【机器学习】半监督学习几种方法 1.Self-training algorithm(自训练算法) 这个是最早提出的一种研究半监督学习的算法，也是一种最简单的半监督学习算法． 2.Multi-view algorithm(多视角算法) 一般多 ...
2017-07-24
机器学习模型评价(Evaluating Machine Learning Models)-主要概念与陷阱 本文主要解释一些关于机器学习模型评价的主要概念，与评价中可能会遇到的一些陷阱。如训练集-验证集二划分校验（Hold-out validation） ...
2017-07-24Python的星号（*、**）的作用 1. 函数的可变参数 当函数的参数前面有一个星号*的时候表示这是一个可变的位置参数，两个星号**表示是可变的关键字参数。 #!env python #coding=utf-8 # def foo(*args, **kwar ...
2017-07-24
机器学习之Logistic回归与Python实现 logistic回归是一种广义的线性回归，通过构造回归函数，利用机器学习来实现分类或者预测。 一 Logistic回归概述 Logistic回归的主要思想是，根据现有的数据对分类边 ...
2017-07-24
机器学习之朴素贝叶斯(NB)分类算法与Python实现 朴素贝叶斯（Naive Bayesian）是最为广泛使用的分类方法，它以概率论为基础，是基于贝叶斯定理和特征条件独立假设的分类方法。 一、 概述 1.1 简介 朴 ...
2017-07-23
机器学习之决策树(ID3)算法与Python实现 机器学习中，决策树是一个预测模型；他代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象，而每个分叉路径则代表的某个可能的属性值，而每个叶结 ...
2017-07-23
数据挖掘的基本概念：数据库、数据仓库、机器学习，统计学 “数据挖掘“(Data Mining)又被称为“数据中的知识发现”（KDD），顾名思义，也就是通过数据清理、数据集成、数据选择、数据变换、数据挖掘、模式评估 ...
2017-07-23
机器学习之k-近邻（kNN）算法与Python实现 k-近邻算法（kNN，k-NearestNeighbor），是最简单的机器学习分类算法之一，其核心思想在于用距离目标最近的k个样本数据的分类来代表目标的分类（这k个样本数据和目标 ...
2017-07-23
样本统计量与总体的关系，抽样分布的概念性质 本文对抽样分布的概念、无偏差和最小偏差等性质，以及中心极限定理和样本比例的抽样分布进行总结。 1 抽样分布基本概念 参数（parameter）：参数是对总 ...
2017-07-23
图形和数值的数据集描述方法 图形方法对数据集的描述 1. 条形图（bar graph） 条形图一般横向表示类别（class），纵向表示该类别所对应的类别频率（class frequency）。 2. 饼状图（pie graph） 饼状图 ...
2017-07-23
掌握R语言中的apply函数族 刚开始接触R语言时，会听到各种的R语言使用技巧，其中最重要的一条就是不要用循环，效率特别低，要用向量计算代替循环计算。 那么，这是为什么呢？原因在于R的循环操作for和while ...
2017-07-22
R语言绘图学习笔记 在做数据分析时，我们通常作的举动就是画散点图分析。因为通过散点图的分析，我们可以最直观，最简单的得出大概的结论。今天我分享的内容就是R语言的绘图函数。 关于R语言强大的绘图功能 ...
2017-07-22
R语言基础画图/绘图/作图 R语言基础画图 R语言免费且开源，其强大和自由的画图功能，深受广大学生和可视化工作人员喜爱，这篇文章对如何使用R语言作基本的图形，如直方图，点图，饼状图以及箱线图进行简单介 ...
2017-07-22
R语言与点估计学习笔记（EM算法与Bootstrap法） 一、EM算法 EM算法是一种在观测到数据后，用迭代法估计未知参数的方法。可以证明EM算法得到的序列是稳定单调递增的。这种算法对于截尾数据或参数中有一些我们 ...
2017-07-22
R语言与点估计学习笔记（矩估计与MLE） 众所周知，R语言是个不错的统计软件。今天分享一下利用R语言做点估计的内容。主要有：矩估计、极大似然估计、EM算法、最小二乘估计、刀切法（Jackknife）、自助法（Boots ...
2017-07-22
R语言与回归分析几个假设的检验 一、从线性回归的假设说起 对于线性回归而言，若要求回归估计有一些良好性质比如无偏性，就需要加上一些假定条件。比如要达到估计的无偏性，我们通常需要加上高斯-马尔科夫 ...
2017-07-22
优化与求解非线性方程组（单变量问题） 求函数极值的问题通常被化简为求解导数为0的点的问题。所以优化问题通常与解非线性方程组联系起来。在前面写点估计中的mle时，我们介绍了R中求解方程极值的函数nlm（）， ...
2017-07-21
多变量非线性方程求解问题（牛顿迭代法） 关于多变量的多元函数，我们求解考虑解的问题与单变量是极其类似的。考虑在x处的一阶泰勒展开，我们有0=f(x0)=f(x)+j(x)(x-x0)(后面的等号近似成立，j表示jacobia ...
2017-07-21
R语言与非参数统计（核密度估计） 核密度估计是在概率论中用来估计未知的密度函数，属于非参数检验方法之一，由Rosenblatt (1955)和Emanuel Parzen(1962)提出，又名Parzen窗（Parzen window）。 假设我们有n ...
2017-07-21
R语言与机器学习中的回归方法学习笔记 机器学习中的一些方法如决策树，随机森林，SVM，神经网络由于对数据没有分布的假定等普通线性回归模型的一些约束，预测效果也比较不错，交叉验证结果也能被接受。下面以R ...
2017-07-21在手游行业，“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度，更直接决定了后续 ...
2025-10-13分库分表，为何而生？ 在信息技术发展的早期阶段，数据量相对较小，业务逻辑也较为简单，单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中，“数据孤岛” 是普遍面临的痛点：用户数据散落在 APP 日志、注册系统、客服记录中，订单数据分散在交易 ...
2025-10-13在数字化时代，用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”，到视频 APP 的 “打开→搜索→观看→收藏”，再到银 ...
2025-10-11在机器学习建模流程中，“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中，未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储，CDA（Certified D ...
2025-10-11在 SQL Server 数据库操作中，“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选，还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中，正交试验（Orthogonal Experiment）因 “用少量试验覆盖多因素多水平组合” 的高效性，成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中，“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”：各部门数据口 ...
2025-10-10在深度学习中，“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术：损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入，拆解两种方法的核心适用条件、场景边界与实战选择逻辑，结合医学、工业、教育领域的案例，让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中，常会遇到这样的困惑：某电商平台 11 月 GMV 同比增长 20%，但究竟是 “长期趋势自然增长”，还 ...
2025-10-09Pandas 选取特定值所在行：6 类核心方法与实战指南 在使用 pandas 处理结构化数据时，“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络（SCNN） 为解决这一痛点，球面卷积神经网络（Spherical Convolutional Neural Network, SCNN） 应运而生。它通 ...
2025-09-30在企业日常运营中，“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”，金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗？基础方法、进阶技巧与场景边界 在数据分析领域，聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树：原理、优化与工业级实战指南 在机器学习领域，决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中，“设计标签逻辑” 只是第一步，真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键，在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时，折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时，“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号（如 “北京 ...
2025-09-28
