- 博客(8)
- 资源 (1)
- 收藏
- 关注
RSS订阅转载 Bagging和Boosting的区别与联系
原文地址：https://www.cnblogs.com/earendil/p/8872001.html Baggging 和Boosting都是模型融合的方法，可以将弱分类器融合之后形成一个强分类器，而且融合之后的效果会比最好的弱分类器更好。 Bagging:先介绍Bagging方法：Bagging即套袋法，其算法过程如下： 从原始样本集中抽取训练集。每轮从原...
2018-07-16 16:45:52
3330
转载 python版本数据结构 剑指offer中python编程答案
原文转载自：https://blog.csdn.net/u012505432/article/details/52071537 之前完成了个人的Python编写，包括常见的一些基础算法，剑指offer的绝大多数算法的编写。都上传到github上了，很多里面都有自己几个测试用例，不过都注释掉了，直接去掉注释就好。如果对你有帮助，请记得点击github工程上的star，^_^ 现在总结如...
2018-07-16 15:34:05
327
转载 机器学习中经典的损失函数
损失函数（loss function）是用来估量你模型的预测值f(x)与真实值Y的不一致程度，它是一个非负实值函数,通常使用L(Y, f(x))来表示，损失函数越小，模型的鲁棒性就越好。损失函数是经验风险函数的核心部分，也是结构风险函数重要组成部分。模型的结构风险函数包括了经验风险项和正则项，通常可以表示成如下式子：其中，前面的均值函数表示的是经验风险函数，L代表的是损失函数，后面的是正则化项（r...
2018-07-12 15:16:01
664
原创 python3中datetime库，time库以及pandas中的时间函数区别与详解
1介绍datetime库之前 我们先比较下time库和datetime库的区别先说下time在 Python 文档里，time是归类在Generic Operating System Services中，换句话说， 它提供的功能是更加接近于操作系统层面的。通读文档可知，time 模块是围绕着 Unix Timestamp 进行的。该模块主要包括一个类 struct_time，另外...
2018-07-07 21:26:37
24880
原创 关于数据挖掘中遇到时间数据怎么划分集合-提取不同时间数据（多种情况汇总）
数据挖掘中 往往都会遇到时间序列问题，很多比赛或者项目都要对时间进行分组。但是面对众多保存类型，怎么才能避免数据类型错误，提取到想要的时间块呢，现在针对多种情况说一下。我们来看这个数据中time项。是一个时间序列 如果我们想把他分开，接下来应该import pandas as pdpath_df=r'C:\Users\yang\Desktop\shijian1.csv'df=pd.read_...
2018-07-07 16:34:12
3141
转载 关于ROC与AUC最通俗的解释
转自：https://www.zybuluo.com/frank-shaw/note/152851前言本文内容大部分来自于如下两个博客： http://blog.csdn.net/dinosoft/article/details/43114935 http://my.oschina.net/liangtee/blog/340317引子假设有下面两个分类器，哪个好？（样本中有A类样本90个，B 类样...
2018-07-06 16:12:03
39373
4
原创 python3中reset_index函数 （一般与groupby等分组连用）
reset_index 函数意思就是重新排序 因为通过选取符合条件的行或者列 原来的行与列序号并不是顺序的，所以通过此函数可以重新顺序排列更好的是 通过groupby函数分组会更乱一点利用改函数则会更整齐而增加该函数以后...
2018-07-04 20:52:29
14177
2
原创 python3关于groupby常用函数的讲解 agg函数 apply函数（详细见上一博客）
这里排列几个例子 就一目了然了 这里是原始的数据import pandas as pdimport numpy as np#1754884 record,1053282 with coupon_id,9738 coupon. date_received:20160101~20160615,date:20160101~20160630, 539438 users, 8415 merchants ...
2018-07-04 20:48:24
8301
python3爬取贴吧图片（翻页+模拟浏览器）
2017-09-16
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人