- 博客(16)
- 收藏
- 关注
RSS订阅原创 分类问题——逻辑回归与XGBoost
逻辑回归初学逻辑回归的时候就只是简单地认为sigmoid函数可以把线性函数映射到(0，1)的区间上，因此选用了sigmoid模型作为逻辑回归的模型函数。其实是学的太简单了，直到面试的时候被问到这个问题，才想到需要来把坑填一下。事实上可以把线性函数映射到(0，1)上的函数有无穷多个，而逻辑回归使用sigmoid函数并不是随便选的，而是通过理论推导得到的。这里挂上我觉得解释得最清楚的文章：https://www.cnblogs.com/wallacup/p/6024855.html?utm_so
2021-05-11 00:01:44
2756
原创 凸优化解决线性回归问题
感觉在机器学习和深度学习的过程中遇到了瓶颈，细想觉得来自于之前对于优化课程里的知识，尤其是各类规划问题没有完全理解下来，没有把两个学科结合起来学习。受挫明显让我觉得把只是重新拿出来啃一啃，对于复杂的数学式子逐步拆分理解下来。课程学习的教材是经典的Boyd的convex optimization，同时也参考了一些csdn大神的文章。 引言 第一章，引言就不说了，对于这种稍闭环的书，前面主要只是介绍一下研究对象 凸集和凸函数基础概念 第二章 凸集引入凸集的概...
2021-05-01 00:16:26
970
1
原创 贝叶斯统计的无信息先验和共轭先验
声明：以下为本人的理解，不一定准确，欢迎大神指正和探讨，但请言辞不要过激。在本人博客的一篇好文转载中，可以了解一下频率派和贝叶斯派，这两个学术派的区别和联系。简单来说频率派是完全以出现的样本去估这件事情的概率模型； 贝叶斯派则是先给出这件事情遵循哪一类分布，再根据出现的样本去得到这件事情的具体概率模型。但他们所评估出来的概率模型事实上都应该算作是后验分布，也就是遵循了“出现这样的样本"这个条件。以转载好文中的掷硬币为例频率派，直接根据”十次结果出现七次正面“，来得到这个现象下，.
2021-04-30 16:30:33
4276
1
转载 【转载】Python的运行原理（编译过程及执行原理）
原文链接：https://www.cnblogs.com/stefan-liu/p/5172424.html
2021-03-15 18:20:08
130
原创 精益数据分析（学习笔记）——长期更新
本文来自阅读书籍《精益数据分析》的学习笔记，加上自己的一些理解，整理出来的思路。精益数据分析的周期：上面这张图概括了书籍第二章的内容。精益数据分析的核心，即上图的这整个周期：1. 确定一个好的数据指标；这个指标是根据所面对的问题或者业务来确定的。对于企业来说，就是推动公司业绩增长的指标，即关键绩效指标（KPI）。书中说，一个好的数据指标，应当是比较性的、简单易懂的，通常情况下是一个比率。有五种指标的分类，或者说是评估指标的参考：定性指标、定量指标定性，即”好、坏、.
2021-02-22 14:39:54
720
转载 窗口函数（防忘笔记）
本文参考自知乎帖子：https://zhuanlan.zhihu.com/p/92654574面试热门预警。实话说在接触窗口函数前，我对SQL的了解无外乎就是select, from, where, order by, group by, join，最复杂的无非也就是多个子查询。写起来其实难度不大。于是我觉得窗口函数就像是面试官想试试你的SQL技能上限一样的。那么为了防止自己隔阵子忘记，毕竟还没有实习经历来经常使用SQL，就写个笔记印象深点。首先，应用窗口函数的主要目的...
2021-02-21 18:59:38
260
翻译 One-hot encoding的不足及改进
本文总结翻译自：https://towardsdatascience.com/stop-one-hot-encoding-your-categorical-variables-bbb0fba89809独热编码的不足：1. 产生许多的特征；2. 产生的特征没有带来的更多的信息；3. 产生的特征反而带来了具有共线性的特征。改进方法：1. 目标编码（target encoding）：使用target值的均值作为category变量的替换值。代码：from ca..
2021-02-21 01:57:32
1588
原创 分类问题的评估指标(Evaluation for Classifier)
机器学习开始学了回归问题的评估函数，经典的有RMSE(Root Mean Square Error)、MSE(Mean Square Error)、MAE(Mean Absolute Error)、RMSLE(Root Mean Square Logarithmic Error)等等。但是分类问题不是拿这些来评估的。面试的时候还被问到了，只知道回归问题的评估标准是真的尴尬。本文框架参考自：https://towardsdatascience.com/the-5-classification-e.
2021-02-01 17:24:18
847
原创 批量梯度下降、随机梯度下降和小批量梯度下降
首先要知道梯度下降的概念，拿二维的线性回归举例：1. 初始化，得到一个初始线；2. 有了初始线，可以计算所有点的误差，也就是损失函数；对于线性回归，就是构造一个关于斜率w，以及一个关于截距b的损失函数L(w)和L(b)3. 令， 然后导入上面的损失函数中。这里的 t 是步长，表示梯度下降的幅度。在机器学习中，也称为学习率，因为他表示了每一步迭代，即每一次学习的影响和程度。在我的理解中，t 值太大的话，容易错过最优值，反而导致下降速度变慢。因...
2021-01-30 17:54:27
2032
原创 特征选择
1. 线性回归中的特征选择：Lasso、Rdige回归对线性回归进行正则化，即在线性回归的基本公式后面加上对于线性回归系数的惩戒因子。这个意义就是不放任每个特征值参与线性回归的模型计算，即防止过拟合。是一个tradeoff的过程。按范数1、2型，分为了Lasso和Ridge。如使用Lasso进行特征值选择，则需要找到适合的Lambda值。在python中一般先拟定lambda的值，然后用数据集通过k-fold交叉验证进行确定。然后依据图中反映的Lasso，可以在最优的La
2021-01-14 16:05:56
316
原创 数据库优化（学习笔记）
前言：数据库优化确实是比较重要的板块，也是面试数据开发岗位几乎必考的面试题。本菜鸡这学期学了一门数据库相关课《Data Storing and Retrieving》，字面意思理解也就是说最重要的两大板块：一是数据存储，二是数据检索。这两个板块的优化，我认为其实就是数据库的优化。其实这门课，个人觉得往深了读就非常的CS，像本人这种本科非CS的，基本上只能Dive到数据结构这一层，再往下的那些非常具体的数据存储读取方式，就无能为力了。但我会试着用比较浅显易懂的描述，让一些不是CS背景的同学也能
2020-12-20 12:12:03
790
2
原创 学习笔记：数据分析和处理（ML计算模型前的预处理）——持续更新
数据分析和处理，其实就是你计算模型前的预处理步骤。一个不合理的错误数据如果不在预处理的时候剔除，可能会对最终结果造成非常大的影响。在很多时候，如果你换了能换的所有模型和参数，最后计算得到的模型的交叉验证误差一直不令人满意，非常可能是你的数据预处理没做好。数据分析与处理是紧密相关的，这像是句废话，因为你既然分析到了数据不合理的地方自然是要进行相关处理的。但可能是我还太菜，有时候比如你分析到了数据分布非正态化（即数值的count不是理想化的分布的时候），即使采用log/sin/cos/reci.
2020-12-03 13:38:01
648
原创 学习笔记：Model Diagnostics-模型诊断（线性回归）
得到线性回归模型后，应当对模型进行诊断。意思就是，检查是否有以下不合理之处：1. 非线性可以通过散点图来诊断，因为ei以及消除掉源数据中的线性趋势，理想情况下ei应该为大致同一大小，否则可以判断为非线性。2. 忽略重要变量可以将ei和所有排除的特征做散点图，如果发现他们存在关联，则说明此特征是被忽略的。3. 误差方差不定可以通过散点图来诊断，其实原理和非线性相似，方差不定通常是由非线性引起的。4. 误差间独立性可以通过散点图来诊断，这对于处理时间序列与空间计量尤为好用。因为日
2020-12-03 11:16:00
1906
原创 分类与逻辑回归(classification and logistic regression)
背景：学习SML课程的时候，感觉课件堆满了统计学的原理和公式，课后summary很重要，因此留个帖子，分享的同时也当成自己的总结学习（本酸菜鱼第一次写帖子，欢迎大佬们指正！但不接受任何偏激的谩骂哟）Machine Learning的课程里，大多数时候的X都是多个特征值，我个人理解其实就是多维的坐标轴，只不过我们毕竟是三维生物，很难将超过三维的概念在脑海中想象出来。所以我们不妨就直接用二维展现，如此只需简单的联想就能推导到多特征的情况：先举个栗子：从二元分类(binary class.
2020-11-14 18:36:43
309
4
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人