自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(3)
  • 收藏
  • 关注

原创 知识整理备忘录

知识整理备忘录知识整理统计学习相关知识&网站相关知识相关网站 知识整理 统计学习相关知识&网站 相关知识 自由度 用可视化思维解读统计自由度. 统计学知识梳理 统计学知识大梳理 卡方检验、t检验和方差分析的区别 卡方检验、t检验和方差分析的区别 卡方检验 相关网站 1.统计之都论坛 ...

2020-11-07 22:40:29 178

转载 PCA学习笔记

@[TOC](主成分分析法(Principal Component Analysis)学习笔记) 本章学习搬运来源:http://blog.codinglabs.org/articles/pca-tutorial.html PCA的数学原理. PCA的数学原理 PCA算法 PCA算法步骤: 设有m条n维数据。 1)将原始数据按列组成n行m列矩阵; 2)将X的每一行(每一行代表一个属性字段,每一列代表一条记录)进行零均值化,即减去这一行的均值; 3)求出协方差矩阵 C=1mXXTC = \frac{1}{

2020-05-26 20:14:33 323

原创 特征工程

特征工程特征工程小结特征工程是什么?特征工程包括什么? 特征工程小结 这一节主要记录学习 特征工程入门和实践 书籍的记录 特征工程是什么? 特征工程(feature engineering)是这样一个过程:将数据转换为能更好地表示潜在问题的特征,从而提高机器学习性能。 特征工程包括什么? 1.特征理解:学习如何识别定量数据和定性数据。 2.特征增强:清洗和填充缺失值,最大化数据集的价值。 3.特征选择:通过统计方法选择一部分特征,以减少数据噪声。 4.特征构建:构建新的特征,探索特征间的联系。 5.特征转换

2020-05-20 12:04:51 137

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除