使用时间特征使让机器学习模型更好地工作
在本文中，我将通过一个实际示例讨论如何从 DateTime 变量中提取新特征以提高机器学习模型的准确性。
K-means与DBSCAN聚类算法
K-means聚类算法与DBSCAN算法是聚类问题中的典型算法，本文通过流程图、Spss、以及伪代码等形式做一个分享，希望读者更好地了解这两种算法
一文详解向量导数与矩阵导数
目录一、向量对标量求导（标量对向量求导）二、矩阵对标量求导（标量对矩阵求导）三、乘法法则（Product Rule）3.1 逆矩阵的导数（逆矩阵对标量求导）四、矩阵的迹对矩阵求导4.1 一些推论一、向量对标量求导（标量对向量求导）设 a=(a1,a2,⋯ ,an)\boldsymbol{a}=(a_
【Matplotlib】pyplot的高级功能
添加图例与注释给图形添加图例代码import numpy as npimport matplotlib.pyplot as pltnbSamples = 128x = np.linspace(-np.pi, np.pi, nbSamples)y1 = np.sin(x)y2 = np.cos(x)p
论文推荐-使用 Noisy Student 进行自训练可以提高 ImageNet 分类的表现
使用 Noisy Student 进行自训练改进 ImageNet 分类是一篇由 Google Research、Brain Team 和Carnegie Mellon大学发表在2020 CVPR的论文
这9个特征工程的使用技巧，解决90%机器学习问题
特征是什么？为什么需要工程设计？基本上，所有机器学习算法都是将一些输入数据转化为输出。这些输入数据包括若干特征，通常是以由列组成的表格形式出现。而算法往往要求输入具有某些特性的特征才能正常工作。因此，出现了对特征工程的需求。特征工程至少有两个目标，构建适合机器学习算法要求的输入数据。改善机器学习模型
协同过滤推荐算法
一、协同过滤思想简介二、协同过滤算法原理介绍三、基于用户的协同过滤算法描述四、基于物品的协同过滤算法(item-based collaborative filtering)基于物品的协同过滤算法的优缺点一、协同过滤思想简介协同过滤，从字面上理解，包括协同和过滤两个操作。首先我们在外出和朋友吃饭的时候
5分钟NLP - SpaCy速查表
SpaCy 是一个免费的开源库，用于 Python 中的高级自然语言处理包括但不限于词性标注、dependency parsing、NER和相似度计算。它可帮助构建处理和理解大量文本的应用程序可用于多种方向，例如信息提取、自然语言理解或为深度学习提供文本预处理。
深度学习入门之神经网络
接着啃书第三章
Python学习笔记——Numpy的初步学习
关于numpy模块的简单学习，欢迎大家多多指教
伪标签：用于深度神经网络的简单高效的半监督学习方法
未标记的数据由监督学习网络标记，即所谓的伪标记。然后使用标记数据和伪标记数据训练网络。
2022年必须要了解的20个开源NLP 库
在本文中，我列出了当今最常用的 NLP 库，并对其进行简要说明。它们在不同的用例中都有特定的优势和劣势，因此它们都可以作为专门从事 NLP 的优秀数据科学家备选方案。每个库的描述都是从它们的 GitHub 中提取的。
矩量母函数介绍
1 矩量母函数 矩量母函数又称矩母函数（Moment Generating Function）又称动差生成函数，是一种构造函数，其定义为：随机变量XXX是连续型随机变量时，其矩量母函数为：MX(t)=E(etX)=∫−∞+∞etxf(x)dxM_X(t)=\mathrm{E}(e^{tX})=\in
高斯函数、高斯积分和正态分布
本篇文章我们首先将研究高斯函数的一般定义是什么，然后将看一下高斯积分，其结果对于确定正态分布的归一化常数是非常必要的。最后我们将使用收集的信息理解，推导出正态分布方程。
【顶会学习计划】万字吃透NER
NLP系列顶会学习计划，今天研究的是顶会ACL2018的一篇文章，并尝试在相同数据集上自己实现模型，领会STOA的魅力！
机器学习之Python开源教程——专栏介绍及理论知识概述
机器可以解决重复的工作，比如1+......+100=？如果是一个大脑，你可以在1秒钟立刻算出这些值吗？但是对于机器却是可以的，计算机程序针对大量的、重复的、具有规律的、可移植性的问题进行学习和求解，这一切的缘由都应该来自于“规律”——算法 机器是无法自己独立思考的，只有针对某种数学公
RVN 一种新的聚类算法
RVN 的灵感来自一家家具公司的商业案例，由于每件家具都有不同的形状和大小，所以创建了可以考虑每个点大小的 RVN 算法
Matplotlib 绘图 笔记
from jupyterthemes import jtplotjtplot.style(theme='monokai') #选择一个绘图主题import matplotlib.pyplot as plt# 个别环境需要以下代码%matplotlib inlineplt.figure()plt.pl
python使用StringIO读取字符串内容，并使用pandas基于字符串内容生成dataframe
python使用StringIO读取字符串内容，并使用pandas基于字符串内容生成dataframe
1月论文推荐：Hyper-Tune 满足大规模高效分布式自动超参数调整的 SOTA 架构
北京大学、苏黎世联邦理工学院和快手科技的研究团队提出了 Hyper-Tune，这是一种高效、健壮的分布式超参数调优框架
