发简信
IP属地：江苏
-
天池---智慧交通预测挑战赛总结（一）2017/07 -- 2017/09 天池智慧交通预测赛思路及模型总结（一） 说在前面的话 ML的建模方法和数据处理方法看来是一个CS专业学生必...
-
SVM原问题与对偶问题
序 本次记录：原问题与对偶问题的关系；强对偶与弱对偶；引入KKT的原因； 原问题与对偶问题的关系 定义一个原问题： 写出拉格朗日： 对偶函数 θ...
-
Kmeans如何确定聚类个数K序 在面试过程中经常问到K值如何确定，很多人说需要尝试，的确没错，但是更多地需要讲出来对每次尝试的结果是如何进行评价的。 肘部法则 实际上，一开...
-
xgboost如何处理缺失值通常情况下，我们人为在处理缺失值的时候大多会选用中位数、均值或是二者的融合来对数值型特征进行填补，使用出现次数最多的类别来填补缺失的类别特征。 ...
-
随机森林如何处理缺失值
序 RF中有相应的缺失值处理方法，本次记录其两种缺失值处理技巧 暴力填补 Python中的na.roughfix包提供简单的缺失值填补策略：对于...
-
经验风险、期望风险、结构风险序 本次记录内容包括机器学习中的三种类型的风险函数 风险函数与损失函数的关系 统计学习模型旨在假设空间中寻找最佳的模型，那么需要指定一个准则来作...
-
二分类与多分类的交叉熵损失函数
序 交叉熵损失是分类任务中的常用损失函数，但是是否注意到二分类与多分类情况下的交叉熵形式上的不同呢？本次记录一下二者的不同。 两种形式 这两个都...
-
SVM面试题序 SVM的面试题目相对有章可循，本次记录一下常见的几个面试题 一句话介绍SVM SVM是一种二分类模型，他的基本模型是定义在特征空间上的间隔最...
-
Spark-RDD原始论文阅读及摘抄转载请注明 : [过把火] https://www.jianshu.com/p/29d17aa23116 序 一直都没有很系统地阅读过RDD的原...