- 博客(257)
- 收藏
- 关注
RSS订阅原创 Day 93: CI/CD 持续集成
持续集成 - 频繁集成代码，自动构建和测试：持续部署 - 自动将代码部署到生产环境代码提交 → 自动构建 → 自动测试 → 代码审查 → 自动部署↓ ↓ ↓ ↓ ↓。
2026-05-15 17:06:36
27
原创 Day 92: Docker 容器化
Docker 是一个开源的容器化平台，可以将应用及其依赖打包到轻量级、可移植的容器中，实现"一次构建，到处运行"。特性容器虚拟机启动速度秒级分钟级资源占用MB 级GB 级隔离性进程级硬件级性能接近原生有损耗。
2026-05-15 17:06:24
31
原创 机器学习综合实战：端到端项目
预测客户是否会流失，帮助运营部门提前干预。阶段核心要点数据加载Pandas、数据探索预处理标准化、Pipeline模型训练随机森林、逻辑回归超参数调优网格搜索、交叉验证模型评估混淆矩阵、ROC 曲线模型部署Joblib 保存和加载恭喜！你完成了机器学习篇的学习。基础算法：KNN、决策树、随机森林、朴素贝叶斯、线性回归、逻辑回归模型评估：准确率、精确率、召回率、F1、ROC 曲线无监督学习：K-Means、层次聚类、DBSCAN、PCA深度学习。
2026-05-15 17:06:01
31
原创 文本预处理
技术用途文本清洗去除噪声分词将文本拆分为单词去除停用词去除无意义词词干化/词形还原归一化词形词袋模型文本向量化TF-IDF衡量词的重要性练习题实现中文分词（使用 jieba）比较不同词干化算法的效果实现 N-gram 模型使用 Word2Vec 进行词向量化实现 BERT 预处理。
2026-05-15 17:05:51
26
原创 RNN 循环神经网络
概念核心要点RNN循环连接，记忆历史信息LSTM门控机制，解决梯度消失GRU简化的 LSTM，参数更少应用文本、语音、时间序列练习题实现 LSTM 从零实现使用 RNN 进行文本分类实现序列到序列模型（Seq2Seq）实现 Attention 机制使用 Transformer 模型。
2026-05-15 17:05:03
33
原创 CNN 卷积神经网络
概念核心要点卷积层局部连接、参数共享、平移不变性池化层降低维度、减少计算CNN 架构卷积 → 池化 → 全连接经典架构应用图像分类、目标检测、语义分割练习题实现卷积和池化操作使用预训练的 ResNet 进行迁移学习实现数据增强（Data Augmentation）实现目标检测（YOLO/SSD）实现图像语义分割。
2026-05-15 17:04:53
23
原创 PyTorch 实战
概念核心要点TensorPyTorch 的核心数据结构nn.Module神经网络基类forward前向传播optim优化器GPU使用 CUDA 加速练习题使用 PyTorch 实现 CNN实现 RNN/LSTM使用 torch.utils.data.DataLoader实现自定义损失函数使用 TensorBoard 可视化训练过程。
2026-05-02 09:47:59
27
原创 TensorFlow 入门
概念核心要点张量TensorFlow 的核心数据结构Keras高级 API，简化模型构建Sequential顺序层堆叠模型fit训练模型evaluate评估模型练习题使用 TensorFlow 实现 CNN实现自定义层和模型使用回调函数（Callbacks）实现数据增强（Data Augmentation）部署 TensorFlow 模型。
2026-05-02 09:47:23
30
原创 神经网络基础
概念核心要点神经元权重 + 偏置 + 激活函数激活函数多层感知机输入层 → 隐藏层 → 输出层前向传播计算各层输出反向传播计算梯度，更新权重优点强大的表达能力、自动特征提取缺点需要大量数据、可解释性差练习题实现多层神经网络的反向传播比较不同激活函数的效果实现批量归一化（Batch Normalization）研究 dropout 正则化实现卷积神经网络（CNN）
2026-04-28 14:45:05
35
原创 PCA 主成分分析
PCA（Principal Component Analysis，主成分分析）是一种无监督降维技术——它通过线性变换将高维数据投影到低维空间，同时尽可能保留数据的方差。
2026-04-27 20:41:02
29
原创 DBSCAN 密度聚类
DBSCAN（Density-Based Spatial Clustering of Applications with Noise）是基于密度的聚类算法——它可以发现任意形状的簇，并识别噪声点。
2026-04-27 20:40:38
31
原创 模型评估与调优
主题核心要点分类指标准确率、精确率、召回率、F1回归指标MSE、MAE、R²交叉验证K 折交叉验证评估泛化能力超参数调优网格搜索、随机搜索学习曲线分析偏差和方差练习题实现不同类别的精确率和召回率比较网格搜索和随机搜索的效率绘制验证曲线（Validation Curve）使用分层 K 折交叉验证（Stratified KFold）分析学习曲线判断模型状态（欠拟合/过拟合）
2026-04-25 08:03:15
340
原创 线性回归与逻辑回归
算法类型损失函数应用场景线性回归回归均方误差预测连续值（房价、销量）多项式回归回归均方误差拟合非线性关系逻辑回归分类对数损失二分类（流失预测、信用评分）Lasso回归/分类L1 正则化特征选择Ridge回归/分类L2 正则化防止过拟合练习题实现梯度下降版本的线性回归比较多项式回归不同阶数的效果研究正则化参数对模型性能的影响使用逻辑回归进行多分类实现批量梯度下降、随机梯度下降、小批量梯度下降。
2026-04-25 08:02:32
37
原创 朴素贝叶斯
朴素贝叶斯（Naive Bayes）是基于**贝叶斯定理**和**特征条件独立假设**的分类算法——它计算每个类别的后验概率，选择概率最大的类别。
2026-04-24 09:55:33
32
原创 随机森林算法
随机森林（Random Forest）是一种**集成学习**（Ensemble Learning）方法——它构建多棵决策树，通过**投票**或**平均**得到最终结果，大幅提升了模型的泛化能力。
2026-04-24 09:55:19
60
原创 决策树算法
决策树（Decision Tree）是一种基于树形结构的分类和回归算法——它通过一系列**if-then 规则**将数据划分为不同的类别，就像一个"20 个问题"游戏。
2026-04-24 09:55:05
47
原创 KNN：K 近邻算法
KNN（K-Nearest Neighbors，K 近邻算法）是最简单、最直观的机器学习算法——它的核心思想就是**"近朱者赤，近墨者黑"**：给一个新样本，找它最近的 K 个邻居，看这些邻居属于哪一类，新样本就属于哪一类。
2026-04-24 09:54:48
28
原创 机器学习篇开始：机器学习基础概念
机器学习是研究计算机算法如何随着经验积累而自动改进的技术。传统编程：告诉计算机"怎么做"（编写明确的规则）机器学习：告诉计算机"要什么"（通过学习数据自动发现规则）150 个样本3 个类别（Setosa, Versicolor, Virginica）4 个特征（花萼长度、花萼宽度、花瓣长度、花瓣宽度）概念核心要点机器学习从数据中自动学习规律监督学习有标签数据，学习输入到输出映射无监督学习无标签数据，发现数据内在结构机器学习流程数据收集→预处理→特征工程→模型训练→评估→部署。
2026-04-23 09:46:18
33
原创 数据分析实战项目：电商用户行为分析
字段说明类型user_id用户IDintitem_id商品IDint商品类别IDintinttimestamp时间戳int用户地理位置哈希string商品类别string用户画像活跃用户占比约 30%购买用户占比约 10%高价值用户（VIP 和 High Value）占比约 5%行为模式浏览-购买转化率约 10%用户活跃高峰在 20:00-22:00周末行为量高于工作日留存率次日留存率约 60%7日留存率约 30%30日留存率约 15%
2026-04-23 09:46:02
82
原创 Seaborn 统计图表与高级可视化
自定义样式plt.show()# 创建基础 Seaborn 图表# 使用 Matplotlib 添加自定义元素# 添加水平参考线。
2026-04-23 09:45:38
34
原创 Matplotlib 数据可视化基础
设置全局样式plt.style.use('seaborn') # 可选：'default', 'ggplot', 'seaborn', 'dark_background'# 生成数据# 创建图表# 绘制# 自定义标题和标签# 自刻度标签# 自定义网格# 自定义图例plt.show()图表类型核心函数典型场景折线图plot()时间序列、趋势分析散点图scatter()两变量关系柱状图bar()分类数据比较直方图hist()数据分布箱线图boxplot()分布和异常值。
2026-04-23 09:45:19
33
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人