Gloomymoon

Try not. Do or do not. There is no try.

Python Machine Learning VII

Combining Different Models for Ensemble Learning本章将基于前几章学到的内容和技术，用多个的分类器构建成一个分类器，来获得比任何单一模型更好的效果。基于多数投票算法的预测通过随机抽取组合训练数据集降低过拟合通过学习弱模型（weak learners）的差错构建更强的模型 Learning with ensembles集成算法（ensem......

Posted by Gloomymoon on 2017-03-24

Python Machine Learning VI

Learning Best Practices for Model Evaluation and Hyperparameter Tuning前面的课程我们学习了几种基本的机器学习分类算法，以及如何对数据进行预处理。本章将介绍通过调优获得更好的建模效果，以及如何评估模型的表现：获取模型表现的无偏估计量分析诊断机器学习算法中碰到的普遍问题模型调优通过各种指标评估预测效果 Stream......

Posted by Gloomymoon on 2017-03-22

Python Machine Learning V

5 Compressing Data via Dimensionality Reduction本章将介绍三类基础方法，将训练数据映射到低维特征子空间。数据压缩是机器学习中一个重要的课题，它帮助我们存储和分析现代科技收集的增长惊人的数据。本章将涵盖如下主要内容：主成分分析（Principal component analysis，PCA），用于无监督数据压缩线性判别分析（Linear D......

Posted by Gloomymoon on 2017-03-19

Bit City

Bit City：一个值得轻度肝的小游戏3月13日NimbleBit LLC发布了最新的游戏Bit City，立即上了App Store的首页推荐，目前（3月16日）已经收获近600评分，平均评分4星。 NimbleBit是由两个双胞胎兄弟Ian Marsh和Dave Marsh在2009年联合创办的一个独立游戏开发公司，成员目前只有4人，哥哥Ian负责码代码，弟弟David负责描像素，......

Posted by Gloomymoon on 2017-03-15

Python Machine Learning IV

4 Building Good Training Sets – Data Preprocessing数据的质量和有效信息含量直接决定了机器学习算法能够学得多好。因此在建模前绝对应当对数据进行细查和预处理。本章节将介绍构建模型前必须要具备的数据预处理技术。清除或插补缺失值将分类数据塑形成模型可用的形式为模型构建选择相关的特征变量 Dealing with missing data我们......

Posted by Gloomymoon on 2017-01-25

Python Machine Learning III

3 A Tour of Machine Learning Classifiers Using Scikit-learn本章将浏览一系列流行而且强大的机器学习算法，学习区别的时候也会了解各个分类算法的强项和弱点。流行分类算法的概要介绍使用scikit-learn 选择一个机器学习算法前需要回答的问题 Choosing a classification algorithm为特定任务选择合......

Posted by Gloomymoon on 2017-01-21

Python Machine Learning II

2 Training Machine Learning Algorithms for Classification 建立机器学习算法的基础知识利用pandas、NumPy和matplotlib来读入、处理和展示数据用Python实现线性分类算法 Artificial neurons – a brief glimpse into the early history of machine ......

Posted by Gloomymoon on 2017-01-18

Python Machine Learning I

Python Machine LearningSebastian Raschka Sebastian Raschka是密歇根州立大学的博士生，擅长Python和机器学习，是GitHub广受欢迎的数据科学家之一。 1 Giving Computers the Ability to learn from DataBuilding intelligent machines to transfo......

Posted by Gloomymoon on 2017-01-17

Python for Data Analysis VII

8 绘图和可视化绘图是数据分析工作中最重要的任务之一，通过可视化的方式能够让我们快速进行探索过程，找出异常值、进行数据转换、获取模型的idea。Python有许多可视化工具，这里主要介绍matplotlib。 8.1 matplotlib API入门准备工作： 12%matplotlib inline # 在IPython中内嵌显示matplot图表，也可以在IPython启动时增加--pm......

Posted by Gloomymoon on 2017-01-07

Python for Data Analysis VI

7.4 字符串操作字符串对象方法对于大部分字符串操作应用而言，python内置的字符串对象方法已经能够满足要求，例如split拆分、strip修剪空白符、+号连接字符串、join连接列表或元组、in, index, find方法定位子串、count方法返回子串出现次数、replace方法实现模式替换等等。正则表达式 Python内置的re模块负责对字符串应用正则表达式，re模块的函数可以......

Posted by Gloomymoon on 2017-01-02