<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Data Hero]]></title><description><![CDATA[机器学习、数据挖掘、数据分析相关技术文章]]></description><link>https://blog.youkuaiyun.com/sudden2012</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; sudden2012]]></copyright><item><title><![CDATA[leetcode | 链表]]></title><link>https://blog.youkuaiyun.com/sudden2012/article/details/128547465</link><guid>https://blog.youkuaiyun.com/sudden2012/article/details/128547465</guid><author>sudden2012</author><pubDate>Wed, 04 Jan 2023 18:34:45 +0800</pubDate><description><![CDATA[链表基础知识和力扣相关算法题解]]></description><category></category></item><item><title><![CDATA[数据降维 | 奇异值分解(SVD) 、推荐系统、图像压缩]]></title><link>https://blog.youkuaiyun.com/sudden2012/article/details/89293486</link><guid>https://blog.youkuaiyun.com/sudden2012/article/details/89293486</guid><author>sudden2012</author><pubDate>Sun, 14 Apr 2019 15:57:50 +0800</pubDate><description><![CDATA[01 PCA.改
在上一篇文章中，我们学习并实践了一种主流的数据降维算法——主成分分析(PCA)。
我们再来回顾一下PCA的优缺点：

优点：降低数据复杂性，识别最重要的多个特征
缺点：PCA需要将所有数据集放入内存，若数据集较大，内存处理效率低，此时需要使用其他方法来寻找特征值

基于PCA算法在处理大数据集时内存处理效率较低的缺点，出现了一种更加高效的降维算法——奇异值分解(SVD)，本文简...]]></description><category></category></item><item><title><![CDATA[数据降维 | 主成分分析(PCA)]]></title><link>https://blog.youkuaiyun.com/sudden2012/article/details/89293375</link><guid>https://blog.youkuaiyun.com/sudden2012/article/details/89293375</guid><author>sudden2012</author><pubDate>Sun, 14 Apr 2019 10:17:54 +0800</pubDate><description><![CDATA[01 数据降维
数据分析中，我们常常面对较大的数据集，这里的“大”，一是指样本量大（如千万量级），二是指高维度（如几百个维度）。因此在正式分析这些大数据前，我们需要对它们做预处理，从而缩减数据维度，提升处理效率和训练效果。
数据降维就是一种数据预处理技术，常用的降维技术如下：


主成分分析 PCA
因子分析 Factor Analysis
独立成分分析 ICA


本文介绍并实践了一种常用的数...]]></description><category></category></item><item><title><![CDATA[FP-Growth|高效挖掘频繁项集]]></title><link>https://blog.youkuaiyun.com/sudden2012/article/details/88036177</link><guid>https://blog.youkuaiyun.com/sudden2012/article/details/88036177</guid><author>sudden2012</author><pubDate>Thu, 28 Feb 2019 17:05:37 +0800</pubDate><description><![CDATA[01 搜索引擎如何联想的？
在使用搜索引擎时，你应该会发现一个现象：当我们在搜索框输入一个字符时，它就会帮你联想补全后面的搜索内容。

比如，你想搜索“西瓜”，当你输入“西”时，搜索引擎会帮你联想出“西部、西瓜、西南地区”等等。这大大提高了我们的搜索效率，你有没有疑惑过，这是如何实现的呢？

今天我们要学习的这个算法(FP-Growth)可以解答这个疑惑。FP-Growth算法是一种比Aprio...]]></description><category></category></item><item><title><![CDATA[Apriori | 挖掘关联规则]]></title><link>https://blog.youkuaiyun.com/sudden2012/article/details/87271183</link><guid>https://blog.youkuaiyun.com/sudden2012/article/details/87271183</guid><author>sudden2012</author><pubDate>Thu, 14 Feb 2019 14:17:24 +0800</pubDate><description><![CDATA[
01 啤酒与尿布
好久没写代码了，脑子快生锈了，今天我们来实操一个比较有意思的算法——Apriori算法。
Apriori算法是一种用于挖掘数据集内部关联规则的算法，“apriori”在拉丁语中翻译为“来自以前”，听意思你应该就能猜到了，这个算法是用先验知识来预测数据的关联规则的。
说到关联规则，有一个很有名的案例——啤酒与尿布。说，美国一家连锁店发现很多男性会在周四购买尿布和啤酒，这两种看似不...]]></description><category></category></item><item><title><![CDATA[聚类 | KMeans理论与算法实现]]></title><link>https://blog.youkuaiyun.com/sudden2012/article/details/84960255</link><guid>https://blog.youkuaiyun.com/sudden2012/article/details/84960255</guid><author>sudden2012</author><pubDate>Tue, 11 Dec 2018 19:17:58 +0800</pubDate><description><![CDATA[
01 物以类聚
经过半年的不懈努力，我们已经学习并实践了经典的分类算法和经典的回归算法，下面我们开始学习经典的聚类算法(兴奋~~~)
目前打算对三种聚类算法进行学习和代码实操(俗称“造轮子”)：


KMeans
Apriori
FP-Growth


今天我们学习并实践KMeans聚类算法，分成以下几个部分，跟上节奏燥起来！


KMeans算法理论和代码实现
改进，BiKMeans算法理论和...]]></description><category></category></item><item><title><![CDATA[树回归|理论与算法实现]]></title><link>https://blog.youkuaiyun.com/sudden2012/article/details/83754684</link><guid>https://blog.youkuaiyun.com/sudden2012/article/details/83754684</guid><author>sudden2012</author><pubDate>Mon, 05 Nov 2018 19:01:40 +0800</pubDate><description><![CDATA[
在上一篇文章中，我们比较全面地学习了线性回归的原理是实现，今天我们还是留在回归板块，针对树回归进行学习和实践。
01 树回归原理
相比于线性回归，树回归更适合对复杂、非线性的数据进行回归建模。
原理
回想一下决策树，树回归的原理就是决策树(人家都叫”树“回归了……)，在决策树的学习中，有三种算法，ID3, C4.5, CART，前两种算法只能处理离散型数据，因此只能用于回归，而CART算法由于采...]]></description><category></category></item><item><title><![CDATA[常见线性回归|理论与算法实现]]></title><link>https://blog.youkuaiyun.com/sudden2012/article/details/83474843</link><guid>https://blog.youkuaiyun.com/sudden2012/article/details/83474843</guid><author>sudden2012</author><pubDate>Sun, 28 Oct 2018 15:13:55 +0800</pubDate><description><![CDATA[
01 分类 v.s. 回归
之前我们学习了很多分类方法，在机器学习中，还有一种任务叫回归，回归和分类其实挺像的，都是对样本预测一个值，区别在于，

分类：输出为离散值
回归：输出为连续值

今天我们学习一波线性回归的理论和算法，不要小看线性回归，其实很多商业模型都少不了线性回归的功劳，把线性回归用到极致你也是大神。
简单来说，线性回归就是在已知x,y的情况下，求解y=wx的回归系数的过程。

0...]]></description><category></category></item><item><title><![CDATA[AdaBoost | 算法实现]]></title><link>https://blog.youkuaiyun.com/sudden2012/article/details/83241552</link><guid>https://blog.youkuaiyun.com/sudden2012/article/details/83241552</guid><author>sudden2012</author><pubDate>Sun, 21 Oct 2018 14:54:31 +0800</pubDate><description><![CDATA[
在这篇文章中，我们一起学习了AdaBoost算法的原理，今天我们在python3的环境下，根据原理写一段代码来实现AdaBoost算法。
01 构造单层决策树

逻辑：

遍历数据集的每个特征：

遍历特征的每个步长：

遍历步长的每个阈值对比方式(less than/greater than)：

计算每次迭代的weightedError






认为weightedError最小的点(特...]]></description><category></category></item><item><title><![CDATA[统计学习方法|AdaBoost]]></title><link>https://blog.youkuaiyun.com/sudden2012/article/details/82959509</link><guid>https://blog.youkuaiyun.com/sudden2012/article/details/82959509</guid><author>sudden2012</author><pubDate>Sun, 07 Oct 2018 17:41:17 +0800</pubDate><description><![CDATA[
01 起
在之前的文章中，我们学习了几种经典的分类算法：KNN，Naive Bayes，Decision Tree，Logistic Regression，SVM。
接下来我们学习一种方法来提升分类效果，这种方法的核心思想就是：三个臭皮匠，顶个诸葛亮。
我们先从集成方法讲起，简单介绍Bagging和Boosting，然后着重介绍提升方法(Boosting)，然后给出一种常用的提升方法Adapt ...]]></description><category></category></item><item><title><![CDATA[Python | 成都地区大数据人才市场数据分析(节选)]]></title><link>https://blog.youkuaiyun.com/sudden2012/article/details/82819513</link><guid>https://blog.youkuaiyun.com/sudden2012/article/details/82819513</guid><author>sudden2012</author><pubDate>Sun, 23 Sep 2018 01:01:01 +0800</pubDate><description><![CDATA[
01 起
大数据行业持续升温，越来越多的人才涌进这个行业。
想知道这个行业需要什么样的人才么？
大数据的问题就交给大数据去完成吧~~
我们按特定的职位名称，爬取了拉勾网上成都地区所有大数据相关职位的招聘信息，并对这份数据做了多维度分析，得到了很多有价值的信息，构成了一份大数据人才市场分析报告。
本文节选报告第四章内容，对5类大数据相关职位的职位要求进行文本分析，给出人才市场上对这5类职位的能力(...]]></description><category></category></item><item><title><![CDATA[Python | 数据可视化汇总]]></title><link>https://blog.youkuaiyun.com/sudden2012/article/details/82819497</link><guid>https://blog.youkuaiyun.com/sudden2012/article/details/82819497</guid><author>sudden2012</author><pubDate>Sun, 23 Sep 2018 00:57:36 +0800</pubDate><description><![CDATA[
01 提纲
不断总结是学习进步的阶梯。
前阵子针对python数据可视化进行了一波学习和实操，是时候总结一下数据可视化的方法和代码了，一起来复习吧！
想要说明的一点是，方法千千万，是学习不完的，怎么办呢？
最近听到一个词：用以致学。就是以目的为导向去学习，学到之后再进行总结，而不是盲目地学。

本次数据可视化复习提纲如下：

散点图
箱线图
折线图
条形图、直方图
饼图
多图

主要使用到mat...]]></description><category></category></item><item><title><![CDATA[NLP | 文本特征向量化方法]]></title><link>https://blog.youkuaiyun.com/sudden2012/article/details/82819484</link><guid>https://blog.youkuaiyun.com/sudden2012/article/details/82819484</guid><author>sudden2012</author><pubDate>Sun, 23 Sep 2018 00:53:16 +0800</pubDate><description><![CDATA[
01 起
在之前的文章中，我们学习了一种分类方法：朴素贝叶斯，朴素贝叶斯特别适合文本分类，比如：


根据邮件内容，判断哪些是垃圾邮件
根据新闻内容，判断新闻情感是正面、负面还是中立
……


如果想要使用朴素贝叶斯模型去给文本数据分类，就必须对文本数据进行处理。
怎么处理呢？一般是这样的：


对文本分词(作为特征)，比如把这句话“我是天才”分词为“我”“是”“天才”（这里面的学问就更多了，本...]]></description><category></category></item><item><title><![CDATA[支持向量机(SVM) | 核技巧于SMO算法的实现]]></title><link>https://blog.youkuaiyun.com/sudden2012/article/details/82818560</link><guid>https://blog.youkuaiyun.com/sudden2012/article/details/82818560</guid><author>sudden2012</author><pubDate>Sun, 23 Sep 2018 00:39:10 +0800</pubDate><description><![CDATA[
01 核技巧
关于支持向量机，我们有这样的共识：

支持向量机是一种分类器，之所以叫“机”是因为它会产生一个二值决策结果，是一种决策机；
支持向量机的泛化误差较低，即，有良好的学习能力，且学到的模型具有很好的推广性，因此被认为是监督学习中最好的定式算法；
支持向量机通过求解一个二次优化问题来最大化分类间隔，在过去，训练SVM常采用非常复杂且低效的二次规划求解方法；1998年，Platt提出SMO...]]></description><category></category></item><item><title><![CDATA[leetcode | 初级算法-数组]]></title><link>https://blog.youkuaiyun.com/sudden2012/article/details/82811018</link><guid>https://blog.youkuaiyun.com/sudden2012/article/details/82811018</guid><author>sudden2012</author><pubDate>Sat, 22 Sep 2018 11:21:35 +0800</pubDate><description><![CDATA[
01 起
最近“不务正业地”刷了一波leetcode上的算法题，初级算法已经刷完50%，战况如下，

刷题固然爽快，但及时总结才是进步之道，下面就数组部分的题目进行回顾和总结。
注意，刷题使用的语言是Python3，&amp;quot;数组&amp;quot;这个数据结构在Python中对应的就是&amp;quot;列表&amp;quot;list。
初级算法中数组类题目共11道，如下，我们一道一道来总结


02 解题
下面我们逐个击破数组部分的11道题。
2.1...]]></description><category></category></item><item><title><![CDATA[决策树(Decision Tree) | 绘制决策树]]></title><link>https://blog.youkuaiyun.com/sudden2012/article/details/82810976</link><guid>https://blog.youkuaiyun.com/sudden2012/article/details/82810976</guid><author>sudden2012</author><pubDate>Sat, 22 Sep 2018 11:17:19 +0800</pubDate><description><![CDATA[
01 起
在这篇文章中，我们讲解了如何训练决策树，然后我们得到了一个字典嵌套格式的决策树结果，这个结果不太直观，不能一眼看着这颗“树”的形状、分支、属性值等，怎么办呢？
本文就上文得到的决策树，给出决策树绘制函数，让我们对我们训练出的决策树一目了然。
在绘制决策树之后，我们会给出决策树的使用方法：如何利用训练好的决策树，预测训练数据的类别？
提示：不论是绘制还是使用决策树，中心思想都是递归。

...]]></description><category></category></item><item><title><![CDATA[决策树(Decision Tree) | 算法实现]]></title><link>https://blog.youkuaiyun.com/sudden2012/article/details/82810899</link><guid>https://blog.youkuaiyun.com/sudden2012/article/details/82810899</guid><author>sudden2012</author><pubDate>Sat, 22 Sep 2018 11:08:32 +0800</pubDate><description><![CDATA[
01 起
决策树相关的理论知识，我们在这篇文章中有详细讲解。
今天我们基于决策树原理，写一个函数来训练决策树吧。本文基于ID3算法构建决策树，此算法构建决策树的中心思想是：

始终寻找信息增益最大的特征作为当前分支的最优特征

信息增益，即：g(D,A)=H(D)-H(D|A)

02 实现思路(ID3)
利用训练数据，训练决策树，主要思路如下，共8个步骤，重点在于递归：

自定义信息熵计算函数...]]></description><category></category></item><item><title><![CDATA[支持向量机(SVM) | SMO算法实现]]></title><link>https://blog.youkuaiyun.com/sudden2012/article/details/82810841</link><guid>https://blog.youkuaiyun.com/sudden2012/article/details/82810841</guid><author>sudden2012</author><pubDate>Sat, 22 Sep 2018 11:03:45 +0800</pubDate><description><![CDATA[
01 起
在统计学习方法|SVM这篇文章中，我们学习了支持向量机的原理和理论上的算法实现，我们一起回忆一下，支持向量机可以处理三种类型的数据：

线性可分支持向量机——求解策略，硬间隔最大化
线性支持向量机——求解策略，软间隔最大化
非线性支持向量机——求解策略，核技巧+软间隔最大化

我们提出一个问题

当数据量很大时，以上提出的算法求解复杂度呈指数上升，算法会变得十分低效，该怎么办呢？

我...]]></description><category></category></item><item><title><![CDATA[逻辑斯蒂回归(Logistic Regression) | 算法实现]]></title><link>https://blog.youkuaiyun.com/sudden2012/article/details/82810748</link><guid>https://blog.youkuaiyun.com/sudden2012/article/details/82810748</guid><author>sudden2012</author><pubDate>Sat, 22 Sep 2018 10:58:13 +0800</pubDate><description><![CDATA[
01 起
在这篇文章中，我们学习了逻辑斯谛回归模型的算法原理：统计学习方法|logistic回归
今天我们基于算法原理，给出利用随机梯度上升算法求解逻辑斯蒂回归模型参数的过程。
我们先来回顾一下逻辑斯蒂回归模型，

logistic回归的目的是寻找一个非线性函数sigmoid函数的最佳拟合参数w， sigmoid(wx)=1/(1+exp(-wx))，找到最佳拟合参数w，使不同类别样本点的特征x...]]></description><category></category></item><item><title><![CDATA[朴素贝叶斯(Naive Bayes) | 算法实现]]></title><link>https://blog.youkuaiyun.com/sudden2012/article/details/82810672</link><guid>https://blog.youkuaiyun.com/sudden2012/article/details/82810672</guid><author>sudden2012</author><pubDate>Sat, 22 Sep 2018 10:53:14 +0800</pubDate><description><![CDATA[
01 起
大数据时代，我们的“隐私”早已不再是隐私，一个特别直接的证据是什么呢？

我们的邮箱也好、手机也好，经常收到恼人的垃圾邮件、垃圾短信

被这些东西烦的不行，怎么办呢？网上有很多垃圾邮件过滤软件，可以拿来直接用的，其中的原理是什么呢？
今天我们自己造个轮子来过滤邮箱里的垃圾邮件吧！
系好安全带，我要开车了！

02 过滤原理
垃圾邮件过滤的原理其实很简单：朴素贝叶斯(Naive Baye...]]></description><category></category></item></channel></rss>