massquantity + 关注

massquantity 发表了文章:

机器学习之类别不平衡问题 (3) —— 采样方法

发布时间:2018-07-28 19:12:00 浏览:3697 回帖 :0

机器学习之类别不平衡问题 (1) —— 各种评估指标 机器学习之类别不平衡问题 (2) —— ROC和PR曲线 机器学习之类别不平衡问题 (3) —— 采样方法 前两篇主要谈类别不平衡问题的评估方...

class

massquantity 发表了文章:

使用Pandas: str.replace() 进行文本清洗

发布时间:2018-07-08 19:00:00 浏览:2782 回帖 :0

前段时间参加了Kaggle上的Mercari Price Suggestion Challenge比赛,收获良多,过些时候准备进行一些全面的总结,本篇文章先谈一个比赛中用到的小技巧。 这个比赛数据中有...

python 函数 正则表达式 pandas 空格 Group

massquantity 发表了文章:

EM算法及其应用(一)

发布时间:2018-07-04 18:36:00 浏览:788 回帖 :0

EM算法是期望最大化 (Expectation Maximization) 算法的简称,用于含有隐变量的情况下,概率模型参数的极大似然估计或极大后验估计。EM算法是一种迭代算法,每次迭代由两步组成:E...

算法 函数

massquantity 发表了文章:

普林斯顿《算法》笔记(三)

发布时间:2018-07-01 19:23:00 浏览:807 回帖 :0

官方网站 官方代码 第三章 查找 3.1 符号表 (Symbol Tables) 符号表是一种存储键值对 (key-value pairs) 的数据结构,其主要目的是将键 (ke...

算法 函数 node string void PUT 数组

massquantity 发表了文章:

集成学习之Boosting —— Gradient Boosting原理

发布时间:2018-06-13 17:34:00 浏览:842 回帖 :0

集成学习之Boosting —— AdaBoost原理 集成学习之Boosting —— AdaBoost实现 集成学习之Boosting —— Gradient Boosting原理 集成学习之B...

算法 函数

massquantity 发表了文章:

集成学习之Boosting —— Gradient Boosting实现

发布时间:2018-06-11 19:13:00 浏览:629 回帖 :0

Gradient Boosting的一般算法流程 初始化: \(f_0(x) = \mathop{\arg\min}\limits_\gamma \sum\limits_{i=1}^N L(y_...

massquantity 发表了文章:

普林斯顿《算法》笔记(二)

发布时间:2018-06-01 21:19:00 浏览:639 回帖 :0

官方网站 官方代码 第二章 排序 2.1 初级排序算法 排序就是将一组对象按照某种逻辑顺序重新排列的过程。这里我们主要关注重新排列含有元素的数组 (arrays of items)的算法,其...

算法 排序 string static Transaction class void 数据类型 数组

massquantity 发表了文章:

集成学习之Boosting —— AdaBoost原理

发布时间:2018-05-20 12:36:00 浏览:604 回帖 :0

集成学习之Boosting —— AdaBoost原理 集成学习之Boosting —— AdaBoost实现 集成学习之Boosting —— Gradient Boosting原理 集成学习之B...

算法 函数

massquantity 发表了文章:

集成学习之Boosting —— AdaBoost实现

发布时间:2018-05-19 20:21:00 浏览:537 回帖 :0

集成学习之Boosting —— AdaBoost原理 集成学习之Boosting —— AdaBoost实现 AdaBoost的一般算法流程 输入: 训练数据集 \(T = \left \{(...

测试

massquantity 发表了文章:

Bagging与方差

发布时间:2018-05-12 19:55:00 浏览:486 回帖 :0

在集成学习中,通常认为Bagging的主要作用是降低方差,而Boosting的主要作用是降低偏差。Boosting能降低偏差很好理解,因为其原理就是将多个弱学习器组合成强学习器。但Bagging为什么...

算法 函数

massquantity 发表了文章:

普林斯顿《算法》笔记 (一)

发布时间:2018-05-04 18:24:00 浏览:565 回帖 :0

官方网站 官方代码 第一章 基础 1.1 基础编程模型 1.1节的内容主要为介绍Java的基本语法以及书中会用到的库。 下图为一个Java程序示例和相应的注解: 本书用到的几种基本语法: ...

算法 java 函数 node string static class void last 数据结构 数据类型 数组

massquantity 发表了文章:

常见回归和分类损失函数比较

发布时间:2018-04-27 19:41:00 浏览:509 回帖 :0

代码 损失函数的一般表示为\(L(y,f(x))\),用以衡量真实值\(y\)和预测值\(f(x)\)之间不一致的程度,一般越小越好。为了便于不同损失函数的比较,常将其表示为单变量的函数,在回归问...

算法 函数 LOG

massquantity 发表了文章:

numpy.where() 用法详解

发布时间:2018-04-22 18:59:00 浏览:736 回帖 :0

numpy.where (condition[, x, y])numpy.where() 有两种用法: 1. np.where(condition, x, y) 满足条件(condition),输出x...

索引 数组

massquantity 发表了文章:

Kaggle竞赛 —— 房价预测 (House Prices)

发布时间:2018-03-31 09:27:00 浏览:531 回帖 :0

完整代码见kaggle kernel 或 Github 比赛页面:https://www.kaggle.com/c/house-prices-advanced-regression-techni...

mean

massquantity 发表了文章:

机器学习之类别不平衡问题 (2) —— ROC和PR曲线

发布时间:2018-03-20 07:12:00 浏览:770 回帖 :0

机器学习之类别不平衡问题 (1) —— 各种评估指标 机器学习之类别不平衡问题 (2) —— ROC和PR曲线 完整代码 ROC曲线和PR(Precision - Recall)曲线皆为类别不平衡...

random 排序

massquantity 发表了文章:

机器学习之类别不平衡问题 (1) —— 各种评估指标

发布时间:2018-03-12 18:47:00 浏览:457 回帖 :0

在二分类问题中,通常假设正负类别相对均衡,然而实际应用中类别不平衡的问题,如100, 1000, 10000倍的数据偏斜是非常常见的,比如疾病检测中未患病的人数远超患病的人数,产品质量检测中合格产品数...

massquantity 发表了文章:

Ubuntu 16.04系统开机紫屏的解决办法

发布时间:2018-03-03 11:26:00 浏览:3269 回帖 :0

具体症状为卡在开机界面,按任何键都无反应。 网上查看了几篇文章 ,如下:解决:ubuntu16.04启动时长时间停留在紫屏或跳文本的黑屏界面 Ubuntu16.04显卡驱动 电源管理 里面提到的开机进...

ubuntu dpkg

massquantity 发表了文章:

《经济学人 —— 人工智能专题报告》

发布时间:2018-01-21 14:01:00 浏览:1264 回帖 :0

  原文: https://www.economist.com/sites/default/files/ai_mailout.pdf 我对这篇文章的一些个人解读:http://www.cnblogs...

深度学习 人工智能 google 神经网络

massquantity 发表了文章:

关于《经济学人 —— 人工智能专题报告》的一些解读

发布时间:2018-01-21 13:59:00 浏览:719 回帖 :0

    原文: https://www.economist.com/sites/default/files/ai_mailout.pdf     翻译: http://www.cnblogs.com...

深度学习 算法 人工智能

massquantity 发表了文章:

A glimpse of Support Vector Machine

发布时间:2017-09-24 20:43:00 浏览:452 回帖 :0

    支持向量机(support vector machine, 以下简称svm)是机器学习里的重要方法,特别适用于中小型样本、非线性、高维的分类和回归问题。本篇希望在正篇提供一个svm的简明阐述...

算法 函数 Machine

2
暂未提供

感兴趣or擅长的领域:

暂无
更多>
更多>