机器学习

协同过滤（Collaborative Filtering, CF）是一种广泛应用于推荐系统中的算法，主要通过分析用户之间或物品之间的相似性来进行推荐。协同过滤可以分为基于用户（User-based）和

岭回归 (Ridge Regression) 是一种线性回归模型的改进方法，专门用于解决多重共线性问题以及提高模型的泛化能力。在传统的线性回归中，当特征之间存在较强的相关性时，模型的系数会变得不稳定，

K-Means 算法的原理可以概括为通过迭代找到数据集中的 K 个簇中心，将数据点分配到距离最近的簇中，最终使得每个簇内的点尽可能紧密地聚集在一起。它是一种无监督学习算法，通常用于对数据进行聚类分析。

决策树是机器学习中的基本算法，广泛用于分类和回归任务。它们表示基于从数据中学习的规则的模型，通过根据输入特征的值将数据拆分为子集来做出决策。本博客将介绍决策树背后的原理，包括 CART、ID3 和 C

朴素贝叶斯（Naive Bayes）是一类基于贝叶斯定理的简单而有效的分类算法。它假设特征之间是相互独立的，即在给定目标变量的情况下，每个特征都不依赖于其他特征。尽管这个假设在实际中很难成立，朴素贝叶

遗传算法（Genetic Algorithm，GA）是一种受自然选择和遗传学启发的优化算法。在计算机科学和人工智能领域，遗传算法被广泛用于解决复杂的优化和搜索问题。本文将介绍遗传算法的基本原理、工作流

深入了解 NumPy 的 numpy.random.choice 函数 在数据科学、统计学和机器学习等领域中，随机数生成是一个非常重要的任务。而 NumPy 提供了许多强大的工具来生成随机数

## 1、导包 ```py import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn

### 用scipy.optimize.least_squares解决带有变量边界的非线性最小二乘问题 `scipy.optimize.least_squares` 是一个功能强大的工具，用于解决带

快速可视化数据集中缺失值的好工具是专门的库-missuno。我们将在下面演示它。 1安装 2查看缺失值 matrix（） 根据图表中白线的数量，我们可以推断数据集中的缺失值情况。观察到白线越多，说明数

官方文档 召回率和准确率 AP定义 AP就是Precision-recall 曲线下面的面积，通常来说一个越好的分类器，AP值越高 计算平均精度（Average Precision）的Python库函

官方文档 机器学习中的特征排列重要性 在机器学习的探索和建模过程中，理解和评估特征的重要性对于构建高性能模型至关重要。然而，如何准确地衡量和判断每个特征对模型的贡献程度一直是一个挑战。

数值转换：优化数据表示的关键步骤 在数据科学和机器学习领域中，对数据进行适当的转换是提高模型性能和准确度的重要步骤之一。数值转换是一种通过对数据应用不同的转换技术来改变其分布和形态，以更好地满足模型的

numpy.where介绍 numpy.where()官方文档 NumPy 中的 numpy.where 函数：灵活的条件选择器 NumPy 是 Python 中一个强大的数值计算库，其中的 nump

pytorch的squeeze()函数参数 input (Tensor) – the input tensor. dim (int or tuple of ints , optional)

计算机视觉中Two-Stream双流网络和I3D(双流网格的3D实现) 论文和李沐讲解,Two-Stream网络结构和 I3D实现细节

李宏毅老师详细教学视频 目录 一、RNN和LSTM讲解 二、Self-attention 讲解三、Self-attention与CNN RNN GNN对比

简介 当进行数据分析项目时，常常会首先进行探索性数据分析（Exploratory Data Analysis，简称EDA）。EDA是一种探索性的数据分析方法，旨在通过统计和图形化方法来理解数据集的特征

参考 简介 Backward elimination（后退法）和forward selection（前向选择）都是统计模型中常用的变量选择方法。

在很多机器学习任务中，特征并不总是连续值，而有可能是分类值。目标编码（`target encoding`）和One-Hot编码是特征工程中非常强大的技术，在机器学习竞赛中广泛应用并取得了良好的效果。