Candylx的博客

原创 k近邻笔记

原创 建模调参

首先大致说一下各个Model逻辑回归模型它是一种线性模型，适用于二分类问题，因为他的决策函数可以是sigmoid函数，经过它的转换之后，就会变成一个0/1值，这就是为什么适合二分类的原因，它的优点也很多，比如训练速度较快，因为它在做分类的时候，计算量仅仅只和特征的数目相关，再比如它内存资源占用小，只需要存储各个维度的特征值，但也有很多缺点，比如逻辑回归需要预先处理缺失值和异常值，因为它无法处理缺失值。决策树模型它最大的优点就是可视化之后十分直观，可以清晰地知道它分类的指标是什么，而且数据不需要预处理

原创 feature_select

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsimport datetimefrom tqdm import tqdmfrom sklearn.preprocessing import LabelEncoderfrom sklearn.feature_selection import SelectKBestfrom sklearn.feature_selecti

原创 感知机心得

什么是感知机？感知机是一种二分类模型，输入为相应的向量，输出为类别，属于判别式模型。感知机是在数据集可分的情况下，求出一个超平面，使得此超平面可以将数据集一分为二、正反例完全分开。感知机模型f(x)=sign(ω⋅x+b)，此模型即为感知机模型，其中sign为符号函数，感知机模型的假设空间是定义在特征空间中的所有线性分类器，可以解释为，线性方程对应于特征空间的一个超平面S，此超平面将特征空间分为两部分，一部分为正类，一部分为反类。感知机的学习策略。首先假设数据集是线性可分得，感知机的学..

原创 金融风控大赛EDA部分

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsimport datetimeimport warningswarnings.filterwarnings('ignore')data_train = pd.read_csv('F:\\Datas\\Financial_risk_control\\train.csv')data_test_a = pd.read_c

原创 Hadoop伪分布式

更新相关软件包2. 下载SSh下载vim4. 安装net-tools5. List item

原创 Task01

PK�����/Q��<���/ �� ���Task01.md�Y[S��~ׯ�’�����bS���<�< �9gC�-�S[�H"œaƹ�&
�&4�@.�!I�H���?��I�����ڒlkB3�a@Hk��.�������r���>Y0�n|��Y��/L}؝�7_��X(�]ֶ��3s姗������ץ{W��6��uceF+��Fq�2u���’����p�r����_m’�m�G�x�+3z�m{�(

原创 决策树心得

以下是我看完《统计学习方法》之后的一些心得笔记，以此来记录自己的成长

原创 统计学习方法第一章导图