本文包括以下几部分数据筛选数据统计空值/NaN处理字符类型处理时间序列类型处理数据筛选按照筛选方式的不同，可以将数据筛选分为以下两种：两者的区别在于前者返回满足条件的数据，后者将不满足条件的以NaN值填充。使用表达式/布尔值筛选，即直接在“下标”中写出过滤条件，返回满足条件的数据。使用where()方法筛选数据，通过DataFrame.where(表达式) 可以筛选出满足条件的数据，同时不满足表达

参考并推荐：菜菜的sklearn课堂：http://edu.cda.cn/course/982目录1.归一化：preprocessing.MinMaxScaler1.1实战部分：1.2实战部分：numpy实现归一化2.标准化 preprocessing.StandardScaler2.1实战部分3.汇总4.缺失值处理4.1实战部分4.2实战部分：panda...

目录简单理论介绍kNN算法之约会网站配对（Python）scikit-learn实现简单理论介绍K最近邻（k-Nearest Neighbor，KNN）分类算法应该是最简单的机器学习算法了。它采用测量不同特征值之间的距离方法进行分类。它的思想很简单：与它附近的k个样本比较，与它最相似（即特征空间中最邻近）的这K个样本中，大多数属于某一个类别，则该样本就属于这个类别。对于两个...

线性回归岭回归（Ridge）Lasso回归线性回归线性回归模型方程形式：矩阵形式：线性回归的任务就是要构造一个预测函数来映射，输入的特征矩阵和标签的线性关系。这个预测函数的本质就是我们需要构建的模型，而构造预测函数的核心就是找出模型的参数向量 。损失函数：是样本i的真实标签，是预测标签。从损失函数可以看出其实这就是L2范式的平方。L2范...

目录理论基础知识基本思想贝叶斯模型手动计算实例一：实战项目--屏蔽社区留言板的侮辱性言论Python版本Scikit-learn版本One more thing1.连续特征的处理方式2.零概率问题--拉普拉斯平滑理论基础知识贝叶斯与大多数机器学习算法不同，如：决策树，逻辑回归，支持向量机等都是判别方法，也就是直接学习出特征输出Y和特征X之间的...

本文主要为深度之眼pytorch训练营二期学习笔记，详细课程内容移步：深度之眼https://ai.deepshare.net/index目录求导逻辑回归逻辑回归-Pytorch实现Keras实现求导逻辑回归逻辑回归-Pytorch实现import torchimport torch.nn as nnimpor...

本文给出两种证明方式，第一种高等数学（复杂），第二种维基百科（简单）一：同济大学高等数学教材给的证明：二：维基百科给的证明以下给出一个简单的证明：设函数和, 其中 x 为自变量，f(g(x))在个g(x)处可导 ,g(x)在x出可导。根据可导的定义得：其中当时（这里的就是高等数学书上说的增量 Δx）同理：其中时现...

ReLU起源于神经科学的研究：2001年，Dayan、Abott从生物学角度模拟出了脑神经元接受信号更精确的激活模型，如下图：Attwell等神经科学家通过研究大脑的能量消耗过程，推测神经元的工作方式具有稀疏性和分布性；因此Relu也有了单侧抑制性，让神经网络也具备稀疏性。（具备稀疏性计算都不要那么多了，很舒服很轻松，同时稀疏性也能够突显重要特征。）相比于其它激活函数来说，Re...