muturiyue-CSDN博客

原创 scikit_learn.linear_model线性回归与正则化(一)

众所周知，机器学习根据训练数据是否拥有标记信息，将学习任务划分为两大类：“监督学习”与“无监督学习”，分类和回归是前者的代表，聚类是后者的代表。在监督学习中，如果预测对象是离散值的定性分析，则属于分类范畴；如果预测对象是连续值的定量分析，则属于回归范畴。由此看来，“回归”已然占据了监督学习的半壁江山，其重要性不言而喻。############################

2017-11-16 15:29:06 959 1

原创线性判别分析(Linear discriminant analysis)

1. 问题之前我们讨论的PCA、ICA也好，对样本数据来言，可以是没有类别标签y的。回想我们做回归时，如果特征太多，那么会产生不相关特征引入、过度拟合等问题。我们可以使用PCA来降维，但PCA没有将类别标签考虑进去，属于无监督的。比如回到上次提出的文档中含有“learn”和“study”的问题，使用PCA后，也许可以将这两个特征合并为一个，降了维度。但假设我们的

2017-08-17 16:11:36 954

原创 scikit-learn的特征工程

目录1 特征工程是什么？2 数据预处理　　2.1 无量纲化　　　　2.1.1 标准化　　　　2.1.2 区间缩放法　　　　2.1.3 标准化与归一化的区别　　2.2 对定量特征二值化　　2.3 对定性特征哑编码　　2.4 缺失值计算　　2.5 数据变换　　2.6 回顾3 特征选择　　3.1 Filter　　　　3.1.1 方差选择法　　　

2017-08-03 10:45:42 1350

原创 Cohort Analysis

Cohort Analysis，是时下互联网行业的新宠，在市场已不再为虚假繁荣的数据买账时，我们必须提供新的“有效数据”来说服市场。更常见的，这个分析方法会被用来分析：用户留存情况，以及用户粘性。所以，一定记住了，不是Coherent Analysis（粘性分析），而是Cohort Analysis——一撮人分析法。虚假繁荣是什么？之前大家只关心流量、下载量、注册量，但就像花钱能买僵尸粉一样，

2017-07-27 14:09:35 2108 1

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 scikit_learn.linear_model线性回归与正则化(一)

原创 线性判别分析(Linear discriminant analysis)

原创 scikit-learn的特征工程

原创 Cohort Analysis

空空如也

空空如也

原创线性判别分析(Linear discriminant analysis)