增加了模型大小，而非架构创新。
几行 Python 代码就可以提取数百个时间序列特征
python的tsfresh包可以为时间序列数据生成标准的数百个通用特性。在本文中，我们将深入讨论tsfresh包的使用。
【机器学习算法】关联规则-1 关联规则的概念，Apriori算法，实例和优缺点
关联规则的概念，关联规则的两个指标，支持度和置信度，apriori的算法
5个例子学会Pandas中的字符串过滤
要处理文本数据，需要比数字类型的数据更多的清理步骤。为了从文本数据中提取有用和信息，通常需要执行几个预处理和过滤步骤。
Clustering Coefficient
关于网络中聚类系数的计算——LCC和GCC的计算方法，GCC的计算方法涉及平均LCC和Transitivity两种，并比较了一下差异
机器学习之聚类——从教授的等式到凸聚类
机器学习之聚类——从教授的等式到凸聚类
你的模型是最好的还是最幸运的？选择最佳模型时如何避免随机性
对于数据科学家来说，知道模型选择中哪一部分是偶然发挥的作用是一项基本技能。在本文中，我们将说明如何量化选择最佳模型过程中涉及的随机性。
2022年8月的10篇论文推荐
10篇关于强化学习(RL)、缩放定律、信息检索、语言模型等的论文推荐
图文详解Logistic回归原理(两种优化)+Python实现
Logistic回归本质上是在线性回归基础上，将预测值映射到概率区间内的分类学习方法。本文图文详解Logistic回归算法原理+手推公式，附Python代码实战加深理解
机器学习_LGB调参汇总（开箱即食）
在数据层面的一些正负采样，业务层面一些数据筛选，以及异常值的处理后。我们进行模型训练，同时需要对模型进行参数的调整，以提升模型的精度。笔者就一些现有的调参框架进行汇总。
【机器学习】网络爬虫实战详解
【机器学习】网络爬虫实战详解，基于百度飞桨开发，参考于《机器学习实践》所作。
【机器学习】Python常见用法汇总
【机器学习】Python常见用法汇总，基于百度飞桨开发，参考于《机器学习实践》所作。
7个步骤详解AdaBoost 算法原理和构建流程
AdaBoost 是集成学习中的一个常见的算法，它模仿“群体智慧”的原理：将单独表现不佳的模型组合起来可以形成一个强大的模型。
【深度学习】笔记2-模型在测试集的准确率大于训练集
在模型训练过程中突然发现，模型的准确率在测试集上居然比在训练集上还要高。但是我们知道，我们训练模型的方式就是在训练集上最小化损失。因此，模型在训练集上有着更好的表现，才应该是正常的现象。那么，是什么导致了在测试集上准确率更高的现象呢？......
sklearn实现一元线性回归 【Python机器学习系列（五）】
sklearn实现一元线性回归 【Python机器学习系列（五）】
【机器学习】数据科学基础——机器学习基础实践（一）
【机器学习】数据科学基础——机器学习基础实践，基于百度飞桨开发，参考于《机器学习实践》所作。
10个自动EDA库功能介绍：几行代码进行的数据分析靠不靠谱
在本文中整理了10个可以自动执行EDA并生成有关数据的见解的软件包，看看他们都有什么功能，能在多大程度上帮我们自动化解决EDA的需求。
