<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[mxg1022的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/mxg1022</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; mxg1022]]></copyright><item><title><![CDATA[模型融合的主要方法]]></title><link>https://blog.youkuaiyun.com/mxg1022/article/details/80709050</link><guid>https://blog.youkuaiyun.com/mxg1022/article/details/80709050</guid><author>mxg1022</author><pubDate>Fri, 15 Jun 2018 19:09:44 +0800</pubDate><description><![CDATA[参考文献：https://blog.youkuaiyun.com/hust_tsb/article/details/76577599]]></description><category></category></item><item><title><![CDATA[Xgboost原理介绍，通俗易懂]]></title><link>https://blog.youkuaiyun.com/mxg1022/article/details/80702264</link><guid>https://blog.youkuaiyun.com/mxg1022/article/details/80702264</guid><author>mxg1022</author><pubDate>Fri, 15 Jun 2018 10:44:11 +0800</pubDate><description><![CDATA[初看Xgboost，翻了多篇博客发现关于xgboost原理的描述实在难以忍受，缺乏逻辑性，写一篇供讨论。——以下是抛砖引玉。 观其大略，而后深入细节，一开始扎进公式反正我是觉得效率不高，还容易打消人的积极性。首先说下决策树决策树是啥？ 举个例子，有一堆人，我让你分出男女，你依靠头发长短将人群分为两拨，长发的为“女”，短发为“男”，你是不是依靠一个指标“头发长短”将人群进行了划分，你就形成了一个简单...]]></description><category></category></item><item><title><![CDATA[估计误差和近似误差的区别]]></title><link>https://blog.youkuaiyun.com/mxg1022/article/details/80689662</link><guid>https://blog.youkuaiyun.com/mxg1022/article/details/80689662</guid><author>mxg1022</author><pubDate>Thu, 14 Jun 2018 10:50:23 +0800</pubDate><description><![CDATA[近似误差：可以理解为对现有训练集的训练误差。 估计误差：可以理解为对测试集的测试误差。近似误差关注训练集，如果近似误差小了会出现过拟合的现象，对现有的训练集能有很好的预测，但是对未知的测试样本将会出现较大偏差的预测。模型本身不是最接近最佳模型。估计误差关注测试集，估计误差小了说明对未知数据的预测能力好。模型本身最接近最佳模型。...]]></description><category></category></item><item><title><![CDATA[Tensorboard入门笔记]]></title><link>https://blog.youkuaiyun.com/mxg1022/article/details/80679914</link><guid>https://blog.youkuaiyun.com/mxg1022/article/details/80679914</guid><author>mxg1022</author><pubDate>Wed, 13 Jun 2018 15:36:42 +0800</pubDate><description><![CDATA[当使用Tensorflow训练大量深层的神经网络时，我们希望去跟踪神经网络的整个训练过程中的信息，比如迭代的过程中每一层参数是如何变化与分布的，比如每次循环参数更新后模型在测试集与训练集上的准确率是如何的，比如损失值的变化情况，等等。如果能在训练的过程中将一些信息加以记录并可视化得表现出来，是不是对我们探索模型有更深的帮助与理解呢？Tensorflow官方推出了可视化工具Tensorboard，可...]]></description><category></category></item><item><title><![CDATA[特征工程流程梳理]]></title><link>https://blog.youkuaiyun.com/mxg1022/article/details/80670245</link><guid>https://blog.youkuaiyun.com/mxg1022/article/details/80670245</guid><author>mxg1022</author><pubDate>Tue, 12 Jun 2018 19:50:26 +0800</pubDate><description><![CDATA[使用sklearn做单机特征工程目录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 Filter　　　　3.1.1 方差选择法　　　　3.1.2 相关系数法　　...]]></description><category></category></item><item><title><![CDATA[Android + Charles + Mac OS X 完成 HTTPS抓包]]></title><link>https://blog.youkuaiyun.com/mxg1022/article/details/80350707</link><guid>https://blog.youkuaiyun.com/mxg1022/article/details/80350707</guid><author>mxg1022</author><pubDate>Thu, 17 May 2018 15:01:19 +0800</pubDate><description><![CDATA[1、下载https://www.charlesproxy.com/download/工具Charlesa按照（可以破解，下载charles.jar，将此文件覆盖至Charles显示包内容-Content-Java即可完成破解）2、在Android手机上配置Mac上打开Charles如下图点击，按照提示操作2.1： 配置手机上的HTTP代理 - 如图显示2.2：Android浏览器输入：chls.p...]]></description><category></category></item></channel></rss>