![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
zhuiqiuuuu
这个作者很懒,什么都没留下…
展开
-
机器学习概述
转载:http://www.cnblogs.com/hellochennan/p/5423740.html我并不直接回答这个问题前。相反,我想请大家看两张图,下图是图一:图1 机器学习界的执牛耳者与互联网界的大鳄的联姻 这幅图上上的三人是当今机器学习界的执牛耳者。中间的是Geoffrey Hinton, 加拿大多伦多大学的教授,如今被聘为“Googl转载 2017-08-27 16:02:49 · 464 阅读 · 0 评论 -
MLXTEND之StackingCVRegressor
【译】MLXTEND之StackingCVRegressor 原文地址: https://sebastianraschka.com/pdf/software/mlxtend-latest.pdf github:https://github.com/rasbt/mlxtend 译者:wong小尧最近忙着在学校办理最后的毕业手续和学历认证相关事宜,忘记了之前翻译sklearn的机器...转载 2018-12-06 22:34:48 · 6011 阅读 · 3 评论 -
windows升级scikit-learn
Anaconda 提供 scikit-learn 作为其免费分发的一部分.Warning 升级或卸载使用 Anaconda 安装的 scikit-learn,或者 conda 不应该使用 pip 命令。代替:升级 scikit-learn:conda update scikit-learn卸载 scikit-learn:conda remove scikit-learn...转载 2018-11-22 08:47:00 · 1712 阅读 · 0 评论 -
lgbm
lightgbm建模 import lightgbm as lgbm from sklearn import metrics from sklearn import model_selection np.random.seed(42) model = lgbm.LGBMRegressor( objecti...转载 2018-11-19 01:38:56 · 2381 阅读 · 0 评论 -
如何预测百威啤酒销量?数据竞赛冠军笔记分享 思路
转载: http://dy.163.com/v2/article/detail/DHALCA3N0511VFT2.html 赛题背景 组织方:微软加速器 真实数据来源:几家顶级快消品牌 上海站:百威英博命题,并提供脱敏的业务数据 提出三个问题: 1.库存需求预测 2.销售数量预测 3.经销商违规行为检测 数据大致的情况 原始数据中,大...转载 2018-11-15 22:00:16 · 2342 阅读 · 0 评论 -
python数据分析:携程出行产品预测未来14个月销量
数据挖掘入门与实战 公众号: datadw原文:https://www.kesci.com/apps/home/#!/forum/postdetail/59194c685d9f204ee315ed90回复公众号“携程预测”获取本文数据分析python源码.调查发现,在出行产品业务中,不同区域的产品需求量级不一样,不同时段需求量会有高低起伏,相同区域相同时段各产品的需求量因产品特性不同又...转载 2018-11-15 21:44:22 · 7887 阅读 · 3 评论 -
lightgbm,xgboost,gbdt的区别与联系
转载:https://www.cnblogs.com/mata123/p/7440774.html梯度提升树的一些方法,主要从这些方法的原理以及实现过程入手讲解这个问题。本文按照这些方法出现的先后顺序叙述。GBDT梯度提升树实在提升树的基础上发展而来的一种使用范围更广的方法,当处理回归问题时,提升树可以看作是梯度提升树的特例(分类问题时是不是特例?)。 因为提升树在构建树每一...转载 2018-11-15 21:21:02 · 346 阅读 · 0 评论 -
基于时间序列的短期数据预测--ARMA模型的设计与实现(每个步骤附实现源码)
转载:https://blog.csdn.net/u010665216/article/details/78329574本文demo源码、实验数据:传送门 https://gitee.com/orayang_admin/ARMA_prediction/tree/master引言前面我有分享两篇关于时间序列模型的文章,一篇是 Holt-Winters模型原理分析及代码实现(python...转载 2018-11-15 20:53:12 · 27838 阅读 · 5 评论 -
Holt-Winters模型原理分析及代码实现(python)
转载:https://blog.csdn.net/u010665216/article/details/78051192引言最近实验室老师让我去预测景区内代步车辆的投放量,于是乎,本着“一心一意地输出年富力强的劳动力”这份初心,我就屁颠屁颠地去找资料,然后发现了Holt-Winters模型 , 感觉这个模型可以有,于是就去研究一番,并总结成这篇博客了。原理分析移动平均(The ...转载 2018-11-15 20:29:30 · 2807 阅读 · 0 评论 -
python中利用ARIMA模型对时间序列问题进行预测(以洗发水销售预测为例)
转载:https://blog.csdn.net/weixin_40651515/article/details/81122395ARIMA模型是一种流行且广泛使用的时间序列预测统计方法。ARIMA是AutoRegressive Integrated Moving Average的缩写。它是一类模型,它捕获时间序列数据中的一套不同的标准时间结构。在本教程中,您将了解如何使用Python...转载 2018-11-15 20:17:53 · 3462 阅读 · 0 评论 -
基于时间序列分析方法的零售业快消品销量预测研究-理论
https://blog.csdn.net/weixin_41931826/article/details/80382898转载 2018-11-15 20:11:15 · 1120 阅读 · 0 评论 -
ARIMA时间序列分析-----Python实例(一周销售营业额预测)
转载:https://blog.csdn.net/xingchenhy/article/details/79911747以ARIMA模型为例介绍时间序列算法在python中是如何实现的,一下是应用Python语言建模步骤:-- coding: utf-8 --“”” Created on Mon Apr 2 16:45:36 2018@author: houy “”“arim...转载 2018-11-15 20:09:44 · 1368 阅读 · 0 评论 -
python+GBDT实现数值预测
转载:https://blog.csdn.net/tuntunwang/article/details/66969726这里展示如何对GBDT进行模型的训练,对数据进行预测(并非是分类),对返回值进行处理,评价模型好坏背景是天池的IJICAI大赛,数据已经是处理好的,这里直接用代码如下#$encoding=utf-8'''环境 ubuntu+IDEA+python35实现的功...转载 2018-11-15 19:54:53 · 3742 阅读 · 0 评论 -
Boosting学习笔记(Adboost、GBDT、Xgboost)
转载出处:http://www.cnblogs.com/willnote/p/6801496.html前言本文为学习boosting时整理的笔记,全文主要包括以下几个部分:对集成学习进行了简要的说明 给出了一个Adboost的具体实例 对Adboost的原理与学习过程进行了推导 针对GBDT的学习过程进行了简要介绍 针对Xgboost的损失函数进行了简要介绍 给出了Ad...转载 2018-11-15 19:52:24 · 266 阅读 · 0 评论 -
Python 将每行的前len-1列数据抽成一个矩阵,将最后的一列作为另一个矩阵
作用:将每行的前len-1列数据抽成一个矩阵,将最后的一列作为另一个矩阵每行各数据间隔是tab(\t)def loadDataSet(fileName): #general function to parse tab -delimited floats numFeat = len(open(fileName).readline().split('\t')) - 1 #ge原创 2017-09-03 11:53:02 · 2465 阅读 · 0 评论 -
ID3算法详解及python实现
前言决策树算法在机器学习中算是很经典的算法系列。它既可以作为分类算法,也可以作为回归算法,同时也特别适合集成学习比如随机森林。本文就对决策树算法ID3思想做个总结。ID3算法的信息论基础1970年代,一个叫昆兰的大牛找到了用信息论中的熵来度量决策树的决策选择过程,它的简洁和高效就引起了轰动,昆兰把这个算法叫做ID3。下面我们就看看ID3算法是怎么选择特征的。首先,我们需转载 2017-08-27 16:45:39 · 9484 阅读 · 0 评论 -
机器学习解决问题的步骤
机器学习解决问题的步骤针对任何一个打算由机器学习算法来解决的问题,都有一种『套路』存在,只要按照这个模板『按部就班』就能够得到一个结果。就跟一个产品的生产流水线是一个道理。但是得到结果的好坏跟你是否是一个『熟练工』有很大的关系。因为在解决具体的问题中有许多的tricks对于结果的提升有所帮助。整个『套路』能分为以下5个步骤:定义问题对数据进行预处理算法的抽查对结果进行优化结转载 2017-08-27 16:08:04 · 576 阅读 · 0 评论 -
一次完整的机器学习过程(scikit learn library学习笔记)
一次完整的机器学习过程(scikit learn library学习笔记) 作者 hzyido 关注2015.07.26 15:35* 字数 3675 阅读 2777评论 0喜欢 8Query意图分析:记一次完整的机器学习过程(scikit learn library学习笔记)所谓学习问题,是指观察由n个样本组成的集合,并根据这些数据来预测未转载 2017-08-27 16:07:03 · 4302 阅读 · 0 评论 -
集成学习总结 & Stacking方法详解
集成学习主要分为 bagging, boosting 和 stacking方法。本文主要是介绍stacking方法及其应用。但是在总结之前还是先回顾一下继承学习。这部分主要转自知乎。1. Bagging方法: 给定一个大小为n的训练集 D,Bagging算法从中均匀、有放回地选出 m个大小为 n' 的子集Di,作为新的训练集。在这 m个训练集上使用分类、回归等算法,则可得到 m个模...转载 2018-12-06 22:41:43 · 1117 阅读 · 0 评论