摘要：
作者：弗兰克扬 十几年前我还在玩论坛的时候，我们作为有管理权限的小版主都知道，一个优秀的经验交流社区最重要的一个帖子就是FAQ，这个帖子被置顶放在一个版面的最上面是一种无声的宣告，新来者若想在本版进行深入有效有趣的交流，请首先进来学习FAQ，不要问重复的问题，不要做无脑伸手党。但是这些年我渐渐发现， 阅读全文
摘要：
二十一、统计学 作者：Chris Albon 译者：飞龙 协议：CC BY-NC-SA 4.0 贝塞尔校正 贝塞尔的校正是我们在样本方差和样本标准差的计算中使用 n − 1 n-1 n−1 而不是 n n n 的原因。 样本方差： $ s^2 = \frac {1}{n-1} \sum_{i=1}^ 阅读全文
摘要：
二十、数据可视化 作者：Chris Albon 译者：飞龙 协议：CC BY-NC-SA 4.0 MatPlotLib 中的双向条形图 %matplotlib inline import pandas as pd import matplotlib.pyplot as plt import nump 阅读全文
摘要：
十八、Keras 作者：Chris Albon 译者：飞龙 协议：CC BY-NC-SA 4.0 添加丢弃 # 加载库 import numpy as np from keras.datasets import imdb from keras.preprocessing.text import To 阅读全文
摘要：
十七、聚类 作者：Chris Albon 译者：飞龙 协议：CC BY-NC-SA 4.0 凝聚聚类 # 加载库 from sklearn import datasets from sklearn.preprocessing import StandardScaler from sklearn.cl 阅读全文
摘要：
十六、朴素贝叶斯 作者：Chris Albon 译者：飞龙 协议：CC BY-NC-SA 4.0 伯努利朴素贝叶斯 伯努利朴素贝叶斯分类器假设我们的所有特征都是二元的，它们仅有两个值（例如，已经是独热编码的标称分类特征）。 # 加载库 import numpy as np from sklearn. 阅读全文
摘要：
十五、支持向量机 作者：Chris Albon 译者：飞龙 协议：CC BY-NC-SA 4.0 校准 SVC 中的预测概率 SVC 使用超平面来创建决策区域，不会自然输出观察是某一类成员的概率估计。 但是，我们实际上可以通过一些技巧输出校准的类概率。 在 SVC 中，可以使用 Platt 缩放，其 阅读全文
摘要：
十四、K 最近邻 作者：Chris Albon 译者：飞龙 协议：CC BY-NC-SA 4.0 确定 K 的最佳值 # 加载库 from sklearn.neighbors import KNeighborsClassifier from sklearn import datasets from 阅读全文
摘要：
十一、线性回归 作者：Chris Albon 译者：飞龙 协议：CC BY-NC-SA 4.0 添加交互项 # 加载库 from sklearn.linear_model import LinearRegression from sklearn.datasets import load_boston 阅读全文
摘要：
十、模型选择 作者：Chris Albon 译者：飞龙 协议：CC BY-NC-SA 4.0 在模型选择期间寻找最佳预处理步骤 在进行模型选择时，我们必须小心正确处理预处理。 首先，GridSearchCV使用交叉验证来确定哪个模型表现最好。 然而，在交叉验证中，我们假装作为测试集被留出的一折是不可 阅读全文