机器学习

大家好，我是Peter~ 本文给整理了一份绝佳的Numpy入门学习资料，文章略长，建议收藏！ Numpy简介 Numpy的全称是"Numeric Python"，直译为"数值Python"，可以理解成

大家好，我是Peter~ 今天给大家带来一篇关于可视化库seaborn库的文章。 Seaborn简介 Seaborn是一个基于Python的数据可视化库，它建立在Matplotlib之上，提供了一种更

大家好，我是Peter~ 历时一个月百度文心一言的内测申请终于通过了，有点久！ 短信通知： 3月22号提交的申请： 使用界面： 赶紧测试并且和ChatGPT进行了对比： Q1：请你做个自我介绍，200

大家好，我是Peter~ 关注小屋的朋友肯定都知道小编一直在坚持写pandas相关的文章，最近的一篇请参考： Pandas是一个基于python和numpy的数据分析库，特别擅长数据处理和数据分析。

大家好，我是Peter~ Kaggle 是数据科学者必须逛的地方，上面有太多的数据科学、算法、建模等方向的知识需要学习。 Kaggle Kernels 是互联网上了解算法实际实现的最佳资源之一。 最近

机器学习数据自动化分析神器-dataprep 大家好，我是Peter~ dataprep是一个开源的Python第三方库，有助于数据科学者、数据分析师等自动化进行数据探索，能够快速地创建数据分析报告，

大家好，我是Peter~ 本文是基于机器学习的关联规则方法对IC电子产品的数据挖掘，主要内容包含： 数据预处理：针对数据去重、缺失值处理、时间字段处理、用户年龄分段等 词云图制作：不同用户对不同品牌b

大家好，我是Peter~ 最近获取到了一份IC电子产品电商数据的分析，后面会进行3个主题的数据分析与挖掘： 第一阶段：基于pandas、numpy、matplotlib、seaborn、plotly等

大家好，我是Peter~ 本文是针对kaggle上一个真假新闻数据进行建模分析，文章主要内容： 文本数据解析 词云图绘制 文本词频和长度分析 语料库生成与分词 基于Keras的建模 原数据地址： ht

大家好，我是Peter~ 决定模型好坏的一个重要工作就是：特征工程 特征工程介于数据和算法之间，常见的特征工程分为： 数据预处理 特征转换 特征提取 特征选择 数据预处理 缺失处处理 缺失值的表现为N

大家好，我是Peter~ 本文记录的是书籍《深度学习进阶：自然语言处理》的第四章学习笔记。 对比计数统计和推理两种方法 基于计数的方法 基于计数的方法是根据一个单词周围的单词的出现次数来表示该单词。

大家好，我是Peter~ 机器学习有许多不同的算法，每个算法都有其特定的应用场景和优缺点。然而，最简单的机器学习算法可能是线性回归。 线性回归是一种用于预测连续数值输出的监督学习算法，它通过建立一个线

机器学习算法竞赛实战-数据探索 本文是《机器学习算法竞赛实战》的读书笔记2：在进行建模之前如何进行数据探索，了解数据的基本情况。通过系统的探索加深对数据的理解。 数据探索 分析思路是什么 最好使用多种

机器学习算法竞赛实战-竞赛问题建模 更新《机器学习算法竞赛实战》一书的阅读笔记，更多详细的内容请阅读原书。本文的主要内容包含： 竞赛问题的3个主要部分 -如何理解竞赛问题 机器学习的样本选择 如何线下

大家好，我是Peter~ 最近看到国外一位大神对机器学习知识点绘制的彩图，通过图解的形式来解释一个知识点，比如过拟合、auc、boosting算法等，非常的形象👍，比如： 支持向量机 L2正则化过程

大家好，我是Peter~ 本文记录的是台湾大学李宏毅老师对CNN卷积神经网络的讲解，图解非常易懂。涉及到的知识点： 卷积神经网络如何运用到图片分类问题 感受野 Receptive Field 步长St

大家好，我是Peter~ 今天给大家带来一篇新的kaggle数据建模文章：信贷违约预测 本文是基于一份Lendingclub上面的信贷数据，根据贷款人的历史数据和贷款信息，建立一个逻辑回归模型来预测借

大家好，我是Peter~ 今天给大家分享的是关于特征工程的文章：数据的归一化和标准化。 数据的归一化和标准化都是对数据做变换，指通过某种处理方法将待处理的数据限制在一定的范围内或者符合某种分布。 它们

大家好，我是Peter~ 今天给大家带来的是kaggle上面一份关于肿瘤数据的统计分析，适合初学者快速入门，主要内容包含： 基于直方图的频数统计 基于四分位法的异常点定位分析 描述统计分析 基于累计分

大家好，我是Peter~ 本文给大家介绍一种数据挖掘中常见的特征处理方式：基于独热码的哑变量生成。 哑变量又叫做虚拟变量，虚设变量或者名义变量，是人为设定的用于将分类变量引入回归模型中的方法。 比如学