回归模型的性能的评价指标主要有：RMSE(平方根误差)、MAE（平均绝对误差）、MSE(平均平方误差)、R2_score。但是当量纲不同时，RMSE、MAE、MSE难以衡量模型效果好坏。这就需要用到R2_score，实际使用时，会遇到许多问题，今天我们深度研究一下。预备知识搞清楚R2_score计算之前，我们还需要了解几个统计学概念。若用$y_i$表示真实的观测值，用$\bar{y...

zip()的作用先看一下语法：zip(iter1 [,iter2 [...]]) —> zip objectPython的内置help()模块提供了一个简短但又有些令人困惑的解释：返回一个元组迭代器，其中第i个元组包含每个参数序列或可迭代对象中的第i个元素。当最短的可迭代输入耗尽时，迭代器将停止。使用单个可迭代参数，它将返回1元组的迭代器。没有参数，它将返回一个空的迭代器。与...

1、线性回归线性回归就是使用下面的预测函数预测未来观测量：其中，x1,x2,...,xk都是预测变量（影响预测的因素），y是需要预测的目标变量（被预测变量）。线性回归模型的数据来源于澳大利亚的CPI数据，选取的是2008年到2011年的季度数据。rep函数里面的第一个参数是向量的起始时间，从2008-2010，第二个参数表示向量里面的每个元素都被4个小时间段。year <- r...

在机器学习领域，有种说法叫做“世上没有免费的午餐”，简而言之，它是指没有任何一种算法能在每个问题上都能有最好的效果，这个理论在监督学习方面体现得尤为重要。举个例子来说，你不能说神经网络永远比决策树好，反之亦然。模型运行被许多因素左右，例如数据集的大小和结构。因此，你应该根据你的问题尝试许多不同的算法，同时使用数据测试集来评估性能并选出最优项。当然，你尝试的算法必须和你的问题相切合，其中...

1、使用包party建立决策树这一节学习使用包party里面的函数ctree()为数据集iris建立一个决策树。属性Sepal.Length（萼片长度）、Sepal.Width（萼片宽度）、Petal.Length（花瓣长度）以及Petal.Width（花瓣宽度）被用来预测鸢尾花的Species（种类）。在这个包里面，函数ctree()建立了一个决策树，predict()预测另外一个数据集。在..

前情回顾机器学习100天|Day1数据预处理100天搞定机器学习|Day2简单线性回归分析100天搞定机器学习|Day3多元线性回归100天搞定机器学习|Day4-6 逻辑回归100天搞定机器学习|Day7 K-NN100天搞定机器学习|Day8 逻辑回归的数学原理100天搞定机器学习|Day9-12 支持向量机100天搞定机器学习|Day11 实现KNN100天搞定机器学习|Day13-14 .

大家好，我是老胡。许久没有更新100天搞定机器学习系列了，最近在看一个开源框架，其中有用到 gRPC ，它可以用于机器学习模型的部署，也可用于深度学习框架的开发，本文就当是《100天搞定机器学习》的番外篇吧。gRPC（Remote Procedure Call）gRPC 由 Google 开发，是一款语言中立、平台中立、开源的 RPC 框架。RPC（Remote Procedure Call）即：

简介manim是斯坦福大学数学系小哥Grant Sanderson开源的数学仿真模拟python库，并用于YouTube 频道3Blue1Brown，来解说高等数学。manim是一个非常优秀的数学动画制作引擎，先来两个GIF感受一下 manim 的魅力：很多同学应该在 B 站看过3b1b的视频，最经典的就是线性代数的本质系列。版本说明manim 初学者可能会有些许困惑，网上的代码、文...

这种方法的工作原理是将复杂的任务划分为更小、更易于管理的子任务，每个子任务都由专门的迷你模型或“专家”处理。其前馈网络从 8 组不同的参数中挑选，在每一层,对每个词元,路由网络会选择两组“专家”参数来处理该词元,并将其输出叠加。2、门控网络：这是MoE架构的决策者。网络计算输入与每个专家之间的兼容性分数，然后使用这些分数来确定每个专家在任务中的参与程度。Mixtral 8x7B 是基于Mixtur

kaggle是很多数据分析和机器学习初学者非常喜爱的数据科学竞赛平台。这个平台上有很多接近现实业务场景的数据集，非常适合练手。今天向大家推荐一个下载kaggle数据集的小工具——kaggleAPI配置好之后，可以写个脚本，以后下载数据就方便多了。安装pip install kaggle安装完毕之后执行kaggle compeitions list然后就会报错，提示没有kaggle.json文件，不