在这里唱歌不一定都是神经病

之前讲的是如何使用交叉验证进行数据集的划分。当我们用交叉验证的方法并且结合一些性能度量方法来评估模型好坏的时候，我们可以直接使用sklearn当中提供的交叉验证评估方法，这些方法如下：

在上一节中我们提到，将矩阵按行打乱排序是一个计算复杂度相当高的操作。因此，我们要将min-hash算法投入实际应用，就必须要找出另一种哈希函数来替代打乱排序的操作，作为新的最小哈希操作来得到哈希签名。

上面说的将数据集划分为k等份的方法叫做k折交叉验证，在第三部分“运用交叉验证进行模型评估”中，会介绍cross_value_score方法，该方法的参数cv负责制定数据集划分方法，若输入任一整型数字k

想象一个由我们需要对比的原始集合**按列组成**的矩阵，将这个矩阵**按行打乱**排序P次，在每一次打乱之后，找出每个集合（即矩阵的列向量）的**第一个**值为1的行索引，并将这个索引分别填充进一个新

今天的这一节中，我们将对min-hash算法的基本思想进行一个整体介绍。 我们在上一节中提到： “min-hash算法就是一个在Jaccard距离基础之上进行改进，带有降维功能的进阶版Jacca

当一个机器学习/深度学习模型训练完成后，我们需要使用特定的模型评估方法来对得到的模型进行验证。 本系列文章旨在为刚接触机器学习的读者提供一个入门教程，使读者能对机器学习模型的评估方法有一个初步的认识

现在我们可以知道，min-hash 算法是LSH算法中的一个步骤，其主要工作是对输入的高维向量（可能是几百万维甚至更高）转换为低维的向量（降维后的向量被称作数字签名），然后再对低维向量计算其相似，以达

在本篇文章中，我们将介绍如何使用sk_learn这一机器学习工具包进行PCA降维的操作。PCA即主成份分析

本篇文章中，我们将介绍监督学习模型中广泛使用的正则化技术以及这些技术之间的关键区别。 当你的数据集的特征维度数量较大时，为了能够创建一个低复杂度的（尽量简约的）模型，可以使用一些用于解决过拟合问题与实