原创 二、完美定價零件Deux - 減少銷售額帶來的更多收益

這是Jarrod Drysdale的客座文章- 一位網頁設計師和引導程序員,他最近爲他的電子書打破了五位數的銷售額,該電子書教導了自助式設計原則和策略。他曾在創業公司,金融公司,電影製片廠和消費者品牌的代理商和自由職業者工作過。在這裏,J

原创 三、機器學習算法的優點和缺點

數據人網 • 2018-06-01 23:37 • 人工智能 • 閱讀 282   從Logistic迴歸開始,然後嘗試Tree Ensembles和/或Neural Networks。奧卡姆的剃刀原理:使用最簡單的算法,可以滿足您的需

原创 四、迴歸——LinearRegression

一、官方文檔 class sklearn.linear_model.LinearRegression(fit_intercept=True, normalize=False, copy_X=True, n_jobs=1) 1.參數: Or

原创 四、如何測試模型在真實數據上的表現

1.對照實驗。在實驗中設置對照組,爲了與即將進行實驗的組進行對比,減少實驗中一些不確定因素的影響。 將數據分成兩部分,實驗組和對照組,檢驗實驗組合對照組在統計意義上是否有明顯差異 2.觀察性實驗。在實際研究中,研究者可能無辦法去控制一些影

原创 Can not connect to MYSQL server on 10060解決方式彙總

1、如果使用localhost可以連接上,用ip連接不上,可能是host 地址改變了,先檢查host地址;使用ipconfig     2、如果是localhost和ip都連接不上,可能是服務器沒有啓動;按以下步驟啓動;  

原创 二、迴歸——logistic regression實現多類別分類的實現

一、one-Versus-All,OVA方法      一對所有(one-Versus-All,OVA),給定m個類,訓練m個二元分類器(將選取任意一類,再將其它所有類看成是一類,構建一個兩類分類器)。分類器j使類j的元組爲正類,其餘爲負

原创 pandas.cut與pandas.qcut使用方法與區別

pandas.cut: pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False) 參數: x,類array

原创 五、降維——從SNE到t-SNE再到LargeVis

0x00 前言 本文謝絕轉載,如有需要請聯繫bindog###outlook.com,###換成@ 數據可視化是大數據領域非常倚重的一項技術,但由於業內浮躁的大環境影響,這項技術的地位漸漸有些尷尬。尤其是在諸如態勢感知、威脅情報等應用中,

原创 一、迴歸——sklearn.linear_model.LogisticRegression官方文檔

1.logistic迴歸 logistic迴歸可以用於概率預測、分類等。 2.sklearn.linear_model.LogisticRegression函數參數 LogisticRegression(penalty=’l2’, dua

原创 三、Seaborn-05-Pairplot多變量圖

#-*- coding:utf-8 -*- from __future__ import division import numpy as np import matplotlib.pyplot as plt import seabor

原创 裝飾器和偏函數

1. 裝飾器 2. 偏函數 3. 變量的作用域 4. 異常處理 5. 文件讀寫 讀文件 寫文件 編碼與解碼 1. 裝飾器 概念:是一個閉包,把一個函數當做參數返回一個替代班的函數,本質上就是一個返回函數的函數。 def func1

原创 卡方分佈、卡方獨立性檢驗和擬合性檢驗理論及其python實現

目錄 1. 卡方分佈 1.1 簡介 1.2 定義 1.3 卡方分佈的密度函數 1.4 性質(後續填坑) 2. 卡方檢驗 2.1 簡介 2.2 卡方獨立性檢驗 2.4 卡方擬合性檢驗 2.5 卡方擬合性檢驗和獨立性檢驗之間的關係  3

原创 三、亞馬遜產品定價其實就這麼簡單,一個公式解決

目錄 一、影響定價的因素 二、瞭解行情,進行比價 三、亞馬遜商品的一般定價公式 四、產品在不同階段的定價方法 五、定價的小訣竅 六、價格調整策略 海貓跨境作者:海貓跨境 2016-11-24 16:33:51 如果產品銷量不好,很多賣家首

原创 四、集成學習之bagging——Random Forest

隨機森林是Bagging

原创 三、集成學習方法——boosting和bagging

一、集成學習的基本概念 1、集成學習的原理 集成學習(ensemble learning)通過構建並結合多個學習器來完成學習任務,有時候也稱爲多分類器系統(mult-classifer system)、基於委員會的學習(committee