简介 K均值聚类，也叫做K-Means Clustering，是一种著名的用于分类问题的无监督机器学习聚类算法。聚类是针对给定的样本， 依靠它们...

简介 集成学习，顾名思义就是将多种学习器或算法结合在一起，共同做出决策。这符合人类集思广益的做法，在业界也是应用最为广泛的方法之一。注意，集成学...

简介 决策树模型是最常见的机器学习方法之一，也是入门机器学习必须掌握的知识。决策树模型呈现树形结构，在分类问题中，表示基于特征对实例进行分类的过...

简介 特征离散化指的是将连续特征划分离散的过程：将原始定量特征的一个区间一一映射到单一的值。离散化过程也被表述成分箱（Binning）的过程。特...

简介 本文主要说明特征工程中关于序数特征和类别特征的常用处理方法。主要包含LabelEncoder、One-Hot编码、DummyCoding、...

简介 朴素贝叶斯(naive Bayes)算法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条件独立假设学习输...

简介 在介绍比较复杂的数据类型比如图像和文本数据类似之前，我们首先从最简单的数据类似开始，即：数值类型。我们收集到的数据中，数值类型数据占据了大...

前言 上个月参加了微信大数据挑战赛，由于是第一次参加类似的比赛，并没有什么经验，最终也没有进复赛。不过在这期间还是学到了很多知识，尤其是特征处理...