MasterQKK

MultiLabelBinarizer, LabelEncoder, One hot encoder

几个经典的用于不平衡回归Imbalanced regression的采样方法以及代码资源,DA-WR, REBAGG, ImbalancedLearningRegression, SMOTE, SMOGN

SMOTE, SMOGN, G-SMOTE, DeeSmote

复杂的Boxplot， 为每个boxplot指定不同的颜色x_tick的斜体显示``不同的boxplot显示不同的颜色箱形图(Box-plot)又称为盒须图/盒式图/箱线图，是一种用作显示一组数据分散情况的统计图。这自然让人想到分位数的概念， 不错, boxplot就是通过分位数来直观展示数据的分散程度。

画Bland Altman plot （Mean Difference Plot)mean_diff_plot的API接口*limit_lines_kwdsmean_line_kwdsscatter_kwds

Python生成高斯白噪声white noise

两个变量$X$和$Y$间Pearson 相关系数计算如下：numpy pandas statsmodel调用scipy的pearsonr 调用pandas的corr 调用numpy的corrcoef

与传统的单标记学习( **single label learning, SLL**)和多标记学习（**mutli label learning, MLL**）不同, 在标记分布学习（**label distribution leaning, LDL**）中，ground-truth label本身就是以标记分布的(离散)形式给出的，目标就是训练模型使得预测的标记分布与ground-truth label （distribution）尽可能匹配、接近LDL与MLL和SLL的关系LDL既可以做分类任务也可以

EM算法的形式化推导：——序：EM算法的思想在K_Means， GMM, Semi-GMM, HMM，等算法/模型中均有应用，事实上，对于任何带有隐变量的问题，都可以用EM来求解，可以说EM是机器学习中的一个极其重要的算法。其基本思想是：首先根据己经给出的观测数据，估计出模型参数的值；然后再依据上一步估计出的参数值估计缺失数据的值（E-step），再根据估计出的缺失数据加上之前己经观测到的数据...

****说明**： **本文系转载，原作者博客：http://blog.csdn.net/tanhongguang1/article/details/45016421**** 我稍微做了一些补充: naive Bayes实际上就是要求一组厚颜概率，有多少个呢? 咱们假设样本共有K个类别，样本的特征维度是M,每个维度上取值（离散）有Ci个，则总共要计算的厚颜概率有这么多个： ![这

理解Towards Understanding Ensemble, Knowledge Distillation and Self-Distillation in Deep Learning深度学习中的三个神秘之处神经网络集成 vs 特征图集成集成 vs 减少单个模型的误差多视图数据：新方法去证明深度学习中的集成知识蒸馏：让单个模型去学习多个视图自蒸馏：隐式地结合集成和知识蒸馏总结Reference

特征选择，归一化是数据处理中必备的两个步骤，交叉验证是模型评估以及超参数搜索中经常用到的方法。然而在实际操作中，初学者往往会有这样的**疑问**： </font> (1)是先做特征选择还是先划分 训练集-验证集-测试集？ (2)是先做归一化还是先划分 训练集-验证集-测试集？ (3)交叉验证以及带有超参数寻优的交叉验证的细节？ 在实际做研究/项目的过程中，初学者常常会有上述疑问，以笔者多年的文献阅读以及code review的经历来看，很多人并没有搞清楚这些问题，即使文章已经在会议/期刊上面