02 2022 档案
摘要：
参考： 《数学之美》 一文搞懂交叉熵在机器学习中的使用，透彻理解交叉熵背后的直觉 详解机器学习中的熵、条件熵、相对熵和交叉熵 常用的分类问题中的损失函数 1.信息量与信息熵 香农在他著名的论文”通信的数学原理“（A Mathematic Theory of Communication）中提出了”信息
阅读全文
参考： 《数学之美》 一文搞懂交叉熵在机器学习中的使用，透彻理解交叉熵背后的直觉 详解机器学习中的熵、条件熵、相对熵和交叉熵 常用的分类问题中的损失函数 1.信息量与信息熵 香农在他著名的论文”通信的数学原理“（A Mathematic Theory of Communication）中提出了”信息
阅读全文
摘要：参考: WOE与IV值浅谈 机器学习-变量筛选之IV值和WOE 0. Introduction WOE (weight of evidence): 证据权重 IV (information value): 信息值 计算 WOE 与 IV 值的意义： （1）用 woe 编码可以处理缺失值问题。 （2）
阅读全文
摘要：
1. map、apply、applymap 参考：Pandas教程 | 数据处理三板斧——map、apply、applymap详解 在日常的数据处理中，经常会对一个DataFrame进行逐行、逐列和逐元素的操作，对应这些操作，Pandas中的map、apply和applymap可以解决绝大部分这样的
阅读全文
1. map、apply、applymap 参考：Pandas教程 | 数据处理三板斧——map、apply、applymap详解 在日常的数据处理中，经常会对一个DataFrame进行逐行、逐列和逐元素的操作，对应这些操作，Pandas中的map、apply和applymap可以解决绝大部分这样的
阅读全文
