u011868279的博客

About More Predictive Modeling Projects

How to do Binary Classification Machine Learning Case Study Project

How to work through Regression Machine Learning Case Study Project

My First Machine Learning Project in Python Step-By-Step

How to structure predictive Modeling Project Template

How to Save and Load Machine Learning Models

How to Improve Performance with Algorithm Tuning

How to Improve Performance with Ensembles

How to use Automate Machine Learning Workflows with Pipelines

How to Compare Machine Learning Algorithms

How to Spot-Check Regression Algorithms

How to Spot-Check Classification Algorithms

How to understand Machine Learning Algorithm Performance Metrics

How to Evaluate the Performance of Machine Learning Algorithms with Resampling

How to Feature Selection For Machine Learning

How to Prepare Your Data For Machine Learning

How to Understand Your Data With Visualization

How to Understand Your Data With Descriptive Statistics

How To Load Machine Learning Data

About Crash Course in Python and SciPy

Did you know about Python Ecosystem for Machine Learning

如何利用SVD简化数据

本博文的的内容为以下：降维技术 主成分分析（PCA） 对半导体数据进行降维处理降维（dimensionality reduction）的目标就是对输入的数目进行消减，由此剔除数据中的噪声并提高机器学习方法的性能。本博文是涉及降维主题的两章中的第一章。在降维中，我们对数据进行了预处理。之后，采用 其他机器学习技术对其进行处理。本博文一开始对降维技术进行了综述，然后集中介绍一种应用非 常普遍的称为主成分分析的技术。最后，我们就通过一个数据集的例子来展示PCA的工作过程。 经过PCA处理之后，该数据

本博文内容包括以下：发现事务数据中的公共模式 FP-growth算法 发现twitter源中的共同词FP-growth 算法 是基于Apriori算法，但在完成相同的任务（将数据集存储在一个特定的称作FP树的结构之后发现频繁项集或频繁项对，即常在一块出现的元素项的集合FP树）时采用了一些不同的技术。这种算法的执行速度要快于Apriori,通常性能要好两个数量级以上。讨论从数据集中获取有趣信息的方法，最常用的两种分别是频繁项集与关联规则。FP-growth算法只需要对数据库进行两次扫描，而A

本文章内容：Apriori算法 频繁项集生成 关联规则生成 投票中的关联规则发现忠诚度计划是指顾客使用会员卡可以获得一定的折扣，利用这种计划，商店可以了解顾客所购买的商品。关联关系（associate analysis）（关联规则学习association rule learning）： 从大规模数据集中寻找物品间的隐含关系。本博文：首先讨论关联分析 然后讨论Apriori原理，Apriori算法正是基于该原理得到的。 接下来创建函数频繁项集高效发现的函数 然后从频繁集中抽取出

k-means and its derivatives aren’t the only clustering algorithms. Another type ofclustering, known as hierarchical clustering, is also a widely used clustering algorithm.In the next chapter, we’ll examine the Apriori algorithm for finding association ru

本博文 包括以下内容：CART算法 回归与模型树 树剪枝算法 Python 中GUI 的使用问题： 实际生活中很多问题都是非线性的，不可能使用全局线性模型来拟合任何数据。解决方案：一种可行的方法是将数据集切分成很多份易建模的数据。然后利用第8章的线性回归技术来建模。如果首次切分后仍然难以拟合线性模型就继续切分。这种切分方式下，树结构和回归法相当有用。9.1 复杂数据的局部性建模9.2 连续和离散型特征的树的构建在树的构建过程中，需要解决多种类型数据的存储问题。we'r

This paper will covers:Linear regression Locally weighted linear regression(局部加权线性回归) Ridge regression and stagewise line regression(岭回归和逐步线性回归) Predicting the age of an abalone and an antique selling price(预测鲍鱼年龄和玩具售价)1.1 Finding best-fit lines with

利用AdaBoost元算法提高分类性能

This arctile covers:Introducing support vector machines Using the SMO(sequential minimal optimization序列最小优化算法（英语：Sequential minimal optimization, SMO）是一种用于解决支持向量机训练过程中所产生优化问题的算法。目前被广泛使用于SVM的训练过程中，并在通行的SVM库LIBSVM中得到实现.) algorithm for optimization Usin..

CP05 Logistic regression(Logistic 回归)

This article covers:Using probability distributions for classification Learning the naive Bayes classifier Parsing data from RSS feeds Using naive Bayes to reveal regional attitudes4.1 Classifying with Bayesian decision theoryNaive BayesPros: Wor

This article will be covers :Introducing decision trees Measuring consistency in a dataset Using recursion to construct a decision tree Plotting trees in MatplotlibThe decision tree is one of the most commonly used classification techniques;recent su

本篇博文主要涉及到以下内容：K-近邻分类算法 从文本文件中解析和导入数据 使用Matplotlib创建扩散图 归一化数值K-近邻算法功能： 非常有效且易于掌握。学习K-近邻算法的思路：首先，探讨k-近邻算法的基本理论，以及如何使用距离测量的方法分类物品。 其次，使用Python 从文本文件中导入并解析数据。 再次，讨论当存在多种数据源时，如何避免计算距离时可能碰到的一些常见的错误。 最后，利用实际的例子讲解如何使用k-近邻算法改进约会网站和手写数字识别系统。1.K-近邻算法概

数据挖掘十大算法 C4.5决策树 K-均值（K-mean） 支持向量机（SVM） Apriori 最大期望算法（EM）（涉及太多数学理论，此处不做详述） PageRank算法（Google充分论述过，此处不做详述） AdaBoot算法 k-近邻算法（KNN） 朴素贝叶斯算法（NB） 分类回归树（CART）算法