daizongxue的博客

sklearn实现tfidf特征计算

第一次接触FP-Growth是在《数据挖掘概念与技术》，当时对它的理解只停留在概念层面。后来又在《机器学习实战》中接触到了它，结合着书中的讲解和代码，跑了点结果，理解加深了一点。最近，工作中需要使用到它，又重新捡起，开始精读和思考，发现收获很大。FP-Growth（Frequent Pattern Growth， 频繁模式增长），它比Apriori算法效率更高，在整个算法执行过程中，只需要遍历

chapter 3 决策树预测获胜球队pandas加载数据集import pandas as pddataset = pd.read_csv('filepath+filename')数据清洗，可在读入时清洗dataset = pd.read_csv('filename', parse_date=['Date'], skiprows = [0, ])创建默认字典（val

chapter 5 用转换器抽取特征（感觉有点特征工程的意思）本章所讨论的是如何从数据集中抽取数值和类别型特征，并选出最佳特征。特征抽取对于各个实物，我们只有先把现实用特征表示出来，才能借助数据挖掘的力量找到问题的答案。特征选择的另一个优点在于降低真实世界的复杂度。dataframe中的unique函数有点类似于SQL中的distinct，能把一列中互不相同的元素筛选出来。数据

今天又翻看random forest算法，看到bagging原理的时候，突然觉得怎么bagging和dropout有点相似？bagging是每次构建树的时候，都有一些样本对单棵树不可见，而dropout是每次训练的时候，都有一些神经元对样本不可见。这里的样本、单棵树、神经元都有什么关联？随手百度了下，发现已有人给出了不错的解释，现做一个搬运工，将文章贴于此处，以供日后查阅。以下内容转自博客