-
二、数据准备
二、数据准备 从字典加载特征 加载 scikit-learn 的波士顿住房数据集 加载波士顿住房数据集 加载 scikit-learn 的数字数据集 加载 scikit-learn 的鸢尾花数据集 为分类制作模拟数据 为矩阵生成模拟数据 为回归制作模拟数据 Scikit 中的感知机 保存机器学习模型 二、数据准备 作者：Chris ... -
torch.autograd的简要介绍
torch.autograd 的简要介绍 背景 在 PyTorch 中的用法 Autograd 的微分 可选阅读-使用autograd 的向量微积分 计算图 从 DAG 中排除 进一步阅读： torch.autograd 的简要介绍 原文：https://pytorch.org/tutorials/beginner/blitz/auto... -
11.2 生物信息学
11.2 生物信息学 11.2 生物信息学 计算生物学（computational biology）研究如何用计算机来解决生物学问题，主要研究内 容包括对生物系统的数学建模、对生物数据的分析、模拟等。本节介绍计算生物学的一个分 支——生物信息学①。 生物信息学（bioinformatics）主要研究生物信息的存储、获取和分析，这里所说的生物 信息主要... -
8.1 数组
8.1 数组 8.1.1 数组和第一类对象 8.1.2 数组的返回 8.1 数组 对数组的大多数必要的介绍已在第4章的最后一节进行。通过那里的学习，大家已知道自己该如何定义及初始化一个数组。对象的容纳是本章的重点，而数组只是容纳对象的一种方式。但由于还有其他大量方法可容纳数组，所以是哪些地方使数组显得如此特别呢？ 有两方面的问题将数组与其他集合类... -
4.3.中断机制
4.3 中断机制 概述 中断是指出现需要时，CPU暂停执行当前程序，转而执行新程序的过程。即在程序运行过程中，系统出现了一个必须由CPU立即处理的事务。此时，CPU暂时中止当前程序的执行转而处理这个事务，这个过程就叫做中断。 众多周知，CPU的处理速度比外设的运行速度快很多，外设可以在没有CPU介入的情况下完成一定的工作，但某些情况下需... -
6.3 simhash算法
6.3 simhash算法 方法介绍 背景 出世 流程 应用" level="3"> 应用 问题实例 6.3 simhash算法 方法介绍 背景 如果某一天，面试官问你如何设计一个比较两篇文章相似度的算法？可能你会回答几个比较传统点的思路： 一种方案是先将两篇文章分别进行分词，得到一系列特征向量，然后计算特征向量之间的距离（可以计算... -
十六、朴素贝叶斯
十六、朴素贝叶斯 伯努利朴素贝叶斯 校准预测概率 高斯朴素贝叶斯分类器 多项式逻辑回归 多项式朴素贝叶斯分类器 从零编写朴素贝叶斯分类器 十六、朴素贝叶斯 作者：Chris Albon 译者：飞龙 协议：CC BY-NC-SA 4.0 伯努利朴素贝叶斯 伯努利朴素贝叶斯分类器假设我们的所有特征都是二元的，它们仅有两个值（例... -
100-Days-Of-ML-Code
100-Days-Of-ML-Code 介绍 第一天 | 数据处理 第二天 | 简单线性规划 使用单一特征来预测因变量 找到最佳的拟合线 1、数据预处理 2、训练简单线性回归模型 3、预测结果 4、可视化 第三天 | 多元线性回归 前提 注意 虚(拟)变量 虚拟变量圈套 1、数据预处理 2、训练模型 3、预测结果 ... -
6.3 simhash算法
6.3 simhash算法 方法介绍 背景 出世 流程 应用 问题实例 6.3 simhash算法 方法介绍 背景 如果某一天，面试官问你如何设计一个比较两篇文章相似度的算法？可能你会回答几个比较传统点的思路： 一种方案是先将两篇文章分别进行分词，得到一系列特征向量，然后计算特征向量之间的距离（可以计算它们之间的欧氏距离、海明距离或... -
十二、逻辑回归
十二、逻辑回归 C 超参数快速调优 在逻辑回归中处理不平衡类别 逻辑回归 大量数据上的逻辑回归 带有 L1 正则化的逻辑回归 OVR 逻辑回归 十二、逻辑回归 作者：Chris Albon 译者：飞龙 协议：CC BY-NC-SA 4.0 C 超参数快速调优 有时，学习算法的特征使我们能够比蛮力或随机模型搜索方法更快地搜索...
