cyydjt的博客

关于变量分箱主要分为两大类：有监督型和无监督型对应的分箱方法：A. 无监督：(1) 等宽 (2) 等频 (3) 聚类B. 有监督：(1) 卡方分箱法(ChiMerge) (2) ID3、C4.5、CART等单变量决策树算法 (3)  信用评分建模的IV最大化分箱 等本篇使用python，基...

关于变量分箱主要分为两大类：有监督型和无监督型对应的分箱方法：A. 无监督：(1) 等宽 (2) 等频 (3) 聚类B. 有监督：(1) 卡方分箱法(ChiMerge) (2) ID3、C4.5、CART等单变量决策树算法 (3)  信用评分建模的IV最大化分箱 等本篇使用python，基...

斯坦福CS231N课程学习经过多方面的查找资料，对比学习，发现了一个很好的机器学习的课程，斯坦福CS231N课程，课程链接见：http://cs231n.stanford.edu/，课程的大纲和课程表见：http://cs231n.stanford.edu/syllabus.html，里面有课程中用到的ppt等资源，读者可以下载下来进行查看，课程的相关笔记见：http://cs231n.gith...

使用Apriori进行关联分析（一） 　　大型超市有海量交易数据，我们可以通过聚类算法寻找购买相似物品的人群，从而为特定人群提供更具个性化的服务。但是对于超市来讲，更有价值的是如何找出商品的隐藏关联，从而打包促销，以增加营业收入。其中最经典的案例就是关于尿不湿和啤酒的故事。怎样在繁杂的数据中寻找到数据之间的隐藏关系？当然可以使用穷举法，但代价高昂，所以需要使用更加智能...

综述　　在计算广告中，CTR是非常重要的一环。对于特征组合来说，业界通用的做法主要有两大类：FM系列和Tree系列。这里我们来介绍一下FM系列。 　　在传统的线性模型中，每个特征都是独立的，如果需要考虑特征与特征之间的相互作用，可能需要人工对特征进行交叉组合。非线性SVM可以对特征进行核变换，但是在特征高...

CSDN：http://blog.csdn.net/kicilove/article/Github：https://github.com/zhaohuicici?tab=repositories原文链接：https://www.analyticsvidhya.com/blog/2016/03/comple...

对于分类模型，常用的指标有混淆矩阵、ROC曲线，AUC值，KS曲线以及KS值、Lift图，Gain图等，查阅了很多的资料，加入自己的理解整理了一下他们的计算方法和意义，希望对大家有帮助。1. 混淆矩阵---确定截断点后，评价学习器性能假设训练之初以及预测后，一个样本是正例还是反例是已经确定的，这个时候，样本应...

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/sb19931201/article/details/52557382 xgboost入门与实战（原理篇）前言： xgboost是大规模并行boosted tr...

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/sb19931201/article/details/52577592 xgboost入门与实战（实战调参篇）前言前面几篇博文都在学习原理知识，是时候上数据上模型跑...

写在前面：DataCastle智慧中国杯全国大数据创新应用大赛：本次参加的是三大赛题中的用户贷款风险预测（算法竞赛） 距离上次发博文又过去近两个月了，坚持写博客是件不容易的事，还得继续努力！中间过了个年，打了个比赛，时间过得真快，不过没有闲着，用寒假时间终于拿到比较满意的成绩。参加这个比赛是快放寒假的时候，想寒假找点事做做，当时就DC有三个比赛了吧，交通赛数据太大玩不动，教育赛觉得没意思，于是...

概述本文使用Kaggle上的一个公开数据集，从数据导入，清理整理一直介绍到最后数据多个算法建模，交叉验证以及多个预测模型的比较全过程，注重在实际数据建模过程中的实际问题和挑战，主要包括以下五个方面的挑战：缺失值的挑战异常值的挑战不均衡分布的挑战(多重)共线性的挑战预测因子的量纲差异以上的几个主要挑战，对于熟悉机器学习的人来说，...

版权声明：博主原创文章，微信公众号：素质云笔记,转载请注明来源“素质云博客”，谢谢合作！！ https://blog.csdn.net/sinat_26917383/article/details/80610572 Apriori算法是通过限制候选产生发现频繁...

版权声明：本文为博主原创文章，未经博主允许不得转载。有问题可以加微信：lp9628(注明CSDN)。 https://blog.csdn.net/u014365862/article/details/79040390 </div> ...

聚类的基本思想俗话说"物以类聚，人以群分"聚类（Clustering）是一种无监督学习(unsupervised learning)，简单地说就是把相似的对象归到同一簇中。簇内的对象越相似，聚类的效果越好。定义：给定一个有个对象的数据集，聚类将数据划分为个簇，而且这个划分满足两个条件：(1)每个簇至少包含一个对象；(2)每个对象属于且仅属于一个簇。基本思想：对给定的，算法首先给出一个初始的...

转 一篇写的很好的XGBoost的博客（于简书转载） 2017年12月23日 17:05:38 fourierr 阅读数：817 ...

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/kevin7658/article/details/50780391 1.IV的用途IV的全称是Information Value，中文意思是信息价值，或者信息量。我们在用逻辑回归...

几种常用的特征选择方法转载 2016年12月14日 16:33:38标签：特征选择6084结合Scikit-learn介绍几种常用的特征选择方法原文  http://dataunion.org/14072.html主题 特征选择 scikit-lea...

现实中产生的特征维度可能很多，特征质量参差不齐，不仅会增加训练过程的时间，也可能会降低模型质量。因此，提取出最具代表性的一部分特征来参与训练就很重要了。通常有特征抽取和特征选择两种方法。这里分别介绍一下。特征抽取特征抽取中最常见的当属PCA了。PCA对于特征之间存在正交关系，数据满足高斯分布或指数分布的数据，作线性变换，使用方差、协方差去噪，生成新的主元，接下来按重要性排序后取少数参与训...

主成分分析（PCA）是一种数据降维技巧，它能将大量相关变量转化为一组很少的不相关变量，这些无关变量称为主成分。探索性因子分析（EFA）是一系列用来发现一组变量的潜在结构的方法，通过寻找一组更小　的、潜在的或隐藏的结构来解释已观测到的、变量间的关系。1.R中的主成分和因子分析R的基础安装包中提供了PCA和EFA的函数，分别为princo...

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/weixin_36220483/article/details/52639469 概述本文使用Kaggle上的一个公开数据集，从数据导入，清理整理一直介绍到最后数据多...

转 Kaggle 机器学习竞赛冠军及优胜者的源代码汇总 2016年11月18日 22:52:31 愤怒的屎壳郎 阅读数：1425 ...

主成分分析和因子分析的理论与速成应用丨R语言和SPSS比较案例小卫哥之数据分析R语言学习者、爬虫、SPSS、民谣​关注他13 人赞了该文章本章内容□ 主成分分析□ 探索性因子分析□ 理解其他潜变量模型学习计划：背景在实际的科学研究中，为了更好地、全面地、完整地把握和认识问题，我们往往对反映问题的多个变量进行大量观测，尽可能多地收集关于分析对象的数据信息。在大多数情况下，这些变量之间可能存在着相关性...

版权声明：博主原创文章，微信公众号：素质云笔记,转载请注明来源“素质云博客”，谢谢合作！！ https://blog.csdn.net/sinat_26917383/article/details/80905004 模型融合的方法很多，Voting、Avera...

版权声明：博主原创文章，微信公众号：素质云笔记,转载请注明来源“素质云博客”，谢谢合作！！ https://blog.csdn.net/sinat_26917383/article/details/57419862 经统专业看到预测的packages都是很眼馋...

版权声明：博主原创文章，微信公众号：素质云笔记,转载请注明来源“素质云博客”，谢谢合作！！ https://blog.csdn.net/sinat_26917383/article/details/70577710 之前关于聚类题材的博客有以下两篇： 1、 笔记︱...

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/yawei_liu1688/article/details/78674453          机器学习里有一句名言：数据和特征决定了机器学习的上限，...

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/Qton_CSDN/article/details/70185929 话不多说，相信看到这篇文章的你一定是对数据分析，数据挖掘有兴趣，或者想从事和方面。本文不再累述python对数据分析的重要，数据分...

原文地址：https://machinelearningmastery.com/machine-learning-ensembles-with-r/集成学习能够提升准确率，而本文将会介绍如何用R建立三种高效的集成学习模型。 本次案例研究将手把手地教你实现bagging、boosting、stacking，...

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/willduan1/article/details/73618677 集成学习主要分为 bagging， boosting 和 stacking方法。本文主要是介绍st...

原文链接 http://m.nowcoder.com/discuss/15168?type=2&order=0&pos=5&page=0&from=timeline&isappinstalled=0原作者分享的福利： 推荐书籍和简历模板 链接: http://pan...

用xgboost模型对特征重要性进行排序在这篇文章中，你将会学习到：xgboost对预测模型特征重要性排序的原理（即为什么xgboost可以对预测模型特征重要性进行排序）。 如何绘制xgboost模型得到的特征重要性条形图。 如何根据xgboost模型得到的特征重要性，在scikit-learn进行特...

    RandomForest algorithm之python实现          写在之前：像一个优秀的工程师一样使用机器学习，而不要像一个机器学习专家一样使用机器学习方法。--Google  &nbs...

R 语言：#loadDataloadData <- function(){  dataSet = matrix(c(1,1,0,"yes",1,1,1,"yes",1,0,1,"no",0,1,0,"no",0,1,1,"no"),byrow = T, nrow =5)  colnames(dataSet) = c("a","b","c&quot