原创 白話機器學習算法理論+實戰番外篇之Xgboost

1. 寫在前面 如果想從事數據挖掘或者機器學習的工作,掌握常用的機器學習算法是非常有必要的,在這簡單的先捋一捋, 常見的機器學習算法: 監督學習算法:邏輯迴歸,線性迴歸,決策樹,樸素貝葉斯,K近鄰,支持向量機,集成算法Adabo

原创 零基礎數據挖掘入門系列(一) - 賽題理解

思維導圖:零基礎入門數據挖掘的學習路徑 1. 寫在前面 零基礎入門數據挖掘系列是記錄自己在Datawhale舉辦的數據挖掘專題學習中的所學和所想, 該系列筆記使用理論結合實踐的方式,整理數據挖掘相關知識,提升在實際場景中的數據分析

原创 系統學習Pytorch筆記二:Pytorch的動態圖、自動求導及邏輯迴歸

Pytorch官方英文文檔:https://pytorch.org/docs/stable/torch.html? Pytorch中文文檔:https://pytorch-cn.readthedocs.io/zh/latest/

原创 零基礎數據挖掘入門系列(六) - 模型的融合技術大總結與結果部署

思維導圖:零基礎入門數據挖掘的學習路徑 1. 寫在前面 零基礎入門數據挖掘是記錄自己在Datawhale舉辦的數據挖掘專題學習中的所學和所想, 該系列筆記使用理論結合實踐的方式,整理數據挖掘相關知識,提升在實際場景中的數據分析、數

原创 零基礎入門數據挖掘學習路徑

1. 寫在前面 零基礎入門數據挖掘系列是記錄自己在Datawhale舉辦的數據挖掘專題學習中的所學和所想, 該系列筆記使用理論結合實踐的方式,整理數據挖掘相關知識,提升在實際場景中的數據分析、數據清洗,特徵工程、建模調參和模型融合

原创 python幕後的不爲人知(一)

python英文官方文檔:https://docs.python.org/3.8/tutorial/index.html 比較不錯的python中文文檔:https://www.runoob.com/python3/python3

原创 白話機器學習算法理論+實戰番外篇之LightGBM

1. 寫在前面 如果想從事數據挖掘或者機器學習的工作,掌握常用的機器學習算法是非常有必要的,在這簡單的先捋一捋, 常見的機器學習算法: 監督學習算法:邏輯迴歸,線性迴歸,決策樹,樸素貝葉斯,K近鄰,支持向量機,集成算法Adabo

原创 零基礎數據挖掘入門系列(四) - 特徵工程

思維導圖:零基礎入門數據挖掘的學習路徑 1. 寫在前面 零基礎入門數據挖掘是記錄自己在Datawhale舉辦的數據挖掘專題學習中的所學和所想, 該系列筆記使用理論結合實踐的方式,整理數據挖掘相關知識,提升在實際場景中的數據分析、數

原创 重溫Seq2Seq和Attention機制

1. 寫在前面 最近用深度學習做一些時間序列預測的實驗, 用到了一些循環神經網絡的知識, 而當初學這塊的時候,只是停留在了表面,並沒有深入的學習和研究,只知道大致的原理, 並不知道具體的細節,所以導致現在復現一些經典的神經網絡會有

原创 python常用的內置函數小總

1. 寫在前面 這篇文章整理一下python常用的內置函數, 所謂python的內置函數,就是不用import就可以直接使用, 並且用起來也非常方便, 所以在這裏集中總結一下。 由於這些內置函數非常簡單, 所以這裏不會詳細介紹原理

原创 python字典集合基礎和一些經典使用案例

1. 寫在前面 藉着昨天的列表, 今天整理一些python字典和集合的基礎和一些經典使用案例, 依然是從使用的角度去整理, 關於列表的理論知識和細節知識, 這裏不做整理。 首先, 會整理字典和集合的基本操作, 字典創建的五種方法,

原创 python列表基礎和一些經典使用案例

1. 寫在前面 好久沒有更新python這一塊的內容了, 所以今天整理一塊python的內容。今天整理的內容是python裏面的列表, 作爲在python中非常常見的數據類型, 嘗試用一篇文章來整理其常用的操作,方便以後查看使用。

原创 重溫循環神經網絡(RNN)

1. 寫在前面 最近用深度學習做一些時間序列預測的實驗, 用到了一些循環神經網絡的知識, 而當初學這塊的時候,只是停留在了表面,並沒有深入的學習和研究,只知道大致的原理, 並不知道具體的細節,所以導致現在復現一些經典的神經網絡會有

原创 重溫LSTM和GRU

1. 寫在前面 最近用深度學習做一些時間序列預測的實驗, 用到了一些循環神經網絡的知識, 而當初學這塊的時候,只是停留在了表面,並沒有深入的學習和研究,只知道大致的原理, 並不知道具體的細節,所以導致現在復現一些經典的神經網絡會有

原创 有書共讀:《窮查理寶典》

1. 寫在前面 最近有幸參加了Datawhale舉辦的一些讀書會活動,裏面有很多夥伴分享自己讀過的一些好書並分享自己的讀書心得和感悟,體會非常的深刻, 也學習到了很多的知識, 所以受到了一些夥伴的影響,最近也開始在閒暇的時候讀一些