在机器学习项目中，数据遵循“garbage in, garbage out”，用不好或不对的数据做分析，会产生不好或无用的结论。数据和特征决定了模型精度的上限，算法只是不断趋于这个上限。项目中70%的时间花在特征工程上。......

在机器学习项目中，数据遵循“garbage in, garbage out”，用不好或不对的数据做分析，会产生不好或无用的结论。数据和特征决定了模型精度的上限，算法只是不断趋于这个上限。项目中70%的时间花在特征工程上。......

无论是 Kaggle 竞赛还是工业部署，机器学习模型在搭建起来之后都面临着无尽的调优需求。在这个过程中我们要遵循怎样的思路呢？如果准确性不够，机器学习模型在真实世界就没有什么实用性了。对于开发者们来说，如何提高性能是非常重要的工作，本文将介绍一些常用策略，包括选择最佳算法、调整模型设置和特征工程。如果你学习过正确的教程，很快就能训练起自己的第一个机器学习模型。然而想要在第一个模型上跑出很好的效果是

在我们建模的时候，我们要去选择出我们最棒的模型，就比如昨天的波士顿房价预测采用xgbt里面，我们最后需要选择出表现最好的那棵树，那怎么去评价好坏？上图蓝点是真实值，绿线为样本均值，黄线可以预测样本趋势，但是显而易见，黄线的MSE比绿线高，哪怕其能表达样本规律，MSE上黄线就是输了！如A类有995个，B类5个，我将1000个样本99.5%，你猜一个样本是不是A类的时候，99.5%的情况你都会猜对，岂

解决conda创建环境速度慢的问题

在我们建模的时候，我们要去选择出我们最棒的模型，就比如昨天的波士顿房价预测采用xgbt里面，我们最后需要选择出表现最好的那棵树，那怎么去评价好坏？上图蓝点是真实值，绿线为样本均值，黄线可以预测样本趋势，但是显而易见，黄线的MSE比绿线高，哪怕其能表达样本规律，MSE上黄线就是输了！如A类有995个，B类5个，我将1000个样本99.5%，你猜一个样本是不是A类的时候，99.5%的情况你都会猜对，岂

在我们建模的时候，我们要去选择出我们最棒的模型，就比如昨天的波士顿房价预测采用xgbt里面，我们最后需要选择出表现最好的那棵树，那怎么去评价好坏？上图蓝点是真实值，绿线为样本均值，黄线可以预测样本趋势，但是显而易见，黄线的MSE比绿线高，哪怕其能表达样本规律，MSE上黄线就是输了！如A类有995个，B类5个，我将1000个样本99.5%，你猜一个样本是不是A类的时候，99.5%的情况你都会猜对，岂

说明本文介绍如何提高Docker的下载速度。docker默认连接的国外官方镜像，国内进行docker pull 等操作会网络链接失败或很卡慢，解决方法是使用国内的镜像。好用的国内镜像（加速器）docker官方国内镜像 https : / / registry.docker-cn.com网易镜像 http : / / hub-mirror.c. 163 .com阿里云个人镜像地址（获取方法见本文最后

使用VMware虚拟机安装Windows10详细教程

1.在docker hub 上查看要下载的mysql镜像名称:docker hub镜像仓库中为我们开发要 打开docker hub 网站 dockerHub官网地址 在上方搜索栏里输入mysql找到要拉取的镜像版本，在tag下找到版本回到虚拟机界面，执行下面命令来拉取mysql镜像 不指定版本号，默认下载最新版本:1指定版本号:11234567这里对上面的参数做下简单的介绍，如果不想了解这一块直接