<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[叫我二当家的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/gui694278452</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; gui694278452]]></copyright><item><title><![CDATA[Rasa中文聊天机器人开发指南(1)：入门篇]]></title><link>https://blog.youkuaiyun.com/gui694278452/article/details/121559220</link><guid>https://blog.youkuaiyun.com/gui694278452/article/details/121559220</guid><author>gui694278452</author><pubDate>Fri, 26 Nov 2021 14:43:09 +0800</pubDate><description><![CDATA[注：本系列博客主要是参考https://jiangdg.blog.youkuaiyun.com/article/details/104328946的文章，然后记录一下自己使用过程中遇到的坑，没自己原创。
Rasa安装
pip install rasa   

上面这个命令会出现ruamel.yaml的报错，执行下面命令即可
pip install rasa --ignore-installed ruamel.yaml

安装MITIE和jieba
下载的VS并没有带cmake选项，故需要自己下载cmake并安装。
使用]]></description><category></category></item><item><title><![CDATA[相关性分析：Pearson、Kendall、Spearman]]></title><link>https://blog.youkuaiyun.com/gui694278452/article/details/117787732</link><guid>https://blog.youkuaiyun.com/gui694278452/article/details/117787732</guid><author>gui694278452</author><pubDate>Thu, 10 Jun 2021 17:41:16 +0800</pubDate><description><![CDATA[在分析特征间相关性时，常使用的方法是pandas.DataFrame.corr：

DataFrame.corr(self, method=’pearson’, min_periods=1)

其中包含的方法主要为：

pearson：Pearson相关系数
	kendall：Kendall秩相关系数
	Spearman：Spearman等级相关系数
目录

Pearson相关系数

	皮尔逊相关系数的定义
		皮尔逊相关系数的数学特性
		皮尔逊相关系数的适用范围
		皮尔逊相关系数的Python实现
	]]></description><category></category></item><item><title><![CDATA[panda使用教程]]></title><link>https://blog.youkuaiyun.com/gui694278452/article/details/117715145</link><guid>https://blog.youkuaiyun.com/gui694278452/article/details/117715145</guid><author>gui694278452</author><pubDate>Tue, 08 Jun 2021 20:32:40 +0800</pubDate><description><![CDATA[import pandas as pd

file_path = "test.csv"
df = pd.read_csv(file_path)

#index columns dtypes
#series

#查看数据
df.head()
df.head(10)

df.tail()
df.tail(10)

#线索索引和列名
df.index
df.columns

#列的类型
df.dtypes

#取一列（也就是series）
df.uid
df['uid']

#查看统计摘要

df.describ]]></description><category></category></item><item><title><![CDATA[《特征工程三部曲》之三 维度压缩]]></title><link>https://blog.youkuaiyun.com/gui694278452/article/details/114024450</link><guid>https://blog.youkuaiyun.com/gui694278452/article/details/114024450</guid><author>gui694278452</author><pubDate>Wed, 24 Feb 2021 15:34:19 +0800</pubDate><description><![CDATA[1 PCA： 更够保持对方差贡献最大的特征。

通过协方差矩阵的特征值分解能给得到数据的主成分，以二维特征为例，两个特征之间可能存在线性关系（例如运动的时速和秒速度），这样就造成了第二维信息是冗余的。PCA的目标是发现这种特征之间的线性关系，并去除。因此PCA本质是一种去相关算法。

协方差：度量两个变量的变动的同步程度，也就是度量两个变量的线性相关性，协方差为0代表线性无关。方差是协方差中两个变量相同的时候。

1 最近重构性： 样本到这个超平面的距离都足够近

2 最大可分性： 样本点到这个超平面...]]></description><category></category></item><item><title><![CDATA[《特征工程三部曲》之二：特征选择]]></title><link>https://blog.youkuaiyun.com/gui694278452/article/details/114024304</link><guid>https://blog.youkuaiyun.com/gui694278452/article/details/114024304</guid><author>gui694278452</author><pubDate>Wed, 24 Feb 2021 15:32:10 +0800</pubDate><description><![CDATA[什么特征选择

特征选择 ( Feature Selection )也称特征子集选择( Feature Subset Selection , FSS ) ，或属性选择( Attribute Selection ) ，是指从全部特征中选取一个特征子集，使构造出来的模型更好。
为什么要做特征选择


	在机器学习的实际应用中，特征数量往往较多，其中可能存在不相关的特征，特征之间也可能存在相互依赖，容易导致如下的后果：

	
		特征个数越多，分析特征、训练模型所需的时间就越长。
		
		
		特征个数越多，容]]></description><category></category></item><item><title><![CDATA[《特征工程三部曲》之一：数据处理]]></title><link>https://blog.youkuaiyun.com/gui694278452/article/details/114023902</link><guid>https://blog.youkuaiyun.com/gui694278452/article/details/114023902</guid><author>gui694278452</author><pubDate>Wed, 24 Feb 2021 15:26:37 +0800</pubDate><description><![CDATA[要理解特征工程，首先要理解数据（Data）和特征（Feature）的概念

概念


	特征工程（Feature Engineering）

	其本质上是一项工程活动，它目的是最大限度地从原始数据中提取特征以供算法和模型使用。
	

特征工程在数据挖掘中有举足轻重的位置
数据领域一致认为：数据和特征决定了机器学习的上限，而模型和算法只能逼近这个上限而已。



	特征工程重要性：

	
		特征越好，灵活性越强；
		
		
		特征越好，模型越简单；
		
		
		特征越好，性能越出色；
		
	

好]]></description><category></category></item><item><title><![CDATA[特征分析笔记]]></title><link>https://blog.youkuaiyun.com/gui694278452/article/details/106378538</link><guid>https://blog.youkuaiyun.com/gui694278452/article/details/106378538</guid><author>gui694278452</author><pubDate>Wed, 27 May 2020 11:48:20 +0800</pubDate><description><![CDATA[记录使用pandas的知识要点
]]></description><category></category></item><item><title><![CDATA[python笔记摘要]]></title><link>https://blog.youkuaiyun.com/gui694278452/article/details/88536515</link><guid>https://blog.youkuaiyun.com/gui694278452/article/details/88536515</guid><author>gui694278452</author><pubDate>Wed, 13 Mar 2019 16:58:23 +0800</pubDate><description><![CDATA[（注：主要是用来记录使用过程有用的python知识，只是作为一个笔记，不具有参考价值）

1.os和sys模块的区别：

os模块主要是针对与操作系统的交互操作，比如查找文件路径os.path

sys模块主要是python这个系统内部的操作，比如获取程序的执行参数sys.argv

2.yield、lambda、enumerate、zip、map、reduce使用

3.list tuple d...]]></description><category></category></item><item><title><![CDATA[python迭代器 yield]]></title><link>https://blog.youkuaiyun.com/gui694278452/article/details/86542210</link><guid>https://blog.youkuaiyun.com/gui694278452/article/details/86542210</guid><author>gui694278452</author><pubDate>Fri, 18 Jan 2019 16:30:35 +0800</pubDate><description><![CDATA[1.yield ：https://liam.page/2017/06/30/understanding-yield-in-python/

2.python os sys区别：https://blog.youkuaiyun.com/liu5257/article/details/53740214]]></description><category></category></item><item><title><![CDATA[Python中的__init__()和__call__()函数]]></title><link>https://blog.youkuaiyun.com/gui694278452/article/details/84989103</link><guid>https://blog.youkuaiyun.com/gui694278452/article/details/84989103</guid><author>gui694278452</author><pubDate>Thu, 13 Dec 2018 15:17:50 +0800</pubDate><description><![CDATA[在Python的class中有一些函数往往具有特殊的意义。__init__()和__call__()就是class很有用的两类特殊的函数。

__init__()
在Python中，__init__()函数的意义等同于类的构造器（同理，__del__()等同于类的析构函数）。因此，__init__()方法的作用是创建一个类的实例。

__call__()
Python中的函数是一级对象。这意味着P...]]></description><category></category></item><item><title><![CDATA[python format 格式化函数]]></title><link>https://blog.youkuaiyun.com/gui694278452/article/details/84975806</link><guid>https://blog.youkuaiyun.com/gui694278452/article/details/84975806</guid><author>gui694278452</author><pubDate>Wed, 12 Dec 2018 16:58:52 +0800</pubDate><description><![CDATA[原文地址：http://www.runoob.com/python/att-string-format.html

Python2.6 开始，新增了一种格式化字符串的函数 str.format()，它增强了字符串格式化的功能。

基本语法是通过 {} 和 : 来代替以前的 % 。

format 函数可以接受不限个参数，位置可以不按顺序。

实例

&amp;gt;&amp;gt;&amp;gt;&quot;{} {}&quot;.form...]]></description><category></category></item><item><title><![CDATA[深度学习概念解析]]></title><link>https://blog.youkuaiyun.com/gui694278452/article/details/84308398</link><guid>https://blog.youkuaiyun.com/gui694278452/article/details/84308398</guid><author>gui694278452</author><pubDate>Tue, 20 Nov 2018 19:30:36 +0800</pubDate><description><![CDATA[1.激活函数

参考文献
	Rectified Linear Unit(ReLU) - 用于隐层神经元输出
	Sigmoid - 用于隐层神经元输出
	tanh-用于隐层神经元输出
	Softmax - 用于多分类神经网络输出
	Linear - 用于回归神经网络输出（或二分类问题）  
    ReLU函数计算如下：
                           
    Sigmoid...]]></description><category></category></item><item><title><![CDATA[Pycharm创建python文件模板]]></title><link>https://blog.youkuaiyun.com/gui694278452/article/details/81780816</link><guid>https://blog.youkuaiyun.com/gui694278452/article/details/81780816</guid><author>gui694278452</author><pubDate>Fri, 17 Aug 2018 17:22:08 +0800</pubDate><description><![CDATA[创建.py文件时 顺便自动添加作者、时间、文件名信息……

mac系统打开编辑器





添加以下代码：


#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time    : ${DATE} ${TIME}
# @Author  : Shark
# @Site    : ${SITE}
# @File    : ${NAME}.py
# @So...]]></description><category></category></item><item><title><![CDATA[Jupyter Notebook介绍、安装及使用教程]]></title><link>https://blog.youkuaiyun.com/gui694278452/article/details/81710184</link><guid>https://blog.youkuaiyun.com/gui694278452/article/details/81710184</guid><author>gui694278452</author><pubDate>Wed, 15 Aug 2018 20:06:17 +0800</pubDate><description><![CDATA[一、什么是Jupyter Notebook？

1. 简介

Jupyter Notebook是基于网页的用于交互计算的应用程序。其可被应用于全过程计算：开发、文档编写、运行代码和展示结果。——Jupyter Notebook官方介绍

简而言之，Jupyter Notebook是以网页的形式打开，可以在网页页面中直接编写代码和运行代码，代码的运行结果也会直接在代码块下显示的程序。如在编程过程中需...]]></description><category></category></item><item><title><![CDATA[pycharm中使用anaconda部署python环境]]></title><link>https://blog.youkuaiyun.com/gui694278452/article/details/81704761</link><guid>https://blog.youkuaiyun.com/gui694278452/article/details/81704761</guid><author>gui694278452</author><pubDate>Wed, 15 Aug 2018 15:19:41 +0800</pubDate><description><![CDATA[今天来说一下python中一个管理包很好用的工具anaconda，可以轻松实现python中各种包的管理。相信大家都会有这种体验，在pycharm也是有包自动搜索和下载的功能，这个我在前面的一篇博客中有相关的介绍（详情请查看点击打开链接），但是这种功能对于一些包是可以使用的，但是总是会遇到有些包下载失败或查询不到的时候，这个时候就会让人很苦恼了。这里我们就来说一下anaconda的好处。

   ...]]></description><category></category></item><item><title><![CDATA[数据分析入门全目录]]></title><link>https://blog.youkuaiyun.com/gui694278452/article/details/81701784</link><guid>https://blog.youkuaiyun.com/gui694278452/article/details/81701784</guid><author>gui694278452</author><pubDate>Wed, 15 Aug 2018 12:02:33 +0800</pubDate><description><![CDATA[Jupyter Notebook介绍、安装及使用教程
	Python数据分析入门
	ROC和AUC介绍以及如何计算AUC
	机器学习之分类性能度量指标 : ROC曲线、AUC值、正确率、召回率
	评分卡模型剖析之一（woe、IV、ROC、信息熵）
	评分卡的建立方法——分箱、WOE、IV、分值分配
	机器学习之特征工程-特征选择
	总结：sklearn机器学习之特征工程
...]]></description><category></category></item><item><title><![CDATA[机器学习入门全目录]]></title><link>https://blog.youkuaiyun.com/gui694278452/article/details/81701255</link><guid>https://blog.youkuaiyun.com/gui694278452/article/details/81701255</guid><author>gui694278452</author><pubDate>Wed, 15 Aug 2018 11:29:37 +0800</pubDate><description><![CDATA[pycharm中使用anaconda部署python环境
	机器学习：入门方法与学习路径 (附资料)
	scikit-learn用户指南
	机器学习基本数学知识
	10 种机器学习算法的要点（附 Python 和 R 代码）
	Scikit-Learn各算法详细参数速查手册(中文)
	.机器学习中Bagging和Boosting的区别
...]]></description><category></category></item><item><title><![CDATA[Python 标准库中 time 和 datetime 的区别与联系]]></title><link>https://blog.youkuaiyun.com/gui694278452/article/details/80283557</link><guid>https://blog.youkuaiyun.com/gui694278452/article/details/80283557</guid><author>gui694278452</author><pubDate>Fri, 11 May 2018 16:37:42 +0800</pubDate><description><![CDATA[Python 中提供了对时间日期的多种多样的处理方式，主要是在 time 和 datetime 这两个模块里。今天稍微梳理一下这两个模块在使用上的一些区别和联系。time在 Python 文档里，time是归类在Generic Operating System Services中，换句话说， 它提供的功能是更加接近于操作系统层面的。通读文档可知，time 模块是围绕着 Unix Timestamp...]]></description><category></category></item><item><title><![CDATA[tensorflow笔记 ：常用函数说明]]></title><link>https://blog.youkuaiyun.com/gui694278452/article/details/78948337</link><guid>https://blog.youkuaiyun.com/gui694278452/article/details/78948337</guid><author>gui694278452</author><pubDate>Tue, 02 Jan 2018 00:12:37 +0800</pubDate><description><![CDATA[tensorflow笔记系列： 
（一） tensorflow笔记：流程，概念和简单代码注释 
（二） tensorflow笔记：多层CNN代码分析 
（三） tensorflow笔记：多层LSTM代码分析 
（四） tensorflow笔记：常用函数说明 
（五） tensorflow笔记：模型的保存与训练过程可视化 
（六）tensorflow笔记：使用tf来实现word2vec]]></description><category></category></item><item><title><![CDATA[tensorflow安装、流程，概念和简单代码注释]]></title><link>https://blog.youkuaiyun.com/gui694278452/article/details/78860377</link><guid>https://blog.youkuaiyun.com/gui694278452/article/details/78860377</guid><author>gui694278452</author><pubDate>Thu, 21 Dec 2017 10:06:28 +0800</pubDate><description><![CDATA[ 

1.tensorflow的运行流程

tensorflow的运行流程主要有2步，分别是构造模型和训练。

在构造模型阶段，我们需要构建一个图(Graph)来描述我们的模型。所谓图，也可以理解为流程图，就是将数据的输入-&amp;gt;中间处理-&amp;gt;输出的过程表示出来，就像下面这样。

 

 

注意此时是不会发生实际运算的。而在模型构建完毕以后，会进入训练步骤。此时才会有实际的数据输入，梯度计...]]></description><category></category></item></channel></rss>