奶糖猫

对于机器学习而言，如果你已经大致了解了相关算法的原理、理论推导，你也不是大家口中刚入门的小白了。接下来你需要将自己所学的知识利用起来，最好的方式应该就是独立完成几个项目实战，项目难度入门级即可，因为重点是帮助你了解一个项目的流程，比如缺失值和异常值的处理、特征降维、变量转换等等…

二分查找(Binary Search)属于七大查找算法之一，又称折半查找，它的名字很好的体现出了它的基本思想，二分查找主要是针对的是有序存储的数据集合。 假设有一个集合和一个待查找的目标值，每次都通过将目标值和处于集合中间位置的元素比较，将待查找区间收缩为之前区间的一半，比如目…

不能以偏概全哈，就我个人而言，在日常编程中一般都会用到两个编译器——Pycharm和Jupyter，在刷算法、写爬虫时会用到前者，因为我习惯用Pycharm里的Debug功能调试，很容易找出代码中的Bug。 而进行数据分析、机器学习时就会用到后者，因为Jupyter编译器利用的…

不会吧、不会吧，不会还有朋友没看《隐秘的角落》吧，如果没有断网的话，最近朋友圈、微博等都应该被这部只有十二集的国产网剧刷屏了。开播初豆瓣评分就已经达到9.0，甚至一度窜到9.2，要知道国产电视剧过9分的都寥寥无几，更何况还只是一部网剧，可能绝大部分人与这部剧本无缘，但是选择看剧…

在一份数据集中通常会遇见两类数据——数值型与类别型，数值型变量通常就是int、float类型，类别型变量就是object类型，也就是我们总说的字符型变量。如果更官方地讲，数值型变量被称作定量变量、类别型变量被称作定性变量。 我们都知道在大多数机器学习算法中都要与"距离"多多少少…

这篇文章是介绍一个完整的机器学习小项目——预测房屋价格，它是Kaggle竞赛中入门级的题目，和我们比较熟悉的泰坦尼克号生存预测处于同一等级。在之前介绍KNN算法时，曾用过这个数据集，但只是通过简单的建模帮助理解KNN的思想，本文会更加全面地介绍完成一个小项目的流程，如何在科学分…

之前说过PCA降维可以将原来高维的数据投影到某个低维的空间上并使得其方差尽量大。如果数据其中某一特征的数值特别大的话，那么它在整个误差计算的比重上就很大。所以将数据投影到低维空间之后，整个投影会去努力逼近数值最大的那一个特征，而忽略数值比较小的特征。 在建模前我们不知道每个特征…

运用贪心算法求解问题时，会将问题分为若干个子问题，可以将其想象成俄罗斯套娃，利用贪心的原则从内向外依次求出当前子问题的最优解，也就是该算法不会直接从整体考虑问题，而是想要达到局部最优。只有内部的子问题求得最优解，才能继续解决包含该子问题的下一个子问题，所以前一个子问题的最优解会…

一直都在研究关于机器学习相关算法的理论，最近准备打算在Kaggle参加些竞赛，但只会一些理论知识是不足以针对给定的数据建立一个比较不错的模型，这其中还包括很多必要的操作，比如缺失值处理、特征工程等等。 今天来说一下特征降维，我们在练习时通常会用sklearn自带的数据集，比如鸢…