摘要：
降维 数学知识 特征向量： 设A是n阶方阵，如果有常数λ和n维非零列向量α的关系式Aα=λα成立，则称λ为方阵A的特征值，非零向量α称为方阵A的对应于特征值λ的特征向量 特征值分解 降维 主成分分析 模型求解 方差最大化 算法流程 自编码器 深层自编码器 python实现PCA算法 import n 阅读全文
摘要：
本地MarkDown优雅发表 前言 身为一名程序员，记录笔记、发表博客首选便是MarkDown,现在网上有好多发表博客的地方:CSDN、博客园、简书,甚至一些大佬都有自己专属博客，但自己最喜欢的还是博客园，一来没钱搭建服务器，二来博客园广告少，简洁的风格让人更舒适一些。 发表MarkDown的苦恼 阅读全文
摘要：
聚类 数学知识基础 凸函数 和 Jensn不等式 聚类 聚类的本质：将数据集中相似的样本进行分组的过程。 每个组称为一个簇(cluster)，每个簇的样本对应一个潜在的类别 样本没有类别标签，因此是聚类一种典型的无监督学习方法 这些族满足以下两个条件： 相同簇的样本之间距离较近 不同簇的样本之间距离 阅读全文
摘要：
模型升级 模型提升 无论是线性模型还是非线性模型，都存在着误差 ⇒ 模型改进 模型改进思路： 训练多个弱模型，组合成一个“强”模型 提高效果原因 决策树 什么是决策树 把问题问到点子上，如银行放贷决策 **决策树生成：**从根节点开始选择节点对应特征（如年龄…），选择节点特征分割点，根据分割点分裂节 阅读全文
摘要：
分类 分类是另一种典型的有监督学习问题。标签（模型预测值）y为离散值 感知机 找到一条直线，将两类数据分开。当出现划分错误情况（如正值在左/负值在右），就需要进行优化，优化目标简单的说就是让划分错误的那个点尽可能地离直线近，即距离越小。 优化目标 代码实现 def perception(X,y,le 阅读全文
摘要：
回归 基本数学知识—矩阵 矩阵可逆概念：对于n阶矩阵A，如果有一个n阶矩阵B，使得 AB = BA = E，则说矩阵 A 是可逆的，并把矩阵B称为矩阵A的逆矩阵 注意：若矩阵A可逆，则A的逆矩阵唯一 矩阵可逆的条件 行列式不等于0 矩阵满秩 行或列向量组线性无关 认识回归 回归最早由英国生物统计学家 阅读全文
摘要：
机器真的会学习吗 该讲初步介绍了机器学习的概念、分类、及其应用场景 机器学习定义 机器学习领域的创始人Arthur Samuel（亚瑟·塞缪尔）早在1959年就给机器学习（Machine Learning，ML）下了定义：机器学习是这样的一个研究领域，它能让计算机不依赖确定的编码指令来自主的学习工作 阅读全文
摘要：
影视分析案例 学完了pandas,趁热打铁练习了下电影分析案例，通过练习，巩固了这几天的知识，不过数据分析时没有业务逻辑，基本停留表面，数据分析的过程中也让我感到有些枯燥。 1. 总览数据 import pandas as pd import matplotlib.pyplot as plt # 影 阅读全文
摘要：
Pandas用法总结 Pandas简介 Pandas是基于NumPy的一种工具，该工具是为了解决数据分析任务而创建的。Pandas纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据库所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。Pandas基于两种数据类型：ser 阅读全文
摘要：
NumPy用法总结 快速了解NumPy NumPy是一个开源的Python科学计算库，用于快速处理任意维度的数组。 NumPy支持常见的数组和矩阵操作。对于同样的数值计算任务，使用NumPy比直接使用Python要简洁的多。 NumPy使用ndarray对象来处理多维数组，该对象是一个快速而灵活的大 阅读全文