qq_47250064的博客

SAS简介与数据的读取

集成学习里面的随机森林，用交叉验证来计算随机森林解决决策树的过拟合问题。用随机森林解释普通学习和增量学习的区别，增量学习是新数据训练模型之后，模型仍然记得原来的树。

探索澳大利亚天气，进行特征工程时对于地点这个特征进行爬虫爬取，使之与气候站的天气进行关联。数据预处理也比较繁琐。后期进行建模对于准确度和recall都进行不断优化。算是难度比较大的一个svm案例。

介绍了如何平衡分类正确率和误判多数变成小数的成本的一个图像，ROC曲线（横坐标是假正率，纵坐标是Recall)。AUC曲线面积越大越好。

介绍样本分类不平衡问题的解决办法，以及SVC的六个模型评价指标，ROC曲线。

介绍四个核函数的参数如何选取，运用学习曲线和网格搜索进行调参。介绍了硬间隔和软间隔的概念，并在数据不完全线性可分，介绍了松弛变量里面的惩罚系数C。在乳腺癌数据案例中找到rbf最适合的两个参数...

介绍核函数的不同类型、核函数在不同数据集上的表现，在rbf上表现最好。以及核函数的缺点，提醒我们需要将数据进行统一量纲处理。

手撕SVM损失函数的求解，有拉格朗日乘子法、对偶问题、KKT条件，将使用SVM进行决策过程可视化从线性的推广到非线性的3D图中。

比较细节得讲了决策树的六个参数，一个重要参数，两个随机参数和三个剪枝参数，以及决策树如何让将这个图片导出来。

本文介绍深度学习中回归案例，通过计算进化后的精灵宝可梦的武力值进行线性回归，从最简单的一次回归模型不断优化成带有条件函数的二次模型，模型评价详细介绍了MLS的解决办法（梯度下降）和过拟合解决办法（正则化）。

介绍了逻辑回归这个解决二分类模型的判别模型，用癌症分类问题进行了案例分析，温习了估计其流程以及召回率。并最后阐明了模型的优缺点以及与朴素贝叶斯这个生成模型的区别。

介绍了非监督学习里面的回归算法的定义，并用波士顿房价的例子进行线性回归，将两种解法（梯度下降法和正规方程法）进行对比，运用均方误差和进行模型评估。还介绍了过拟合和欠拟合以及他们的解决办法（岭回归和Lasso回归）。.........

对于决策树和随机森林两个模块进行介绍，用kaggle里面的泰坦尼克号数据集预测生存分类进而巩固算法。随机森林对于相同的数据集进行运算准确率更高，普适性更强。

介绍了运用贝叶斯算法进行分类，他 的基本概念、进行文本分类案例，进行优缺点的评估。以及分类模型地方调参技巧（网格搜索）以及交叉验证，并在实例中进行检验

机器学习里面的knn算法，比较细节得分析了一个 kaggle上面的完整案例，包括处理数据、拟合模型和测试模型，计算准确率等。

在sklearn包里面学会一些数据集（鸢尾花、糖尿病、伦敦房价）以及如何split这些数据集为train data和test data ;介绍了处理数据的transformer和算法的接口以及非监督学习的步骤，为后续做回归以及分类打基础......

可以用scikit-learn包来直接调用主成分分析PCA，除了透视表pivot_table()之后，pd.crosstab()透视表。还通过实例介绍了表合并的技巧。

用户消费行为分析，增加了透视表、map、applymap和apply函数的区分还有一些数据分析的思路，融合了画散点图、直方图和折线图，增加了匿名函数和def函数

对于美国总统大选的数据进行分析，看看美国几个党派，根据政治献金来判断谁有可能做总统。

对于人口进行案例数据分析，运用pandas将dataframe里面的人口数据进行处理分析