<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[iamabrid的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/iamabrid</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; iamabrid]]></copyright><item><title><![CDATA[知识整理备忘录]]></title><link>https://blog.youkuaiyun.com/iamabrid/article/details/106333009</link><guid>https://blog.youkuaiyun.com/iamabrid/article/details/106333009</guid><author>iamabrid</author><pubDate>Sat, 07 Nov 2020 22:40:29 +0800</pubDate><description><![CDATA[知识整理备忘录知识整理统计学习相关知识&amp;网站相关知识相关网站
知识整理
统计学习相关知识&amp;网站
相关知识


自由度
用可视化思维解读统计自由度.


统计学知识梳理
统计学知识大梳理


卡方检验、t检验和方差分析的区别
卡方检验、t检验和方差分析的区别
卡方检验


相关网站
1.统计之都论坛

...]]></description><category></category></item><item><title><![CDATA[PCA学习笔记]]></title><link>https://blog.youkuaiyun.com/iamabrid/article/details/106359595</link><guid>https://blog.youkuaiyun.com/iamabrid/article/details/106359595</guid><author>iamabrid</author><pubDate>Tue, 26 May 2020 20:14:33 +0800</pubDate><description><![CDATA[@[TOC](主成分分析法(Principal Component Analysis)学习笔记)

本章学习搬运来源：http://blog.codinglabs.org/articles/pca-tutorial.html
PCA的数学原理.

PCA的数学原理
PCA算法
PCA算法步骤：
设有m条n维数据。
1）将原始数据按列组成n行m列矩阵；
2）将X的每一行（每一行代表一个属性字段，每一列代表一条记录）进行零均值化，即减去这一行的均值；
3）求出协方差矩阵 C=1mXXTC = \frac{1}{]]></description><category></category></item><item><title><![CDATA[特征工程]]></title><link>https://blog.youkuaiyun.com/iamabrid/article/details/106232531</link><guid>https://blog.youkuaiyun.com/iamabrid/article/details/106232531</guid><author>iamabrid</author><pubDate>Wed, 20 May 2020 12:04:51 +0800</pubDate><description><![CDATA[特征工程特征工程小结特征工程是什么？特征工程包括什么？
特征工程小结
这一节主要记录学习 特征工程入门和实践 书籍的记录
特征工程是什么？
特征工程（feature engineering）是这样一个过程：将数据转换为能更好地表示潜在问题的特征，从而提高机器学习性能。
特征工程包括什么？
1.特征理解：学习如何识别定量数据和定性数据。
2.特征增强：清洗和填充缺失值，最大化数据集的价值。
3.特征选择：通过统计方法选择一部分特征，以减少数据噪声。
4.特征构建：构建新的特征，探索特征间的联系。
5.特征转换]]></description><category></category></item></channel></rss>