HappyPuppy

摘要： TensorFlow是咱们机器学习领域非常常用的一个组件，它在数据处理，模型建立，模型验证等等关于机器学习方面的领域都有很好的表现，前面的一节我已经简单介绍了一下TensorFlow里面基础的数据结构即：Tensor和Dataset； 这里咱们开始介绍TensorFlow的建模过程以及验证模型的一些 阅读全文

摘要： 好了，咱们今天终于进入了现阶段机器学习领域内最流行的一个框架啦——TensorFlow。对的，这款由谷歌开发的机器学习框架非常的简单易用并且得到了几乎所有主流的认可，谷歌为了推广它的这个框架甚至单独开辟了免费学习这个框架的视频教程，可惜这些教程都是基于TensorFlow1.0版本的，一直没有更新。 阅读全文

摘要： 前面一节咱们已经介绍了决策树的原理已经在sklearn中的应用。那么这里还有两个数据处理和sklearn应用中的小知识点咱们还没有讲，但是在实践中却会经常要用到的，那就是交叉验证cross_validation和Pipeline。cross_validation是保证了咱们的模型不受数据分布的影响， 阅读全文

摘要： 咱们正式进入了机器学习的模型的部分，虽然现在最火的的机器学习方面的库是Tensorflow, 但是这里还是先简单介绍一下另一个数据处理方面很火的库叫做sklearn。其实咱们在前面已经介绍了一点点sklearn，主要是在categorical data encoding那一块。其实sklearn在数 阅读全文

摘要： 概述：上节咱们说了特征工程是机器学习的一个核心内容。然后咱们已经学习了特征工程中的基础内容，分别是missing value handling和categorical data encoding的一些方法技巧。但是光会前面的一些内容，还不足以应付实际的工作中的很多情况，例如如果咱们的原始数据的fea 阅读全文

摘要： 好了，大家现在进入到机器学习中的一块核心部分了，那就是特征工程，洋文叫做Feature Engineering。实际在机器学习的应用中，真正用于算法的结构分析和部署的工作只占很少的一部分，相反，用于特征工程的时间基本都占70%以上，因为是实际的工作中，绝大部分的数据都是非标数据。因而这一块的内容是非 阅读全文

摘要： 现在每天产生的数据都是海量的，这些数据中既有高质量的也有很多垃圾，如何从这些海量的数据中洞察出这些数据的内在联系是我们机器学习的核心内容。如果光把数据丢在大家的面前，咱们肯定是无感的，无法获取这些数据的意义。为了能够更加直观的了解这些数据的一些特征，例如数据的分布情况，数据的趋势和走势，数据之间的对 阅读全文

摘要： Pandas是一款适用很广的数据处理的组件，如果将来从事机械学习或者数据分析方面的工作，咱们估计70%的时间都是在跟这个框架打交道。那大家可能就有疑问了，心想这个破玩意儿值得花70%的时间吗？咱不是还有很牛逼的Tensorflow, keras,神经网络，classification等等这些牛逼的技 阅读全文

摘要： Numpy是专门为数据科学或者数据处理相关的需求设计的一个高效的组件。听起来是不是挺绕口的，其实简单来说就2个方面，一是Numpy是专门处理数据的，二是Numpy在处理数据方面很牛逼（肯定比Python原生组件牛逼，否则也不会另外再来搞个Numpy了吧）。其实更加细化的来看其实Numpy最常用的就是 阅读全文

摘要： 好了，咱们接着上一节的内容，继续学习机器学习中的Python语法部分。这一节算是Python语法的最后一节了。也就是说如果真的看懂了这两节的内容，理论上说就机器学习的领域或者方向，语言已经不是问题了。同时也意味着马上真正的进入机器学习的核心部分了。好了，那咱们接下来正式开始咱们的学习啦。 Tuple 阅读全文