massquantity
massquantity_个人页
massquantity
文章
18
问答
0
视频
0
个人介绍
暂无个人介绍
擅长的技术
-
发表了文章 2018-07-28
机器学习之类别不平衡问题 (3) —— 采样方法
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法，重心放在各类评估指标以及ROC和PR曲线上，只有在明确了这些后，我们才能据此选择具体的处理类别不平衡问题的方法。
-
发表了文章 2018-07-08
使用Pandas: str.replace() 进行文本清洗
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。 这个比赛数据中有一个特征叫做 "item_description"，大致是一些商品描述，比如什么时候买的、新旧程度如何、什么牌子的等等。
-
发表了文章 2018-07-04
EM算法及其应用（一）
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步，求期望 (expectation)，即利用当前估计的参数值来计算对数似然函数的期望值；M步，求极大 (maximization)，即求参数\(\theta\) 来极大化E步中的期望值，而求出的参数\(\theta\)将继续用于下一个E步中期望值的估计。
-
发表了文章 2018-07-01
普林斯顿《算法》笔记（三）
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 (key) 和值 (value) 联系起来。
-
发表了文章 2018-06-13
集成学习之Boosting —— Gradient Boosting原理
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Boosting —— Gradient Boosting实现 上一篇介绍了AdaBoost算法，AdaBoost每一轮基学习器训练过后都会更新样本权重，再训练下一个学习器，最后将所有的基学习器加权组合。
-
发表了文章 2018-06-11
集成学习之Boosting —— Gradient Boosting实现
Gradient Boosting的一般算法流程 初始化： \(f_0(x) = \mathop{\arg\min}\limits_\gamma \sum\limits_{i=1}^N L(y_i, \gamma)\) for m=1 to M: (a) 计算负梯度： $\tilde{y}_...
-
发表了文章 2018-06-01
普林斯顿《算法》笔记（二）
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，其中每个元素都有一个主键 (key)。
-
发表了文章 2018-05-19
集成学习之Boosting —— AdaBoost实现
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 \(T = \left \{(x_1,y_1), (x_2,y_2), \cdots (x_N,y_N)\right \}\)，\...
-
发表了文章 2018-05-12
Bagging与方差
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为什么能降低方差？或者说，为什么将多个强学习器组合起来方差就会降低？这是本篇想要探讨的问题，而在这之前我认为有必要先搞清楚方差和偏差的基本概念。
-
发表了文章 2018-05-04
普林斯顿《算法》笔记 （一）
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： 初始数据类型 (primitive data tyoes)：整型 (int)，浮点型 (double)，布尔型 (boolean)，字符型 (char)以及组合起来的表达式。
-
发表了文章 2018-04-27
常见回归和分类损失函数比较
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，在回归问题中这个变量为\(y-f(x)\)，在分类问题中则为\(yf(x)\)。
-
发表了文章 2018-04-22
numpy.where() 用法详解
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，不满足输出y。
-
发表了文章 2018-03-31
Kaggle竞赛 —— 房价预测 (House Prices)
完整代码见kaggle kernel 或 Github 比赛页面：https://www.kaggle.com/c/house-prices-advanced-regression-techniques 这个比赛总的情况就是给你79个特征然后根据这些预测房价 (SalePrice)，这其中既有离散型也有连续性特征，而且存在大量的缺失值。
-
发表了文章 2018-03-20
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 (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问题中常用的评估方法，二者既有相同也有不同点。
-
发表了文章 2018-03-12
机器学习之类别不平衡问题 (1) —— 各种评估指标
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量远超不合格产品等。
-
发表了文章 2018-03-03
Ubuntu 16.04系统开机紫屏的解决办法
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grub在Splah后加 nomodeset，我试了下没用。
-
发表了文章 2017-09-24
A glimpse of Support Vector Machine
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，附录则提供一些其他内容。
-
发表了文章 2017-08-10
Kaggle竞赛 —— 泰坦尼克号（Titanic）
完整代码见kaggle kernel 或 GitHub 比赛页面：https://www.kaggle.com/c/titanic Titanic大概是kaggle上最受欢迎的项目了，有7000多支队伍参加，多年来诞生了无数关于该比赛的经验分享。
暂无更多信息
-
发表了文章
2018-07-28
机器学习之类别不平衡问题 (3) —— 采样方法
-
发表了文章
2018-07-08
使用Pandas: str.replace() 进行文本清洗
-
发表了文章
2018-07-04
EM算法及其应用（一）
-
发表了文章
2018-07-01
普林斯顿《算法》笔记（三）
-
发表了文章
2018-06-13
集成学习之Boosting —— Gradient Boosting原理
-
发表了文章
2018-06-11
集成学习之Boosting —— Gradient Boosting实现
-
发表了文章
2018-06-01
普林斯顿《算法》笔记（二）
-
发表了文章
2018-05-19
集成学习之Boosting —— AdaBoost实现
-
发表了文章
2018-05-12
Bagging与方差
-
发表了文章
2018-05-04
普林斯顿《算法》笔记 （一）
-
发表了文章
2018-04-27
常见回归和分类损失函数比较
-
发表了文章
2018-04-22
numpy.where() 用法详解
-
发表了文章
2018-03-31
Kaggle竞赛 —— 房价预测 (House Prices)
-
发表了文章
2018-03-20
机器学习之类别不平衡问题 (2) —— ROC和PR曲线
-
发表了文章
2018-03-12
机器学习之类别不平衡问题 (1) —— 各种评估指标
-
发表了文章
2018-03-03
Ubuntu 16.04系统开机紫屏的解决办法
-
发表了文章
2017-09-24
A glimpse of Support Vector Machine
-
发表了文章
2017-08-10
Kaggle竞赛 —— 泰坦尼克号（Titanic）
滑动查看更多
暂无更多信息
暂无更多信息