- 博客(332)
- 收藏
- 关注
RSS订阅
1原创 机器学习基本理论
（gradient descent）是一种常用的一阶优化方法，是求解无约束优化问题最简单、最经典的方法之一。梯度下降法是迭代算法，基本思路就是先选取一个适当的初始值，然后沿着梯度方向或者负梯度方向，不停地更新参数，最终取到极小值。AUC值越大，模型区分正负类的能力越强，模型性能越好。（Feature Engineering）是机器学习过程中非常重要的一步，指的是通过对原始数据的处理、转换和构造，生成新的特征或选择有效的特征，从而提高模型的性能。对于模型一次预测结果的好坏，需要有一个度量标准。
2026-04-21 17:17:34
370
原创 迭代器、生成器、装饰器面试题总结
答:生成器是懒人版的迭代器，使用yield函数返回数据，一边计算一边循环，可以节省内存。答:迭代器是可以记住遍历位置的对象，从第一个元素开始访问只能向前不能后退。答:ruturn直接返回函数结束，yield暂定到当前位置，下次继续运行。可迭代对象包括:列表、字符串、元组等实现了__ilter__()，可以拿到迭代器。答:不修改原函数代码的基础上，动态给函数加功能，本质上是闭包。答:省内存、适合答数据/无序数据、惰性计算。答:日志记录、性能分析、权限控制、缓存。: 将方法转换为属性，使其可以像属性一样访问。
2026-03-27 12:00:20
73
原创 重温项目之:Titanic Tutorial
优势:抗过拟合能力强，适合高纬度数据(如基因表达，图像特征),且可以自动处理缺失值与非平衡数据，支持并行计算。# (2)、特征随机:从总的特征中筛选最优特征,可以打破特征的强相关。# 缺点:对高稀疏数据(如文本)效果有限；模型解释性弱于单棵决策树。# 2、适用场景:既可以做分类任务也可以做回归任务。# (1)、数据随机：随机抽取n个样本。# 3、特征构造:探索构造数据特征。# 2、数据清洗:问题数据处理。# 4、数据可视化:数据展示。# 1、数据采集:导入数据。# 5、数据探索:机器学习。
2025-09-25 08:19:31
355
原创 kaggle项目之:Titanic : A Complete Tutorial For Beginners
适合初学者的kaggle泰坦尼克数据分析与探索项目
2025-04-18 10:00:31
625
原创 kaggle项目之:Titanic Data Science Solutions
kaggle经典项目机器学习方法探索，了解机器学习数据处理以及模型评估的方法
2025-04-18 02:26:50
617
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