Gin077的专栏

https://www.bilibili.com/video/av29439387项目背景：信贷数据，是否是一笔正常、合理的贷款方案：本case采用LR来作检测1、样本不均衡解决方案：主要有过采样、下采样代码示例(下采样)：number_records_fraud = len(data[data.Class==1])fraud_indeces = np.array(dat...

https://blog.csdn.net/sinat_24143931/article/details/78798630根据这篇文章的介绍可以知道：1、person correlation coefficient（皮尔森相关性系数）就是两个变量(X, Y)的皮尔森相关性系数(ρX,Y)等于它们之间的协方差cov(X,Y)除以它们各自标准差的乘积(σX, σY)。它要求数据是连续数...

1、MLP和CNN的区别MLP丧失了二维图像信息，必须转成向量2、将全连接层转换为局部连接层stride和填充：stride步长，对于超出范围的区域，可以删除或者填充默认值，根据需要选择（pandding分别对应valid和same）3、卷积层的维度公式：卷积层中的参数数量卷积层中的参数数量取决于 filters、kernel_size 和 input_shap...

一个全面的了解 https://blog.csdn.net/itplus/article/details/37969519和Xin Rong 的论文：『word2vec Parameter Learning Explained』源码解析 https://schwimmer.github.io/2018/03/17/NLP/Word2vec-C%E4%BB%A3%E7%A0%81/源码地...

一、防止过拟合1、早期停止2、正则化3、Dropout 二、局部最低点和梯度消失的问题梯度值过小的话每次迭代得就会很慢，甚至不变，找不到最优点下面是一些解决方法1、改变激活函数如从sigmoid改为双曲正切函数或者relu2、批次和随机梯度下降3、学习率衰退4、随机重新开始5、动量 三、其他...

https://www.bilibili.com/video/av29438608/?p=11一  facetgrid展示数据集中的子集二 热力图：数据趋势变化用颜色表示出来

https://www.bilibili.com/video/av29438608/?p=10一 单变量1 直方图2 散点图3 回归分析图二 多变量分析1 类别变量三 盒图 四 琴图五 两张图的叠加五 条形图六 点图七 多层分类图...

http://dataunion.org/14072.htmlhttp://sklearn.apachecn.org/cn/0.19.0/modules/feature_selection.html

https://www.bilibili.com/video/av29438608?p=2seanborn是在matplotlib基础上封装了一层，应用了大量的模版，让我们很容易画出比较美观的图1 主题风格设置2 调色板 ...

https://www.bilibili.com/video/av29438238/?p=4plt.plot()plt.xtrick(rotation=45)plt.xlabel()/plt.ylabel()fig=plt.figure(figsize=(3,3))fig.add_subplot(4,1,(1/2/3/4))labelplt.legend(loc='be...

经典读物：Reinforcement Learning: An Introductionhttps://s3-us-west-1.amazonaws.com/udacity-dlnfd/suttonbookdraft2018jan1.pdf 伯克利 AI 课程：http://ai.berkeley.edu/lecture_videos.html David Silver 主讲的强化学习课程：h...

1、epsilon greedy 算法Q: 如何理解 greed-epsilon 方法／如何设置 epsilon／如何理解 exploration & exploitation 权衡？A: (1) 我们的小车一开始接触到的 state 很少，并且如果小车按照已经学到的 qtable 执行，那么小车很有可能出错或者绕圈圈。同时我们希望小车一开始能随机的走一走，接触到更多的 state。...

TD 预测：TD(0)虽然蒙特卡洛 (MC) 预测方法必须等到阶段结束时才能更新值函数估值，但是时间差分 (TD) 方法在每个时间步之后都会更新值函数。 对于任何固定策略，一步 TD（或 TD(0)）保证会收敛于真状态值函数，只要步长参数 \alphaα 足够小。 在实践中，TD 预测的收敛速度比 MC 预测得要快。TD 预测：动作值-（在此部分，我们讨论了估算动作值的 TD 预...

https://www.bilibili.com/video/av29442085新增个调参的链接：https://www.2cto.com/kf/201607/528771.html作为实际应用和面试中最喜欢问的一个算法 残差：当前真实值和预测值之差此处的gain可以类比cart树的基尼系数 Learning_rat...

最近想用下stacking，搜了很多，现在把所学到的记录下比较好的一个资料是：英文版：https://mlwave.com/kaggle-ensembling-guide/翻译版：https://blog.csdn.net/a358463121/article/details/53054686之前乱搜一通，发现stack和blend傻傻分不清楚，后来才知道很多人stack和blen...