数据分析
文章平均质量分 59
1静1一
本周开始积累python可视化数据的语法
展开
-
有影响力的分析报告怎么写?
大家在平时学习工作中,有没有遇到一些通过文字材料或者是ppt汇报的场景呢?遇到这些场景,有没有一种不知如何开始的感觉呢?或者写着写着,发现自己的观点比较分散,表达的内容难以令别人理解呢?笔者也遇到了以上这些问题,想通过这篇文章来和大家分享一下自己解决上述问题的方法,笔者阅读了一些书籍,受《金字塔原理》的启发,写了本文,本文注重方法与实例的结合,希望它对大家有所帮助。原创 2023-10-31 23:45:12 · 94 阅读 · 0 评论 -
1分钟快速理解排列组合公式
你还在为理解不了排列组合公式而苦恼吗?快来看看吧。原创 2023-05-30 21:52:37 · 2111 阅读 · 0 评论 -
如何快速理解贝叶斯公式
分享一下贝叶斯公式详细拆解过程以及理解思路。原创 2022-11-13 01:07:56 · 322 阅读 · 0 评论 -
数据库仓工具箱及阿里大数据之路--阅读总结
维度建模内容概述,后续会优化原创 2022-11-05 17:39:31 · 436 阅读 · 0 评论 -
分类模型的评估指标——精确率和召回率
分类模型评估指标,大白话版本原创 2022-07-05 22:58:04 · 505 阅读 · 0 评论 -
假设检验中的显著性水平与p值
假设检验的原理假设检验是根据样本信息,提出对于总体信息的假设,并且对假设的正确性进行推断。判断原假设的方法推断的依据是假设成立发生的概率,并且设置显著性水平 α\alphaα (取值一般为0.01,0.05,0.1)。在判断原假设过程中,有两种方法。第一、值的比较。由样本数值生成对应的统计量,由显著性水平会生成统计量的边界。如果统计量与显著性水平的边界数值的大小关系与原假设不符合,即可拒绝原假设。第二、概率的比较。p值是通过统计量得到的边界处,向拒绝域方向延申范围的概率数值,表明观测结果偏向异原创 2022-04-15 00:45:39 · 9245 阅读 · 0 评论 -
李宏毅机器学习复习——第5章:支持向量机(SVM)
概述本节主要是通过支持向量机模型,完成二分类问题。正例记为1:负例记为-1。支持向量机的核心有两点:合页损失函数以及核函数。合页损失函数可以通过梯度下降方法优化模型参数。核函数可以将线性不可分问题,转化为线性问题进行求解。同时影响参数的样本点数量较少,因此支持向量机模型也可以用于深度模型中。逻辑回归中每一个样本点都会对结果产生影响,不适用于深度模型中。合页损失函数(hinge loss):该函数的函数式如上图所示。当实际值与预测值同号且大于1时,损失函数最小。且该损失函数是一个凸函数,因此可原创 2021-09-09 17:09:33 · 382 阅读 · 0 评论 -
李宏毅机器学习复习——第4章:分类
概述本节主要是采用朴素贝叶斯法,完成二分类问题。什么是朴素贝叶斯法呢?先不讲它的具体概念,先给出一个数据集,基于这个数据集,使用贝叶斯估计方法来估算一组特征属于现有分类的概率。数据集特点:特征之间互相独立,A特征的分布丝毫不影响B特征的分布。每一行特征的取值,会产生一个标记。(1或者-1)举例如下图所示:使用朴素贝叶斯法解决分类问题的实例:上表中,每一列为一个样本,总共有10个样本。每个样本,有两个特征X1和X2。10个样本中,Y值是1的有6个,也就是说出现Y = 1的概率为6/10。原创 2021-09-01 01:46:19 · 101 阅读 · 0 评论 -
李宏毅机器学习复习——第三章:梯度下降
概述梯度下降是寻找损失函数最小的一种方法。参数调整在使用这个方法中,学习率这个参数很重要,学习率高,往往容易跨过最小的损失函数。学习率低,模型提升效果不明显。因此需要使用adagrad方法来改变学习率,刚开始学的快一些,接近于损失函数时,学习率低一些。adagrad更新学习率的方式,可以通过损失函数参数变化程度来影响学习率。一个参数的一次微分 / 它自身的二次微分,用来消除参数的不同,对学习率的影响。特征对损失函数的影响。降低特征的影响就可以使用特征缩放功能。feature scaling,特征原创 2021-08-31 01:10:04 · 159 阅读 · 0 评论 -
李宏毅机器学习复习——第二章:线性回归
1、基本线性回归问题的解决思路线性回归问题的输入是数据集,输出是一个标量。下图展示了,使用一次函数为模型,寻找使损失函数最小的函数的过程。关于梯度下降,后面会尽量用简洁的语言解释一下。2、线性回归问题的优化为了解决一次函数模型比较简单,损失函数比较大的问题,可以提高函数的最高项次数,来降低模型的损失函数,使模型更好地符合训练集数据的分布。同时导致模型过拟合,测试集的误差变大。为了解决这一问题。在损失函数中,引入正则项。改变正则项系数,通过梯度下降法,最终得到模型简单,损失函数小的模型来估计原创 2021-08-27 02:06:59 · 113 阅读 · 0 评论 -
李宏毅机器学习复习——第一章:机器学习介绍
李宏毅机器学习复习——第一章:机器学习介绍机器学习的流程机器学习就是寻找一个函数,在函数中输入数据,最终会得到预期的函数值。这么一个简单的过程。数据的范围很广泛,可以理解为可数据化的信息。机器学习的分类:按照学习方式基本分为5大类:监督学习,半监督学习,无监督学习,迁移学习和强化学习。将监督学习,再细分为回归问题和分类问题。根据解决对应问题的方法,细分到线性模型,深度学习,支持向量机,K近邻,决策树。思维导图如下所示...原创 2021-08-26 00:46:16 · 86 阅读 · 0 评论