Ho Loong

摘要： 系列文章目录： 感知机 线性回归 非线性问题 多项式回归 岭回归 逻辑回归 算法介绍 今天我们一起来学习使用非常广泛的分类算法：逻辑回归，是的，你没有看错，虽然它名字里有回归，但是它确实是个分类算法，作为除了感知机以外，最最最简单的分类算法，下面我们把它与感知机对比来进行学习； 从决策边界上看 感知 阅读全文

摘要： 系列文章目录： 感知机 线性回归 非线性问题 多项式回归 岭回归 算法介绍 今天我们来一起学习一个除了线性回归、多项式回归外最最最简单的回归算法：岭回归，如果用等式来介绍岭回归，那么就是：\(岭回归 = 多项式回归 + 惩罚项\)，\(多项式回归 = 线性回归 + 多项式特征构建\)，从上述等式可以 阅读全文

摘要： 系列文章目录： 感知机 线性回归 非线性问题 多项式回归 岭回归 算法介绍 今天我们来一起学习一个除了线性回归外最最最简单的回归算法：多项式回归； 从线性回归到多项式回归 事实上与线性回归相比，多项式回归没有增加任何需要推导的东西，唯一增加的是对原始数据进行多项式特征转换，这有点类似我们在非线性问题 阅读全文

摘要： 系列文章目录： 感知机 线性回归 非线性问题 多项式回归 岭回归 算法介绍 前面两篇分别介绍了分类与回归问题中各自最简单的算法，有一点相同的是它们都是线性的，而实际工作中遇到的基本都是非线性问题，而能够处理非线性问题是机器学习有实用价值的基础； 首先，非线性问题在分类与回归中的表现是不同的，在回归问 阅读全文

摘要： 系列文章目录： 感知机 线性回归 非线性问题 多项式回归 岭回归 如果说感知机是最最最简单的分类算法，那么线性回归就是最最最简单的回归算法，所以这一篇我们就一起来快活的用两种姿势手撸线性回归吧； 算法介绍 线性回归通过超平面拟合数据点，经验误差一般使用MSE（均平方误差），优化方法为最小二乘法，算法 阅读全文

摘要： 系列文章目录： 感知机 线性回归 非线性问题 多项式回归 岭回归 感知机（Perceptron）是最最最简单的机器学习算法（分类），同时也是深度学习中神经元的基础组件； 算法介绍 感知机与逻辑回归、SVM类似的是同样是构建一个分割超平面来实现对数据点的分类，不同点在于超平面的查找过程更加的简单粗暴， 阅读全文

摘要： 全部内容来源于《Python深度学习》，以练习为主，理论知识较少，掺杂有一些个人的理解，虽然不算很准确，但是胜在简单易懂，这本书是目前看到最适合没有深度学习经验的同学们入门的书籍了，不妨试试，该书作者：Francois Chollet，即Keras之父，该书译者：张亮； 相关内容以及代码已经在Kag 阅读全文

摘要： What is Pig Apache Pig是MapReduce的一个抽象，它是一个工具/平台（所以说它并不完全是一门语言），用于分析较大数据集，并将其表示为数据流； Pig通常与Hadoop一起使用，使用Pig进行数据处理、分析时，需要使用其提供的Pig Latin脚本语言编写相应脚本，这些脚本执 阅读全文

摘要： 首先介绍下我的情况和需求，如果你跟我类似，那么这篇文章将很有帮助； 我之前的技术栈主要是Java、Python，机器学习方面主要用到是pandas、numpy、sklearn、scipy、matplotlib等等，因为工作需要使用spark，所以理所应当的开始学习pyspark； 之后一方面团队其他 阅读全文

摘要： 该篇文档基于kaggle course，通过简单的理论介绍、程序代码、运行图以及动画等来帮助大家入门深度学习，既然是入门，所以没有太多模型推导以及高级技巧相关，都是深度学习中最基础的内容，希望大家看过之后可以自己动手基于Tensorflow或者Keras搭建一个处理回归或者分类问题的简单的神经网络模 阅读全文

摘要： 机器学习可解释性分析 可解释性通常是指使用人类可以理解的方式，基于当前的业务，针对模型的结果进行总结分析； 一般来说，计算机通常无法解释它自身的预测结果，此时就需要一定的人工参与来完成可解释性工作； 目录： 是什么：什么叫可解释性； 为什么：为什么要对模型结果进行解释； 怎么做：如何有效的进行可解释 阅读全文

摘要： Spark - Frequent Pattern Mining 官方文档：https://spark.apache.org/docs/2.2.0/ml-frequent-pattern-mining.html 挖掘频繁项、项集、子序列或者其他子结构通常是大规模数据分析的第一步，这也是近些年数据挖掘领 阅读全文

摘要： Spark - Parquet 概述 Apache Parquet属于Hadoop生态圈的一种新型列式存储格式，既然属于Hadoop生态圈，因此也兼容大多圈内计算框架（Hadoop、Spark），另外Parquet是平台、语言无关的，这使得它的适用性很广，只要相关语言有对应支持的类库就可以用； Pa 阅读全文

摘要： Spark - ML Tuning 官方文档：https://spark.apache.org/docs/2.2.0/ml-tuning.html 这一章节主要讲述如何通过使用MLlib的工具来调试模型算法和pipeline，内置的交叉验证和其他工具允许用户优化模型和pipeline中的超参数； 目 阅读全文

摘要： Spark - Clustering 官方文档：https://spark.apache.org/docs/2.2.0/ml-clustering.html 这部分介绍MLlib中的聚类算法； 目录： K-means： 输入列； 输出列； Latent Dirichlet allocation(LD 阅读全文

摘要： Spark(3) - Extracting, transforming, selecting features 官方文档链接：https://spark.apache.org/docs/2.2.0/ml-features.html 概述 该章节包含基于特征的算法工作，下面是粗略的对算法分组： 提取： 阅读全文

摘要： Spark Job-Stage-Task实例理解 基于一个word count的简单例子理解Job、Stage、Task的关系，以及各自产生的方式和对并行、分区等的联系； 相关概念 Job：Job是由Action触发的，因此一个Job包含一个Action和N个Transform操作； Stage：S 阅读全文

摘要： ML Pipelines(译文) 官方文档链接：https://spark.apache.org/docs/latest/ml-pipeline.html 概述 在这一部分，我们将要介绍ML Pipelines，它提供了基于DataFrame上统一的高等级API，可以帮助使用者创建和调试机器学习工作 阅读全文

摘要： Android Path绘制的折线如何变得平滑 多个点可以连成一个折线,如何将折线的拟合处变为曲线,使得整个线看上去更加平滑呢? 分下来有以下三种实现方法： 方法1： Paint.setStrokeJoin(Paint.Join.ROUND) 这个方法可以将path中所有线段的Join方式设置为RO 阅读全文

摘要： 动态规划求最短路径算法,与穷举法相比优点在于大大降低了时间复杂度; 假如从起点A到终点S的最短路径Road经过点B1,那么从起点A到B1的最短路径的终点就是B1,否则如果存在一个B2使得A到B2的距离小于B1,那么起点A到终点S的最短路径Road就不应该经过B1,而应该经过B2,这显示是矛盾的,证明 阅读全文