kekoucoule

大家好，我是鱼皮。 如今找工作、面试实在是太卷了，每轮面试都 必考 八股文，不背不行。网上虽然有很多面试题，但过于分散，就导致很多朋友又不知道到哪去找题、该背哪些题了。 所...

京东作为中国最大的自营式电商，在保持高速发展的同时，沉淀了数亿的忠实用户，积累了海量的真实数据。如何从历史数据中找出规律，去预测用户未来的购买需求，让最合适的商品遇见最需要...

本案例将通过一个电商用户交易数据集，以用户的实际购买行为数据作为基础，进行用户群体的划分，再基于不同分类信息，分解成不同群体针对运营，从而使企业能更有效的获取客户、使客户更...

个体学习器称为“基学习器”（base learner），对应的学习算法为“基学习算法”（base learning algorithm）。 异质集成：个体学习器称为“组件学...

但是，对于特征工程中引用的新特征，需要验证它的确提高了预测的准确度，而不是加入了一个无用的特征，不然只会增加算法运算的复杂度。 时间戳属性通常需要分离成多个维度比如年、月、...

对于来说，左半边表示的训练数据的误差，也就是训练数据的拟合程度，而|T|表示模型复杂度，α来控制两者之间的关系，相当于一个惩罚系数。当α确定以后，剪枝的策略就是使得损失函数...

定义：在一个条件下，随机变量的不确定性。 假设随机变量X表示明天的天气情况，随机变量Y表示今天的湿度，Y 有两种状态 1) 潮湿 2) 干燥。...

举个例子,比如一个女孩从年龄,长相,收入,职业的层层筛选来判断相亲对象是否值得见上一面。 正如这种形式,便是一个简单的决策树。 集合 3：3 次去打篮球，3 次不去打篮球。...

对于线性支持向量机学习来说，其模型为分离超平面支持向量机W及决策函数支持向量机,其学习策略为软间隔最大化，学习算法为凸二次规划。线性支持向量机学习还有另外一种解释，就是最小...

在数据分析的过程中,数据离散化是我们的经常要处理的事情,呢么究竟什么是数据离散化呢,数据离散化到底有什么作用,今天作者我就来为大家看一下什么是数据离散化。 算法需要。例如决...

上一期我们讲了对数据分析中的连续型变量进行离散化处理,相信大家们还没有忘了,那么在对数据进行离散化处理后,接下来应该做什么呢,答案是对离散的特征进行one-hot编码或哑变...

其中最典型的就是数据的归一化处理，即将数据统一映射到[0,1]区间上。 它对原始数据进行线性变换，使结果映射到[0,1]的范围，实现对原始数据的等比缩放，也称为离差标准化。...

因此，你可以这样理解最大似然：最有可能看起来像的，就是这样的。也就是说，以最大概率为标准来判断结果，即叫做极大似然估计。 比如，在你面前出现一个白人，你来判断这个人来自哪个...

特征值特征向量...

记住：方差和偏差都是衡量模型的，方差表示选取不同的训练集，训练出模型的差异有多大，而偏差是指一个模型在不同训练集上的平均性能和最优模型的差异。...

总结就是：L1会趋向于产生少量的特征，而其他的特征都是0，而L2会选择更多的特征，这些特征都会接近于0。Lasso在特征选择时候非常有用，而Ridge就只是一种规则化而已。...

在这种就情况下,我们也可以假设此时周围的陡峭程度我们无法用肉眼来测量,需要一个复杂的工具来帮助我们测量,恰巧的是此人正好拥有测量最陡峭方向的能力。因此,这个人每走一段距离，...