降维和特征选择的对比介绍
在machine learning中，特征降维和特征选择是两个常见的概念，在应用machine learning来解决问题的论文中经常会出现。特征降维和特征选择的目的都是使数据的维数降低，使数据维度降小。但实际上两者的区别是很大，他们的本质是完全不同的。
【seaborn】sns.set() 绘图风格设置
从这个set()函数，可以看出，通过它我们可以设置背景色、风格、字型、字体等。我们定义一个函数，这个函数主要是生成100个0到15的变量，然后用这个变量画出6条曲线。那么，问题来了，有人会说，这个set()函数这么多参数，只要改变其中任意一个参数的值，绘图效果就会发生变化，那我们怎么知道哪种搭配是最
2022 CCF BDCI 返乡发展人群预测 [0.9117+]
返乡发展人群预测：基于中国联通的大数据能力，通过使用对联通的信令数据、通话数据、互联网行为等数据进行建模，对个人是否会返乡工作进行判断A榜的结果为0.91171720。
新冠疫情预测模型--逻辑斯蒂回归拟合、SEIR模型
通过构建统计学模型、数学模型，或者利用机器学习、深度学习方法拟合疫情发展趋势，利用历史数据对未来的确诊病例等疫情形势进行预测，比如说，逻辑斯蒂生长曲线拟合数据，预测未来几天可能的发展趋势；或者利用时间序列模型构建预测模型；也可用LSTM构建预测模型，一种特殊的RNN网络。以上方法，除生长曲线外，
机器学习实战3：基于朴素贝叶斯实现单词拼写修正器(附Python代码)
本文基于朴素贝叶斯原理实现一个有趣的应用——单词拼写修正器，并梳理一些贝叶斯公式中的细节加深理解，最后给出python代码
自动驾驶入门必须要学会的ADAS（详解）
ADS分类详解
PCA降维原理 操作步骤与优缺点
PCA全称是Principal Component Analysis，即主成分分析。它主要是以“提取出特征的主要成分”这一方式来实现降维的。 介绍PCA的大体思想，先抛开一些原理公式，如上图所示，原来是三维的数据，通过分析找出两个主成分PC1和PC2，那么直接在这两个主成分的方向上就可以形成一个平面
为深度学习选择最好的GPU
加快训练速度，更快的迭代模型
自编码器(Auto-Encoder)
一、自编码器原理自编码器算法属于自监督学习范畴，如果算法把x作为监督信号来学习，这里算法称为自监督学习(Self-supervised Learning)在监督学习中神经网络的功能:。是输入的特征向量长度，是网络输出的向量长度。对于分类问题，网络模型通过把长度为输入特征向量????变换到长度为的输出
【数据科学项目02】：NLP应用之垃圾短信/邮件检测（端到端的项目）
随着产品和服务在线消费的增加，消费者面临着收件箱中大量垃圾邮件的巨大问题，这些垃圾邮件要么是基于促销的，要么是欺诈性的。由于这个原因，一些非常重要的消息/电子邮件被当做垃圾短信处理了。在本文中，我们将创建一个 垃圾短信/邮件检测模型，该模型将使用朴素贝叶斯和自然语言处理(NLP) 来确定是否为垃圾短
SPSS软件实操——ARIMA时间序列预测模型
案例：基于ARIMA模型对螺纹钢价格预测——以南昌市为例
机器学习中的数据预处理方法与步骤
机器学习预处理详细方法
Python绘制loss曲线、准确率曲线
使用 python 绘制网络训练过程中的的 loss 曲线以及准确率变化曲线，这里的主要思想就时先把想要的损失值以及准确率值保存下来，保存到 .txt 文件中，待网络训练结束，我们再拿这存储的数据绘制各种曲线。其大致步骤为：数据读取与存储 - > loss曲线绘制 - > 准确率曲线绘制我们首先要得
手把手调参最新 YOLOv7 模型 训练部分 - 最新版本（二）
YOLO科研Trick改进推荐 | 包括Backbone、Neck、Head、注意力机制、IoU损失函数、NMS、Loss计算方式、自注意力机制、数据增强部分、激活函数
机器学习分类算法之XGBoost（集成学习算法）
目录走进XGBoost什么是XGBoost？XGBoost树的定义XGBoost核心算法正则项：树的复杂程度XGBoost与GBDT有什么不同XGBoost需要注意的点XGBoost重要参数详解调参步骤及思想XGBoost代码案例相关性分析n_estimators（学习曲线）max_depth（学习
深度学习常见名词概念：Sota、Benchmark、Baseline、端到端模型、迁移学习等的定义
深度学习：Sota的定义sota实际上就是State of the arts 的缩写，指的是在某一个领域做的Performance最好的model，一般就是指在一些benchmark的数据集上跑分非常高的那些模型。
一文带你了解推荐系统常用模型及框架
通过对用户之间的关系，用户对物品的评价反馈一起对信息进行筛选过滤，从而找到目标用户感兴趣的信息。用户—商品的评分矩阵（该矩阵很可能是稀疏的）用户\物品xxxxxx行向量表示每个用户的喜好，列向量表明每个物品的属性余弦相似度皮尔逊相关系数欧氏距离曼哈顿距离主要有基于用户的协同过滤与基于物品的协同过滤。
[机器学习、Spark]Spark MLlib分类
线性支持向量机在机器学习领域中是一种常见的判别方法，是一一个有监督学习模型,通常用来进行模式识别，分类以及回归分析。通过找到支持向量从而获得分类平面的方法，称为支持向量机。可以非常成功地处理回归（时间序列分析）和模式识别（分类问题、判别分析）等诸多问题，并可推广到预测和综合评价等领域，因此可应用于理
ROC曲线绘制（Python）
我看谁还不会用Python画出ROC曲线！！！
