上一页 1 ··· 11 12 13 14 15 16 17 18 19 ··· 26 下一页
摘要: 作者:Pier Paolo Ippolito@南安普敦大学 编译:机器学习算法与Python实战(微信公众号:tjxj666) 原文:https://towardsdatascience.com/probability distributions in data science cce6e64873 阅读全文
posted @ 2020-03-19 13:37 机器学习算法与Python 阅读(4221) 评论(0) 推荐(1) 编辑
摘要: 本篇为《Python数据可视化实战》第十篇文章,我们一起学习一个交互式可视化Python库——Bokeh。 Bokeh基础 Bokeh是一个专门针对Web浏览器的呈现功能的交互式可视化Python库。这是Bokeh与其它可视化库最核心的区别。 Bokeh绘图步骤 ①获取数据 ②构建画布figure( 阅读全文
posted @ 2020-03-17 14:38 机器学习算法与Python 阅读(2684) 评论(0) 推荐(0) 编辑
摘要: 大家应该对李宏毅老师不陌生吧?李宏毅现任国立台湾大学电气工程系助理教授,研究重点是机器学习(尤其是深度学习方向)、口语理解和语音识别。他的人工智能系列公开课是Youtube上最火的人工智能系列课程。很多机器学习初学者都学习过他的《机器学习》公开课。李老师讲课通俗易懂、课程案例生动有趣(还记得宝可梦和 阅读全文
posted @ 2020-03-16 21:25 机器学习算法与Python 阅读(729) 评论(0) 推荐(0) 编辑
摘要: 课程简介: 真正大师的课程往往都是免费的,诸如吴恩达,李飞飞等。不过大家应该对李宏毅老师也不陌生吧?很多机器学习初学者,首选李宏毅老师。毕竟中文授课,而且他讲课通俗易懂、课程案例生动有趣(还记得宝可梦和帝国时代)。 近期,他的《机器学习2020》上线了,相比Machine Learning (201 阅读全文
posted @ 2020-03-08 20:32 机器学习算法与Python 阅读(872) 评论(0) 推荐(0) 编辑
摘要: 数据科学职位的典型面试过程会有很多轮,其中通常会涉及理论概念,目的是确定应聘者是否了解机器学习的基础知识。 在这篇文章中,我想总结一下我所有的面试经历(面试or被面试)并提出了160多个数据科学理论问题的清单。 其中包括以下主题: 线性回归 模型验证 分类和逻辑回归 正则化 决策树 随机森林 GBD 阅读全文
posted @ 2020-03-06 09:50 机器学习算法与Python 阅读(585) 评论(0) 推荐(1) 编辑
摘要: zip()的作用 先看一下语法: Python的内置help()模块提供了一个简短但又有些令人困惑的解释: 返回一个元组迭代器,其中第i个元组包含每个参数序列或可迭代对象中的第i个元素。当最短的可迭代输入耗尽时,迭代器将停止。使用单个可迭代参数,它将返回1元组的迭代器。没有参数,它将返回一个空的迭代 阅读全文
posted @ 2020-02-16 09:18 机器学习算法与Python 阅读(2597) 评论(0) 推荐(0) 编辑
摘要: 回归模型的性能的评价指标主要有:RMSE(平方根误差)、MAE(平均绝对误差)、MSE(平均平方误差)、R2_score。但是当量纲不同时,RMSE、MAE、MSE难以衡量模型效果好坏。这就需要用到R2_score,实际使用时,会遇到许多问题,今天我们深度研究一下。 预备知识 搞清楚R2_score 阅读全文
posted @ 2019-12-11 13:54 机器学习算法与Python 阅读(19178) 评论(0) 推荐(0) 编辑
摘要: Boosting算法 Boosting是一种用来提高弱分类器准确度的算法,是将“弱学习算法“提升为“强学习算法”的过程,主要思想是“三个臭皮匠顶个诸葛亮”。一般来说,找到弱学习算法要相对容易一些,然后通过反复学习得到一系列弱分类器,组合这些弱分类器得到一个强分类器。 Boosting算法要涉及到两个 阅读全文
posted @ 2019-12-04 15:02 机器学习算法与Python 阅读(537) 评论(0) 推荐(0) 编辑
摘要: 本文涉及pandas最常用的36个函数,通过这些函数介绍如何完成数据生成和导入、数据清洗、预处理,以及最常见的数据分类,数据筛选,分类汇总,透视等最常见的操作。 生成数据表 常见的生成数据表的方法有两种,第一种是导入外部数据,第二 种是直接写入数据。Excel中的“文件”菜单中提供了获取外部数据的功 阅读全文
posted @ 2019-12-03 14:38 机器学习算法与Python 阅读(6450) 评论(0) 推荐(1) 编辑
摘要: 作者:努力的孔子 https://www.cnblogs.com/yanshw/p/10735079.html 对模型进行评估时,可以选择很多种指标,但不同的指标可能得到不同的结果,如何选择合适的指标,需要取决于任务需求。 正确率与错误率 正确率 :正确分类的样本数/总样本数,accuracy 错误 阅读全文
posted @ 2019-11-28 11:42 机器学习算法与Python 阅读(965) 评论(0) 推荐(0) 编辑
上一页 1 ··· 11 12 13 14 15 16 17 18 19 ··· 26 下一页