發(fā)簡(jiǎn)信
IP屬地：廣東
-
八：聚類(lèi)算法K-means（20191223-29)0x00 內(nèi)容 學(xué)習(xí)內(nèi)容：無(wú)監(jiān)督聚類(lèi)算法K-Means k-means：模型原理、收斂過(guò)程、超參數(shù)的選擇 0x01聚類(lèi) 聚類(lèi)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(jìn)和有益實(shí)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(biāo)有兩...
-
七：決策樹(shù)（20191216-22)
0x00 內(nèi)容 決策樹(shù)：決策樹(shù)、信息熵、基尼系數(shù)、CART 實(shí)踐：代碼實(shí)現(xiàn)決策樹(shù) 0x01 決策樹(shù) 決策樹(shù)的建模思路是盡可能模擬人做決策的過(guò)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(shí)踐：代碼實(shí)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(duì)比（20191209-15)0x00 目標(biāo) 對(duì)比可視化中最常用的幾種圖表，區(qū)分它們的異同點(diǎn)及其適用的場(chǎng)景。 0x01 常用圖表對(duì)比 以例子「可視化目標(biāo)→數(shù)據(jù)集準(zhǔn)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(shí)現(xiàn)梯度下降、線性回歸中的梯度下降 隨機(jī)梯度下降：相關(guān)代碼即調(diào)用 0x01梯度下降法（回顧四：0x04梯度下降法） 最...
-
四：對(duì)進(jìn)度、關(guān)系、地理信息進(jìn)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(diǎn)，熟練使用「條形進(jìn)度圖、儀表盤(pán)、環(huán)形進(jìn)度圖」表示數(shù)據(jù)的進(jìn)度和定量指標(biāo)的定性化； 關(guān)系型數(shù)據(jù)：了解...
-
四：線性回歸算法（20191125-1201)0x00 目標(biāo) 簡(jiǎn)單線性回歸：回顧簡(jiǎn)單線性回歸及最小二乘法的數(shù)據(jù)推導(dǎo) 實(shí)踐：簡(jiǎn)單線性回歸實(shí)現(xiàn)及向量化應(yīng)用 多元線性回歸：多選線性回歸和正規(guī)方程解...
-
三：「對(duì)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(cè)度（20191125-1201)0x00 可視化圖表選擇 兩類(lèi)不同的可視化目的及其可選擇的圖表形式。 「對(duì)比型數(shù)據(jù)」：對(duì)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...