摘要：
本周收获 总结一下本周学习内容： 1、《深入浅出Pandas》的第16章：Pandas可视化 16.1 plot()方法~ 16.2常用可视化图形 :car:博客： Pandas：可视化 2、《机器学习》第10章：降维与度量学习 10.1 K近邻学习 10.2 低维嵌入 10.3 主成分分析 10. 阅读全文
摘要：
1、plot（）方法 plot() 方法的绘制方法可绘制的图形主要有： Plot 绘图参数 plot.line 折线图 plot.pie 饼图 plot.bar 柱状图 plot.hist 直方图 plot.box 箱形图 plot.area 面积图 plot.scatter 散点图 plot.he 阅读全文
摘要：
1、权重衰减 过拟合现象：模型的训练误差远小于它在测试集上的误差。 虽然增大训练数据集可能会减轻过拟合，但是获取额外的训练数据往往代价高昂。 本节介绍应对过拟合问题的常用方法：权重衰减（weight decay）。 方法 权重衰减等价于$L_2$范数正则化（regularization）。正则化通过 阅读全文
摘要：
1、K近邻学习 k近邻算法简称kNN（k-Nearest Neighbor），是一种经典的监督学习方法，数据挖掘十大算法之一。 工作机制:给定测试样本,基于某种距离度量找出训练集中与其最靠近的k个训练样本,然后基于这k个“邻居”的信息来进行预测。 通常,在分类任务中可使用“投票法”,即选择这k个样本 阅读全文