deephub

摘要： 本文将使用信用违约数据集介绍手工特征的概念和创建过程。 通过对原始数据进行手工的特征工程，我们可以将模型的准确性和性能提升到新的水平，为更精确的预测和更明智的业务决策铺平道路， 可以以前所未有的方式优化模型并提升业务能力。 原始数据就像一个没有图片的拼图游戏——但通过特征工程，我们可以将这些碎片拼在 阅读全文

摘要： 在20世纪，统计学还处于起步阶段计算机还不是那么流行的时候，假设正态分布是生成数据的标准。这主要是因为在那个所有结果都是手工计算的时代，正态分布可以使计算不那么繁琐。 但在这个大数据时代，随着计算能力的提高，数据的可用性使得统计学家采用了更现代的技术——非参数统计。这里我们将讨论一种这样的方法来估计 阅读全文

摘要： 上篇文章我们已经介绍了一些常见的聚类算法，下面我们将要介绍评估聚类算法的指标 在聚类算法中，评估聚类结果的好坏是非常重要的。常见的聚类评估指标包括： Rand Index：用于衡量聚类结果和真实标签之间的相似度。 Adjusted Rand Score：Rand Index的调整版本，可以对随机结果 阅读全文

摘要： 无监督聚类方法的评价指标必须依赖于数据和聚类结果的内在属性，例如聚类的紧凑性和分离性，与外部知识的一致性，以及同一算法不同运行结果的稳定性。 本文将全面概述Scikit-Learn库中用于的聚类技术以及各种评估方法。 本文将分为2个部分，1、常见算法比较 2、聚类技术的各种评估方法 本文作为第一部分 阅读全文

摘要： 在机器学习中，特征是指对象、人或现象的可测量和可量化的属性或特征。特征可以大致分为两类：稀疏特征和密集特征。 完整文章： https://avoid.overfit.cn/post/db548d55a7f44ec791bbc024727673e8 阅读全文

摘要： 机器学习可以用来解决广泛的问题。但是有很多多不同的模型可以选择，要知道哪一个适合是一个非常麻烦的事情。本文的总结将帮助你选择最适合需求的机器学习模型。 完整文章： https://avoid.overfit.cn/post/dee6ac1aae804fc1b40c849412076d0c 阅读全文

摘要： 当我们的数据涉及日期和时间时，分析随时间变化变得非常重要。Pandas提供了一种方便的方法，可以按不同的基于时间的间隔(如分钟、小时、天、周、月、季度或年)对时间序列数据进行分组。 在Pandas中，有几种基于日期对数据进行分组的方法。我们将使用这些虚拟数据进行演示: https://avoid.o 阅读全文

摘要： 广义学习矢量量化（Generalized Learning Vector Quantization，GLVQ）是一种基于原型的分类算法，用于将输入数据分配到先前定义的类别中。GLVQ是LVQ（Learning Vector Quantization）的一种扩展形式，LVQ在特征空间中利用一组代表性原 阅读全文

摘要： 周期是数据中出现重复模式所需的时间长度。更具体地说，它是模式的一个完整周期的持续时间。在这篇文章中，将介绍计算时间序列周期的三种不同方法。 我们使用City of Ottawa 数据集，主要关注的是每天的服务呼叫数量。所以不需要对病房名称进行初始数据处理。Ottawa 数据集在渥太华市提供的数据门户 阅读全文

摘要： 时间序列是指在一段时间内发生的任何可量化的度量或事件。尽管这听起来微不足道，但几乎任何东西都可以被认为是时间序列。一个月里你每小时的平均心率，一年里一只股票的日收盘价，一年里某个城市每周发生的交通事故数。在任何一段时间段内记录这些信息都被认为是一个时间序列。对于这些例子中的每一个，都有事件发生的频率 阅读全文