Obsidian&Zettelkasten&LYT系列文章的總目錄[http://www.reibang.com/p/6be9cbb134de] 通過(guò)前面幾篇掃盲式的...
發(fā)簡(jiǎn)信
IP屬地：湖北
-
用Obsidian實(shí)現(xiàn)Zettelkasten看這一篇就夠了（上） -
現(xiàn)在也支持 iCloud 文件同步了
自己動(dòng)手組建可遠(yuǎn)程實(shí)時(shí)同步的obsidian
Obsidian&Zettelkasten&LYT系列文章的總目錄[http://www.reibang.com/p/6be9cbb134de] 前幾篇我們介紹了ob...
-
數(shù)據(jù)時(shí)代程剥，匠心獨(dú)運(yùn)
-
Udacity 數(shù)據(jù)分析進(jìn)階課程筆記L36：數(shù)據(jù)集與問(wèn)題
Enron事件背景泥从，以及通過(guò)外部信息列出的可能的嫌疑人（POI）。 一般來(lái)說(shuō)沪摄，可供訓(xùn)練的數(shù)據(jù)越多躯嫉，效果越好。 基本的數(shù)據(jù)類型判斷練習(xí)杨拐。 迷你項(xiàng)目（略）
-
Udacity 數(shù)據(jù)分析進(jìn)階課程筆記L34：決策樹決策樹利用核技巧祈餐，把簡(jiǎn)單的線性決策面，轉(zhuǎn)換為非線性決策面哄陶。一個(gè)接一個(gè)的處理多元線性問(wèn)題帆阳。根據(jù)數(shù)據(jù)，算法自動(dòng)找出決策邊界決策樹 sklearn中的決策樹：import屋吨、tree...
-
Udacity 數(shù)據(jù)分析進(jìn)階課程筆記L33：支持向量機(jī)（SVM）SVM尋找一條直線或超平面蜒谤，將輸入數(shù)據(jù)分隔成兩類。好的分隔線可以最大化間隔最大化MarginSVM首先考慮是否正確分類至扰，其次才是最大化間隔鳍徽。同時(shí)，可以做到忽略異常值渊胸，在忽略異...
-
Udacity 數(shù)據(jù)分析進(jìn)階課程筆記L44：交叉驗(yàn)證
sklearn中的cross validation from sklearn import cross_validation features_train, features...
-
淺談數(shù)據(jù)產(chǎn)品經(jīng)理之 ETL上篇文章旬盯，我們一起學(xué)習(xí)了數(shù)據(jù)產(chǎn)品經(jīng)理日常中接觸最多的“數(shù)據(jù)倉(cāng)庫(kù)”的一些基本概念和常見的一些專用名詞，他們都是數(shù)據(jù)產(chǎn)品經(jīng)理成長(zhǎng)翎猛，學(xué)習(xí)和實(shí)操中不可或缺的重要一環(huán)胖翰。在數(shù)據(jù)倉(cāng)庫(kù)中，我...
-
APP鹃两，網(wǎng)頁(yè)產(chǎn)品數(shù)據(jù)分析的方法，案例舀凛。 從數(shù)據(jù)中尋求增長(zhǎng)之道
-
Udacity 數(shù)據(jù)分析進(jìn)階課程筆記L43：主成分分析PCAPCA（Principal Component Analysis）是一套全面用于各類數(shù)據(jù)分析的分析方法俊扳，包括特征集壓縮。每當(dāng)需要將數(shù)據(jù)直觀化的時(shí)候猛遍，都可以采用馋记。PAC特別適用...
-
Udacity 數(shù)據(jù)分析進(jìn)階課程筆記L42：特征選擇
方法一：加入新特征的通過(guò)直覺構(gòu)建代碼實(shí)現(xiàn)可視化評(píng)估重復(fù)上述過(guò)程 警惕特征漏洞任何人都有可能犯錯(cuò)—要對(duì)你得到的結(jié)果持懷疑態(tài)度！你應(yīng)該時(shí)刻警惕 100% 準(zhǔn)確率懊烤。不尋常的主張要有...
-
-
Udacity 數(shù)據(jù)分析進(jìn)階課程筆記L41：文本學(xué)習(xí)通過(guò)練習(xí)了解詞袋及其屬性：無(wú)序文本長(zhǎng)度影響算法結(jié)果對(duì)復(fù)合短語(yǔ)處理能力不足 在sklearn中的使用CountVecterizer即可理解為詞袋 停止詞stop words指文...
-
Udacity 數(shù)據(jù)分析進(jìn)階課程筆記L40：特征縮放通過(guò)衣服尺碼的例子梯醒，介紹一種使用特征縮放的簡(jiǎn)單情況 一種簡(jiǎn)單的特征縮放公式（歸一化）和實(shí)現(xiàn)歸一化特征縮放公式 sklearn中的Min-Max Scalar特征縮放器 哪些算...
-
Udacity 數(shù)據(jù)分析進(jìn)階課程筆記L39：聚類聚類算法是一種非監(jiān)督類型的機(jī)器學(xué)習(xí)算法，并通過(guò)電影分類解釋聚類算法應(yīng)用場(chǎng)景腌紧。 K-Means算法講解：確定聚類（簇）中心茸习，通過(guò)計(jì)算各點(diǎn)到中心的距離，迭代優(yōu)化中心的位置壁肋；一個(gè)在...
-
Udacity 數(shù)據(jù)分析進(jìn)階課程筆記L38：異常值通過(guò)3個(gè)聯(lián)系号胚，直觀認(rèn)識(shí)異常值outliers 異常值檢測(cè)/刪除算法：訓(xùn)練->刪除誤差最大的10%數(shù)據(jù)->再訓(xùn)練使用殘差residual error檢測(cè)異常值異常值刪除策略 異...
-
Udacity 數(shù)據(jù)分析進(jìn)階課程筆記L37：回歸通過(guò)大量小練習(xí)，直觀學(xué)習(xí)：判斷連續(xù)與離散分布簡(jiǎn)單的回歸方程墩划，斜率slope和截距intercept的概念使用回歸方程進(jìn)行預(yù)測(cè) 使用sklearn進(jìn)行回歸分析 線性回歸的誤差e...
-
Udacity 數(shù)據(jù)分析進(jìn)階課程筆記L32：樸素貝葉斯Google 無(wú)人駕駛汽車中的機(jī)器學(xué)習(xí)通過(guò)Google的無(wú)人駕駛例子涕刚，簡(jiǎn)要介紹監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)；本章介紹的算法均為監(jiān)督學(xué)習(xí)乙帮；區(qū)分監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)的小測(cè)試 特征（fea...
