htbeker的博客

无意中听我们院长大人说：Python是一门神奇的语言，在此之前我已经对C/C++/Java等几门语言有了一定得了解和掌握，并做过一些小项目。学习Python大致可以分为以下几个阶段：1.刚上手的时候肯定是先过一遍Python最基本的知识，比如说：变量、数据结构、语法等，基础过的很快，基本上1~2周时间就能过完了，我当时是在这儿看的基础：Python 简介 | 菜鸟教程如果你想简单点，我把我自己的学习经验总结成了一本Python以及爬虫电子书，保证非常的通俗易懂帮助你学会Python，目前这本

多目标任务存在很多场景中，如多目标检测，推荐系统中的多任务学习。多任务学习(Multi-task learning)简介多任务学习(Multi-task learning)是迁移学习（Transfer Learning）的一种，而迁移学习指的是将从源领域的知识（source domin）学到的知识用于目标领域(target domin)，提升目标领域的学习效果。 而多任务学习也是希望模型同时做多个任务时，能将其他任务学到的知识，用于目标任务中，从而提升目标任务效果。如果我们换个角度理解，其实多任

tf.where( condition, x=None, y=None, name=None)a,b为和ｔｅｎｓｏｒ相同维度的ｔｅｎｓｏｒ，将ｔｅｎｓｏｒ中的ｔｒｕｅ位置元素替换为ａ中对应位置元素，ｆａｌｓｅ的替换为ｂ中对应位置元素。import tensorflow as tfimport numpy as npsess=tf.Session() a=np.array([[1,0,0],[0,1,1]])a1=np.array([[3,2,3],[4,5,6]]) pr.

什么是集成学习方法？集成学习有以GBDT为代表的boosting方法和以RF为代表的Bagging方法，今天我们介绍另外一种stacking方法。stacking在kaggle中大为光火，很多高分选手都用了此方法，在工业界应用不详，还请知道的大神详解。Stacking流程在第一阶段，将训练数据均匀地分成5份，使用“留一法”训练5个逻辑回归模型，用这5个模型分别去预测剩下的一份训练...

数据量上来了不得不祭出spark，先用逻辑回归试试水。

利用tensorflow搭建简单线性模型及神经网络生成线性模型

什么是评分卡（信贷场景中）以分数的形式来衡量风险几率的一种手段 对未来一段时间内违约/逾期/失联概率的预测 通常评分越高越安全 根据使用场景分为反欺诈评分卡、申请评分卡、行为评分卡、催收评分卡为什么要开发评分卡风险控制的一个环节，根据已有数据提供逾期概率指标参考评分卡的特性稳定性 预测能力 等价于逾期概率评分卡开发的常用模型逻辑回归 决策树基于逻辑回归的评分卡理...

前言 XGBoost（eXtreme Gradient Boosting）全名叫极端梯度提升，XGBoost是集成学习方法的王牌，在Kaggle及工业界都有广泛的应用并取得了较好的成绩，本文较详细的介绍了XGBoost的算法原理及目标函数公式推导。一、XGBoost原理 XGBoost是boosting算法的一种，是以决策树为基础的一种梯度提升算法。通过多轮迭代,每轮迭...

今天介绍一个特征选择的包:feature_selector,它使用了5种方法进行特征选择，1、删除缺失值过高变量；2、删除共线性特征；3、删除唯一值特征；4、删除重要度为零的特征；5、删除低重要度特征，下面进行介绍。...

本文基于kaggle竞赛数据GiveMeSameCredit构建信用申请评分卡即A卡。

关注微信公众号“H君聊人生”一起成长：H君聊人生

数据分析一般有以下步骤： 1、了解项目基本情况、提出问题；2、理解数据；3、数据清洗、准备；4、建模、训练； 5、模型的评估、预测；6、按项目要求收集结果数据；下面我们就对泰坦尼克号沉船事件逐步进行分析。一、了解项目基本情况、提出问题。 泰坦尼克号沉船事件是世界上一次著名的海难，电影《泰坦尼克号》的成功也让这次事件得到了更广泛的传播，其具体经过不再赘述。在...

关注微信公众号“H君聊人生”一起成长：H君聊人生

转自http://www.cnblogs.com/jasonfreak/p/5448385.html目录1 特征工程是什么？2 数据预处理　　2.1 无量纲化　　　　2.1.1 标准化　　　　2.1.2 区间缩放法　　　　2.1.3 标准化与归一化的区别　　2.2 对定量特征二值化　　2.3 对定性特征哑编码　　2.4 缺失值计算　　2.5 数据变换　　2.6 回顾3 特征选择　　3.1 Filt...

ROC曲线指受试者工作特征曲线/接收器操作特性(receiver operating characteristic，ROC)曲线,是反映灵敏性和特效性连续变量的综合指标,是用构图法揭示敏感性和特异性的相互关系，它通过将连续变量设定出多个不同的临界值，从而计算出一系列敏感性和特异性。ROC曲线是根据一系列不同的二分类方式（分界值或决定阈），以真正例率（也就是灵敏度）（True Positive Ra...

通常使用sklearn中的preproccessing库来进行数据预处理。

在sklearn 模型训练是出现如下报错：‘ValueError: Unknown label type: ‘unknown’’该怎么解决？以GBDT为例：train_y后加上astype(‘int’)即可gbdt.fit(train_x,train_y.astype(‘int’))...

特征选择是特征工程重要的一环，sklearn能帮我们实现多种特征选择的方法，现在来做一个总结。首先导入原始数据，建模并计算KS，以KS作为特征选择后模型的效果对比。 ...

【转】http://www.aboutyun.com/thread-18178-1-1.html问题导读：1、如何理解K-Means算法？2、如何寻找K值及初始质心？3、如何应用K-Means算法处理数据？K-Means是聚类算法中的一种，其中K表示类别数，Means表示均值。顾名思义K-Means是一种通过均值对数据点进行聚类的算法。K-Means算法通过预先设定的K值及每个类别的初始质心对相似...