發(fā)簡信
IP屬地：廣東
-
八：聚類算法K-means（20191223-29)0x00 內(nèi)容 學習內(nèi)容：無監(jiān)督聚類算法K-Means k-means：模型原理、收斂過程、超參數(shù)的選擇 0x01聚類 聚類分析是在數(shù)據(jù)中發(fā)現(xiàn)數(shù)...
-
六：提升數(shù)據(jù)可視化的表現(xiàn)效果（20191216-22)0x00 內(nèi)容 如何提升數(shù)據(jù)可視化的表現(xiàn)效果 主要探討一下，哪些方面的改進和有益實踐，可以使我們的數(shù)據(jù)可視化的呈現(xiàn)效果更加具有表現(xiàn)力。 目標有兩...
-
七：決策樹（20191216-22)
0x00 內(nèi)容 決策樹：決策樹、信息熵、基尼系數(shù)、CART 實踐：代碼實現(xiàn)決策樹 0x01 決策樹 決策樹的建模思路是盡可能模擬人做決策的過程。...
-
六：邏輯回歸：損失函數(shù)、梯度、決策邊界（20191209-20191215)0x00 內(nèi)容 邏輯回歸：損失函數(shù)、梯度、決策邊界 實踐：代碼實現(xiàn)及sklearn邏輯回歸 0x01 邏輯回歸 邏輯回歸（Logistic Re...
-
五：常用圖表對比（20191209-15)0x00 目標 對比可視化中最常用的幾種圖表，區(qū)分它們的異同點及其適用的場景。 0x01 常用圖表對比 以例子「可視化目標→數(shù)據(jù)集準備→圖表選擇...
-
五：最優(yōu)化方法：梯度下降（20191202-1208)0x00 內(nèi)容 梯度下降：實現(xiàn)梯度下降、線性回歸中的梯度下降 隨機梯度下降：相關代碼即調(diào)用 0x01梯度下降法（回顧四：0x04梯度下降法） 最...
-
四：對進度、關系、地理信息進行可視化（20191202-08)0x00 內(nèi)容 區(qū)間型數(shù)據(jù)：了解區(qū)間型數(shù)據(jù)的特點，熟練使用「條形進度圖、儀表盤、環(huán)形進度圖」表示數(shù)據(jù)的進度和定量指標的定性化； 關系型數(shù)據(jù)：了解...
-
四：線性回歸算法（20191125-1201)0x00 目標 簡單線性回歸：回顧簡單線性回歸及最小二乘法的數(shù)據(jù)推導 實踐：簡單線性回歸實現(xiàn)及向量化應用 多元線性回歸：多選線性回歸和正規(guī)方程解...
-
三：「對比型數(shù)據(jù)」、「分布型數(shù)據(jù)」可視化和數(shù)據(jù)特征和測度（20191125-1201)0x00 可視化圖表選擇 兩類不同的可視化目的及其可選擇的圖表形式。 「對比型數(shù)據(jù)」：對比兩組或兩組以上數(shù)據(jù)的差異。 「分布型數(shù)據(jù)」：研究數(shù)據(jù)分...