<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[ZJun Thinking]]></title><description><![CDATA[What we see changes who we are]]></description><link>https://blog.youkuaiyun.com/u014135091</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; u014135091]]></copyright><item><title><![CDATA[数据竞赛思路分享：机场客流量的时空分布预测]]></title><link>https://blog.youkuaiyun.com/u014135091/article/details/53396336</link><guid>https://blog.youkuaiyun.com/u014135091/article/details/53396336</guid><author>u014135091</author><pubDate>Tue, 29 Nov 2016 17:47:29 +0800</pubDate><description><![CDATA[历时两个月的比赛终于结束了，最终以第32名的成绩告终，在此和大家分享下解决问题的思路。
  
  从初赛到复赛，有走过弯路，也有突然灵光一现的时刻。一路走来，对数据各种把玩，分析了各种可能的情况，尽可能得挖掘数据中潜在的信息来构建更为准确的模型。
  
  本文无法涵盖所有的分析历程，但是会涉及解决问题的主要思路以及部分代码，详细的代码见Github页面
  
  竞赛详细信息参见比赛官方网站
1.]]></description><category></category></item><item><title><![CDATA[博客转移]]></title><link>https://blog.youkuaiyun.com/u014135091/article/details/53039461</link><guid>https://blog.youkuaiyun.com/u014135091/article/details/53039461</guid><author>u014135091</author><pubDate>Fri, 04 Nov 2016 21:31:17 +0800</pubDate><description><![CDATA[转移博客 ZJun’s Blog]]></description><category></category></item><item><title><![CDATA[Time Serise Analysis［Using R］]]></title><link>https://blog.youkuaiyun.com/u014135091/article/details/52415576</link><guid>https://blog.youkuaiyun.com/u014135091/article/details/52415576</guid><author>u014135091</author><pubDate>Fri, 02 Sep 2016 17:13:38 +0800</pubDate><description><![CDATA[Time Serise Analysis［Using R］［近期需要用到时间序列分析，顺便整理下笔记以供日后参考］时间序列分析基本流程  时间序列分析在R中的实战分析
#### 导入数据
# Get Work Directory
getwd()
# Import Data From local File
Data <- read.csv('~/Documents/data.csv', fill =]]></description><category></category></item><item><title><![CDATA[Math Block for Markdown ［For Typora］]]></title><link>https://blog.youkuaiyun.com/u014135091/article/details/52390053</link><guid>https://blog.youkuaiyun.com/u014135091/article/details/52390053</guid><author>u014135091</author><pubDate>Wed, 31 Aug 2016 23:14:07 +0800</pubDate><description><![CDATA[Math Block for MarkdownCode:[Inline Math Formula]This formula $f(x)=x_{1}^{2}+x_{2}^{2}$is an inline formulapreview:This formula f(x)=x21+x22f(x)=x_{1}^{2}+x_{2}^{2} is an inline formulaCode:[Fraction]]]></description><category></category></item><item><title><![CDATA[[Enthought Traning] Scientific Computing in Python]]></title><link>https://blog.youkuaiyun.com/u014135091/article/details/52388212</link><guid>https://blog.youkuaiyun.com/u014135091/article/details/52388212</guid><author>u014135091</author><pubDate>Wed, 31 Aug 2016 19:53:31 +0800</pubDate><description><![CDATA[Enthought TraningScientific ComputeringData InterpolationNormal Interpolation]]></description><category></category></item><item><title><![CDATA[第五章 神经网络]]></title><link>https://blog.youkuaiyun.com/u014135091/article/details/52106163</link><guid>https://blog.youkuaiyun.com/u014135091/article/details/52106163</guid><author>u014135091</author><pubDate>Wed, 03 Aug 2016 18:14:16 +0800</pubDate><description><![CDATA[第五章 神经网络神经元模型神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应M-P神经元模型思路将生物神经网络中的神经元抽象后得到经典的“M-P神经元模型”。在这个模型中，神经元接收来至n个其他神经元传递过来的输入信号 ，这些信号通过带权重的连接进行传递 ，神经元接收到总到输入值，将与神经元的阈值进行比较 ，然后通过激活函数处理以产生]]></description><category></category></item><item><title><![CDATA[CS109 Lecture 7]]></title><link>https://blog.youkuaiyun.com/u014135091/article/details/52066700</link><guid>https://blog.youkuaiyun.com/u014135091/article/details/52066700</guid><author>u014135091</author><pubDate>Fri, 29 Jul 2016 17:07:01 +0800</pubDate><description><![CDATA[CS109 Lecture 7Data ScrapingSources
From a Web Sites
With An API
Copyrights and permission
Be careful and polite
Give credit
Care about media law
Don’t be evil
Useful tags<h1></h1>
<p></p>
<br>
<a href]]></description><category></category></item><item><title><![CDATA[第四章 决策树]]></title><link>https://blog.youkuaiyun.com/u014135091/article/details/52047679</link><guid>https://blog.youkuaiyun.com/u014135091/article/details/52047679</guid><author>u014135091</author><pubDate>Wed, 27 Jul 2016 17:31:44 +0800</pubDate><description><![CDATA[第四章 决策树基本思想决策树是基于树结构来进行决策的，这正是人类在面临决策问题时一种很自然的处理机制一般的，一颗决策树包含一个根节点、若干个内部节点和若干个叶节点；叶节点对应于决策结果，其他的每个节点则对应于一个属性测试；每个节点包含的样本集合根据属性测试的结果被划分到子节点中；根节点包含样本全集。
  Wikipedia: A decision tree is a flowchart-like s]]></description><category></category></item><item><title><![CDATA[CS109 Lecture 5]]></title><link>https://blog.youkuaiyun.com/u014135091/article/details/52029588</link><guid>https://blog.youkuaiyun.com/u014135091/article/details/52029588</guid><author>u014135091</author><pubDate>Tue, 26 Jul 2016 00:16:38 +0800</pubDate><description><![CDATA[CS109 Lecture 5Multi-Dimensional Data Visualization
Scatterplot Matrices
Parallel Coordinates / Flexible Linked Axes
Pix-Basses Visualizations / Heat Maps
Dimensionality Reduction
Extra Example : LineU]]></description><category></category></item><item><title><![CDATA[中国美学史中重要问题的初步探索]]></title><link>https://blog.youkuaiyun.com/u014135091/article/details/52027349</link><guid>https://blog.youkuaiyun.com/u014135091/article/details/52027349</guid><author>u014135091</author><pubDate>Mon, 25 Jul 2016 20:46:45 +0800</pubDate><description><![CDATA[中国美学史中重要问题的初步探索中国美学史的特点
中国美学史材料特别丰富，涉及的方面也特别多诗文理论、绘画理论、戏剧理论、音乐理论、书法理论包含有很多美学思想
中国美学史中各门传统艺术相同或相通诗文、绘画、戏剧、音乐、书法、建筑等不但有自己独特的体系，而且相互之间互相影响，互相包含
按时间维度往上推 
学习中国美术史时，要特别注意考古学和古文字学的成果，它们能提供许多新的资料和新的启发
先秦工艺美术和]]></description><category></category></item><item><title><![CDATA[论文艺的空灵与充实]]></title><link>https://blog.youkuaiyun.com/u014135091/article/details/52027342</link><guid>https://blog.youkuaiyun.com/u014135091/article/details/52027342</guid><author>u014135091</author><pubDate>Mon, 25 Jul 2016 20:46:03 +0800</pubDate><description><![CDATA[论文艺的空灵与充实
  初学词求空，空则灵气往来！既成格调，求实，实则精力弥满。    －－周济
真、善、美哲学求真，道德或宗教求善，介乎两者之间表达我们情绪中的深境和现实人格的和谐是“美”.文艺与宗教、哲学，相辅相成。
世界最伟大的建筑雕塑和音乐多是宗教的，第一流的文学作品也是基于伟大的宗教热情
  文艺从哲学获得深隽的人生智慧，宇宙观念，使它能执行“人生批判”和“人生启示”的任务
空灵
  静故]]></description><category></category></item><item><title><![CDATA[美从何处寻？]]></title><link>https://blog.youkuaiyun.com/u014135091/article/details/52027338</link><guid>https://blog.youkuaiyun.com/u014135091/article/details/52027338</guid><author>u014135091</author><pubDate>Mon, 25 Jul 2016 20:45:40 +0800</pubDate><description><![CDATA[美从何处寻？忘我你的心不是”在”自己的心的过程里，在感情、情绪、思维里找到美；而只是”通过”感觉、情绪、思维找到美。美对于你的心，你的”美感”是客观的对象和存在。你如果要进一步认识她，你可以分析她的结构、形象、组成的各部分，得出”和谐”的规律、”节奏”的规律、表现的内容、丰富的启示，而不必顾到你心的活动，你越能忘掉自我，忘掉你自己的情绪波动，思维起伏，你就越能够“漱涤万物，牢笼百态”，你就会像一面镜]]></description><category></category></item><item><title><![CDATA[诗（文学）和画的分界]]></title><link>https://blog.youkuaiyun.com/u014135091/article/details/52027331</link><guid>https://blog.youkuaiyun.com/u014135091/article/details/52027331</guid><author>u014135091</author><pubDate>Mon, 25 Jul 2016 20:44:55 +0800</pubDate><description><![CDATA[诗（文学）和画的分界《美学散步》序言
  散步是自由自在、无拘无束的行动，它的弱点是没有计划，没有系统，看中逻辑统一性的人会轻视它，讨厌他，但是西方建立逻辑学的大师亚里士多德的学派却唤做”散步学派”，可见散步和逻辑并不是绝对不相容的。
诗与画的两个例子
达芬奇的蒙娜丽莎
“巧笑倩兮，美目盼兮”
时间和空间角度思考画和诗
画：空间里的造型艺术 [一眼全面看到各个部分]
诗：时间里表现其境界与行动的文学]]></description><category></category></item><item><title><![CDATA[CS109 Lecture 4]]></title><link>https://blog.youkuaiyun.com/u014135091/article/details/52027305</link><guid>https://blog.youkuaiyun.com/u014135091/article/details/52027305</guid><author>u014135091</author><pubDate>Mon, 25 Jul 2016 20:42:49 +0800</pubDate><description><![CDATA[CS109 Lecture 4Visualization Goals
Communicate (Explanatory)Present data and ideas
Explain and inform
Provide evidence and support
Influence and persuade
Analyze (Exploratory)Explore the data
Assess a]]></description><category></category></item><item><title><![CDATA[CS109 Lecture 3]]></title><link>https://blog.youkuaiyun.com/u014135091/article/details/52027239</link><guid>https://blog.youkuaiyun.com/u014135091/article/details/52027239</guid><author>u014135091</author><pubDate>Mon, 25 Jul 2016 20:34:34 +0800</pubDate><description><![CDATA[CS109 Lecture 3Visualization GoalPresentation
Know facts about data 
Task: Communicate results
Exploration
Data without hypothesis
Task: Generate hypothesis
  The grestest value of a picture is when it]]></description><category></category></item><item><title><![CDATA[CS109 Lecture 2]]></title><link>https://blog.youkuaiyun.com/u014135091/article/details/52027227</link><guid>https://blog.youkuaiyun.com/u014135091/article/details/52027227</guid><author>u014135091</author><pubDate>Mon, 25 Jul 2016 20:33:10 +0800</pubDate><description><![CDATA[CS109 Lecture 2Concepts
Infographics
Distribution 
CDF (cumulative distribution function) 
python 
import scipy.stats 
scipy.stats.norm.cdf(2) Histograms 
Histogram is easier to interpret than CDF
Norm]]></description><category></category></item><item><title><![CDATA[第三章  线性模型]]></title><link>https://blog.youkuaiyun.com/u014135091/article/details/52027213</link><guid>https://blog.youkuaiyun.com/u014135091/article/details/52027213</guid><author>u014135091</author><pubDate>Mon, 25 Jul 2016 20:31:43 +0800</pubDate><description><![CDATA[第三章  线性模型基本形式线性模型通常表示如下： 
f(x)=w1x1+w2x2+...+wnxn+b
f(x) = w_1x_1+w_2x_2+...+w_nx_n+b
 
向量形式如下： 
f(x)=wTx+b
f(x) = w^{T}x+b
 
线性模型形式简单，却蕴含着机器学习中的重要思想（ww直观表达了各属性在预测中的重要性），许多强大的非线性模型就是在线性模型的基础上通过引入层次结构或高]]></description><category></category></item><item><title><![CDATA[第二章 模型评估与选择]]></title><link>https://blog.youkuaiyun.com/u014135091/article/details/52027187</link><guid>https://blog.youkuaiyun.com/u014135091/article/details/52027187</guid><author>u014135091</author><pubDate>Mon, 25 Jul 2016 20:28:12 +0800</pubDate><description><![CDATA[第二章 模型评估与选择模型评估方法1. 留出法（hold-out）方法：直接将数据集D划分为两个互斥的集合，训练集合S和测试集合T，在S上训练模型，用T来评估其测试误差注意：训练／测试集的划分要尽可能保持数据分布的一致性，避免因为数据划分过程引入额外的偏差而对最终结果产生影响缺点与改进：单次使用留出法得到的估计往往不够稳定可靠，在使用留出法时，一般要采用若干次随机划分、重复进行实验评估后取平均值作为]]></description><category></category></item><item><title><![CDATA[第一章 绪论]]></title><link>https://blog.youkuaiyun.com/u014135091/article/details/52027155</link><guid>https://blog.youkuaiyun.com/u014135091/article/details/52027155</guid><author>u014135091</author><pubDate>Mon, 25 Jul 2016 20:24:05 +0800</pubDate><description><![CDATA[第一章 绪论概念机器学习致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。在计算机系统中，经验通常以数据的形式存在
  假设用P来评估计算机程序在某任务类T上的性能，若一个程序通过利用经验E在T中任务上获得了性能改善，则我们就说关于T和P，该程序对E进行了学习
基本术语数据集 / 属性或特征／特征向量／维数／标签／分类／回归／聚类／监督学习／无监督学习／泛化归纳偏好任何一个有效的机器学习算]]></description><category></category></item><item><title><![CDATA[天池竞赛-淘宝穿衣搭配（数据预处理部分）]]></title><link>https://blog.youkuaiyun.com/u014135091/article/details/49343051</link><guid>https://blog.youkuaiyun.com/u014135091/article/details/49343051</guid><author>u014135091</author><pubDate>Fri, 23 Oct 2015 01:16:53 +0800</pubDate><description><![CDATA[赛题简介淘宝网是中国深受欢迎的网购零售平台，其中服饰鞋包行业占据市场的绝大部分份额，围绕着淘宝诞生了一大批优秀的服饰鞋包导购类的产品。穿衣搭配是服饰鞋包导购中非常重要的课题，它所延伸出的技术、算法能广泛应用到大数据营销几乎所有场景中，如搜索、推荐和营销服务。淘宝穿衣搭配算法竞赛将为参赛者提供搭配专家和达人生成的搭配组合数据，百万级别的淘宝商品的文本和图像数据，同时还将提供用户的脱敏行为数据。期待参赛]]></description><category></category></item></channel></rss>