cindy407的博客

在进行机器学习之前，经常需要对训练数据进行标准化/归一化/正则化，为什么呢？**1）去除量纲的影响，将有量纲的数值变成无量纲的纯数值；2）是去除各特征之间数值差异过大的问题，比如一个向量（uv:10000, rate:0.03,money: 20)，如果要与其它向量一起计算欧氏距离或者余弦相似度时，会向uv倾斜非常严重，导致其余2个特征对模型的贡献度非常低3）提升训练的速度，防止过拟合一、...

在学习机器学习中，经常会遇到找不到合适的数据集的情况，后来才发现我们可以自己批量生成各种各样的数据，简直不要太惊喜！这里整理了一些常用的生成数据的方法一、Make_blobs(聚类生成器）n_samples:待生成的样本的总数n_features:每个样本的特征数,默认为2centers: 要生成的样本中心（类别）数，默认为3cluster_std: 每个类别的方差，默认为1shuff...

Kmeans是我接触的第一个机器学习算法，原理简单，却很实用，只要一想到聚类，基本上没有Kmeans解决不了的问题（此处略有夸张~~），本篇整理了Kmeans聚类原理，评判标准以及Sklearn实现过程一、Kmeans聚类原理用大白话来说，Kmeans就是把待分类的样本向量化，投射到坐标轴上，先定分几个类（假设3类），随机找3个点做为初始聚类中心，分别计算每个点到3个中心的距离，哪个最近，这个...

聚类通常分为以下步骤：① 业务提出需求② 根据业务需求，找到核心的指标。有现成的模型的话（如RFM)，可以直接按模型的指标，如果没有，先罗列出比较重要的指标③ 从数据库用SQL取出数据④ 对数据进行清洗，标准化/归一化/正则化⑤ 聚类，如果是现成的模型，则直接聚类即可，如果是拟定的指标，则对各指标进行相关性验证，剔除掉相关性较高的指标，再聚类⑥ 根据聚类结果，结合业务场景提供建议本篇...