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

-+

moluchase的专栏

海阔凭鱼跃,天高任鸟飞

  • 博客(9)
  • 问答 (1)
  • 收藏
  • 关注

转载 在mac上安装Xgboost Python库

转载:http://blog.csdn.net/u014365862/article/details/73739857 最近在mac上用到xgboost库,安装时遇到颇多大坑,网上查了很多答案几乎都是win上的问题,没遇到理想的,自己也就摸着石头把几个大坑给填了,总结一下,给后人少走点弯路。 1.错误 倘若直接 pip install xgboost时,会出现Command

2017-10-31 10:39:25 421

转载 百度离职总结:如何做个好员工?

转载:http://blog.csdn.net/jasonding1354/article/details/38057247#comments 2014年7月4日,我从百度离职了。 这是第一次,我不是因为和老板闹翻而离职; 这是第一次,我带着晋升的喜悦而离职; 这是第一次,我带着满满的收获而离职。 我曾经认为,我永远不会成为一个好员工,因为我太独、太挑剔、不喜

2017-10-26 16:54:43 432

转载 主成分分析(PCA)原理及推导

转载:http://blog.csdn.net/zhongkejingwang/article/details/42264479 什么是PCA?   在数据挖掘或者图像处理等领域经常会用到主成分分析,这样做的好处是使要分析的数据的维度降低了,但是数据的主要信息还能保留下来,并且,这些变换后的维两两不相关!至于为什么?那就接着往下看。在本文中,将会很详细的解答这些问题:PCA、S

2017-10-26 15:02:27 3168

转载 统计学习方法——CART, Bagging, Random Forest, Boosting

转载:http://blog.csdn.net/abcjennifer/article/details/8164315 本文从统计学角度讲解了CART(Classification And Regression Tree), Bagging(bootstrap aggregation), Random Forest Boosting四种分类器的特点与分类方法,参考材料为密歇根大学Ji

2017-10-24 19:34:58 347

转载 总结:Bias(偏差),Error(误差),Variance(方差)及CV(交叉验证)

转载:http://blog.csdn.net/MrLevo520/article/details/53128297 前言 此片有很多别人的东西,直接搬过来了,都有注释,里面也有一些自己的理解和需要注意的地方,以此记录一下,总结如下,思想不够成熟,以后再补充,如有错误请不吝指正 犀利的开头 在机器学习中,我们用训练数据集去训练(学习)一个model(模型),

2017-10-24 19:05:55 1615

转载 偏差与方差,欠拟合与过拟合

转载:http://blog.csdn.net/hurry0808/article/details/78148756 机器学习的核心在于使用学习算法建立模型,对已建立模型的质量的评价方法和指标不少,本文以准确率(也称为精度)或判定系数(Coefficient of Determination)作为性能指标对模型的偏差与方差、欠拟合与过拟合概念进行探讨。偏差、方差、欠拟合、过拟合均

2017-10-24 15:33:34 1506

转载 先别管那些算法了,从实战中开始大数据机器学习(一)

转载:http://www.cnblogs.com/senlinmu/articles/7086382.html 概述 我从去年8月份开始接触机器学习。简单的讲下我的这段经历: 首先是斯坦福大学的吴恩达的机器学习;学会了一些原理,但在学习的过程中不断触碰到微积分,而微积分的相关知识早已全部忘记,然后转头去学习微积分。 微积分看的是麻省理工的Gilbert

2017-10-21 15:29:09 691

转载 Comprehensive learning path – Data Science in Python

转载:https://www.analyticsvidhya.com/learning-paths-data-science-business-analytics-business-intelligence-big-data/learning-path-data-science-python/ Journey from a Python noob to a Kaggler on

2017-10-19 20:38:50 386

转载 关于ROC和AUE

什么是AUE AUC是指 随机给定一个正样本和一个负样本,分类器输出的正样本的概率 比 分类器出去负样本的概率 大的可能性 先参看下面两个回答: https://www.zhihu.com/question/39840928?from=profile_question_card 李大猫讲关于什么是AUE部分 下面这个比较好理解: 作者:无涯 链接:https://ww

2017-10-19 16:46:51 1004

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