-
详解ROC/AUC计算过程
http://www.voidcn.com/article/p-yyudlykx-cb.html -
激活函数的作用、定义和微分证明
http://www.cnblogs.com/steven-yang/p/6357775.html -
【线性代数】正交基、标准正交基、正交矩阵,正交变换等数学知识点
https://blog.csdn.net/u012421852/article/details/80475497 -
一起来读西瓜书:第十章 降维与度量学习
https://www.jianshu.com/p/2c7e8340decd -
偏差-方差分析
http://www.cnblogs.com/hithink/p/7372470.html
我们知道训练往往是为了得到泛化性能好的模型,对于模型估计出泛化性能,我们还希望了解它为什么具有这样的性能。这里所说的偏差-方差分解就是一种解释模型泛化性能的一种工具。它是对模型的期望泛化错误率进行拆解。
方差(训练集)主导泛化误差:过拟合
偏差(测试集)主导泛化误差:欠拟合 -
通俗易懂的主成分分析法(PCA)详解
(这篇文章写得很好)
http://blog.codinglabs.org/articles/pca-tutorial.html -
LightGBM算法总结
https://blog.csdn.net/weixin_39807102/article/details/81912566#1-lightgbm原理
https://blog.csdn.net/songbinxu/article/details/79452547 -
axis=1和axis=0
所以其实axis的重点在于方向,而不是行和列。具体到各种用法而言也是如此。当axis=1时,如果是求平均,那么是从左到右横向求平均;如果是拼接,那么也是左右横向拼接;如果是drop,那么也是横向发生变化,体现为列的减少。所以其实axis的重点在于方向,而不是行和列。具体到各种用法而言也是如此。当axis=1时,如果是求平均,那么是从左到右横向求平均;如果是拼接,那么也是左右横向拼接;如果是drop,那么也是横向发生变化,体现为列的减少。
当考虑了方向,即axis=1为横向,axis=0为纵向,而不是行和列,那么所有的例子就都统一了。题主的疑问也就迎刃而解。 -
矩阵* (对应位置相乘)和dot的区别(矩阵乘法)。
https://blog.csdn.net/like4501/article/details/79753346
零碎记录
最新推荐文章于 2024-06-26 13:32:49 发布