本书介绍
在处理机器学习问题时，通常有两种类型的数据(和机器学习模型)
监督数据:总是有一个或多个目标与之相关联。
无监督数据:没有任何目标变量。
有监督的问题比无监督的问题更容易解决。要求预测一个值的问题被称为监督问题。例如，如果问题是预测给定历史房价的房价，比如医院、学校或超市的存在，到最近的公共交通工具的距离等。是一个有监督的问题。类似地，当我们被提供猫和狗的图像，并且我们预先知道哪...
为了在SAS中运行随机森林，我们必须使用PROC HPFOREST指定目标变量，并说明天气变量是“类别”还是“定量”。为了进行此分析，我们使用了目标（Repsone变量），该目标是分类的（SAS语言中标称的），如下面的图像代码中所描述的黄色和红色： 运行代码后，我们得到了一系列表格，这些表格将详细分析数据。例如，模型信息让我们知道，随机选择了3个变量来测试每个节点或每个树中可能的分割（黄色）。我们还可以看到，运行的最大树数为...
一、逻辑回归问题二分类的问题为是否的问题，由算出的分数值，经过sign函数输出的是（+1，-1），想要输出的结果为一个几率值，则需要改变函数模型，其中，，则逻辑回归的函数为二、逻辑回归错误评价线性分类和线性回归的模型为：其中的线性分数函数均为，逻辑回归有同样的分数函数，模型为逻辑回归的理想函数为对于函数f(x)，在数据情况下，D的所有数据在函数下的联合概率为，我们想要的模型h要使,则对于h来说，在数据D中也符合，要...
因为训练数据集往往比较大，而内存会出现不够用的情况，可以通过修改特征的数据类型，从而达到优化压缩的目的def reduce_mem_usage(df, verbose=True):numerics = [int16, int32, int64, float16, float32, float64]start_mem = df.memory_usage().sum() / 1024**2 for col in df.columns:col_type = df[col].dtypesif col_type in numerics:c_min = df[col].min()c_max = df[col].max()if str(col_type)[:3] == int:if c_min >...
作者：CHEONG
公众号：AI机器学习与知识图谱
研究方向：自然语言处理与知识图谱阅读本文之前，首先注意以下两点：
1. 机器学习系列文章常含有大量公式推导证明，为了更好理解，文章在最开始会给出本文的重要结论，方便最快速度理解本文核心。需要进一步了解推导细节可继续往后看。
2. 文中含有大量公式，若读者需要获取含公式原稿Word文档，可关注公众号【AI机器学习与知识图谱】后回复：MCMC第五讲，可添加微信号【17865190919】进...
很多数据科学工作者都存在这样一个痛点，由于没有能点亮网页前端的技能树，导致在项目展示或项目合作时，无法快速开发出这样一套用户界面以供使用。而今天要介绍的Streamlit正是为了应对这一痛点而生的。Streamlit是一个机器学习工程师专用的，专门针对机器学习和数据科学团队的应用开发框架，是目前开发自定义机器学习工具的最快的方法。可以认为它的目标是取代Flask在机器学习项目中的地位，可以帮助机器学习工程师快速开发用户交...
原文：https://blog.csdn.net/a727911438/article/details/77172419
机器学习：利用“数据”作为“经验”形式，让计算机在计算数据时产生 “模型”，然后根据得到的“经验”模型来对新的情况作出判断。基本术语样本：记录中对一个事件或对象的描述数据集：一组记录的集合属性:反映时间或对象在某方面的表现或性质样本空间：所有属性组成的空间例如：色泽青绿、根蒂蜷缩、声音浊响的西瓜其中（色泽青绿、根蒂蜷缩、敲声浊响）是一条记录，这条记录中描述西瓜的内容为一个样本；色泽、根蒂、敲声为西瓜...
手写数字数据集（下载地址：http://www.cs.nyu.edu/~roweis/data.html） 手写数字数据集包括1797个0-9的手写数字数据，每个数字由8*8大小的矩阵构成，矩阵中值的范围是0-16，代表颜色的深度。 使用sklearn.datasets.load_digits即可加载相关数据集。参数：* return_X_y：若为True ,则以（data, target）形式返回数据；默认为False，表示以字典形式返回数据全部信息（包括data和target）。* n_class：表示返回数据的类别数，如...
转自 飞鸟各投林 SVM（支持向量机） 支持向量机算法是诞生于统计学习界，同时在机器学习界大放光彩的经典算法。 支持向量机算法从某种意义上来说是逻辑回归算法的强化：通过给予逻辑回归算法更严格的优化条件，支持向量机算法可以获得比逻辑回归更好的分类界线。但是如果没有某类函数技术，则支持向量机算法最多算是一种更好的线性分类技术。 但是，通过跟高斯“核”的结合，支持向量机可以表达出非常复杂的分类界线...
这篇文章主要对机器学习的基本概念和分类做一下总结。 文章目录
什么是机器学习为什么使用机器学习机器学习系统的类型有监督学习和无监督学习有监督学习无监督学习半监督学习强化学习
批量学习和在线学习批量学习在线学习
基于实例的学习于基于模型的学习基于实例的学习基于模型的学习什么是机器学习
机器学习是一门通过编程让计算机从数据中进行学习的科学（和艺术）。
为什么使用机器学习
这里有两张图，描述处理问题时，传统方法...
分享嘉宾：郭夏玮 第四范式 资深研究员编辑整理：蒋瑞尧内容来源：第四范式 | 先荐出品平台：DataFun注：转载请在后台留言“转载”。导读：近年来，随着 GDPR 通用数据保护条例出台以及一些互联网公司数据隐私泄漏等事件的发生，数据隐私的保护问题在行业应用中备受关注。与数据密切相关的机器学习算法的安全性成为一个巨大挑战。本文将介绍在机器学习领域中数据隐私安全的相关工作，并介绍第四范式在差分隐私算法效果提升上所做的...
在真实的世界中，缺失数据是经常出现的，并可能对分析的结果造成影响。我们需要了解数据缺失的原因和数据缺失的类型，并从数据中识别缺失值，探索数据缺失的模式，进而处理缺失的数据。本文概述处理数据缺失的方法。一，数据缺失的原因首先我们应该知道：数据为什么缺失？数据的缺失是我们无法避免的，可能的原因有很多种，博主总结有以下三大类：无意的：信息被遗漏，比如由于工作人员的疏忽，忘记而缺失；或者由于数据采集器等故...
机器学习概述
机器学习模型有监督 VS. 无监督分类 VS. 回归机器学习工作流数据，数据，数据！欠拟合 VS. 过拟合为什么要机器学习机器学习真的无所不能吗？概述：读完这篇文章你将能够：
辨别不同类型的机器学习问题；理解什么是机器学习模型；知道建立和应用机器学习模型的一般工作流；了解常见机器学习算法的优点和缺点。
机器学习模型
机器学习（Machine Learning）这个术语常常掩盖了它的计算机科学性质，因为它的名字可能暗示机...
机器学习(27)【降维】之主成分分析(PCA)详解
昱良 机器学习算法与Python学习
前言
主成分分析（Principal components analysis，以下简称PCA）是最重要的降维方法之一。在数据压缩消除冗余和数据噪音消除等领域都有广泛的应用。一般我们提到降维最容易想到的算法就是PCA，下面我们就对PCA的原理做一个总结。
PCA基本思想
PCA顾名思义，就是找出数据里最主要的方面，用数据里最主要的方面来代替原始数据。具体的，假如我们的数据集...
