1. foreword TSA比赛中，开始整的LR，把原始特征one-hot处理后输入LR训练。过了段时间开始搞RF和XGB，再后面搞LightGBM。 2. lightGB...
发简信
IP属地：天津
-
lightGBM原理、改进简述 如何看待lightGBM
-
为什么有人说python的多线程是鸡肋呢？
GIL blablabla concurrent blablabla 简单地说就是作为可能是仅有的支持多线程的解释型语言（perl的多线程是残疾，PHP没有多线程），Pyth...
-
机器学习算法中 GBDT 和 XGBOOST 的区别有哪些？
传统GBDT以CART作为基分类器，xgboost还支持线性分类器，这个时候xgboost相当于带L1和L2正则化项的逻辑斯蒂回归（分类问题）或者线性回归（回归问题）。传统G...
-
通俗、有逻辑的写一篇说下Xgboost的原理，供讨论参考初看Xgboost，翻了多篇博客发现关于xgboost原理的描述实在难以忍受，缺乏逻辑性，写一篇供讨论。 ——以下是抛砖引玉。 观其大略，而后深入细节，一开始扎进公式反正我是...
-
XGBoost参数调优完全指南（附Python代码）
xgboost入门非常经典的材料，虽然读起来比较吃力，但是会有很大的帮助： 英文原文链接:https://www.analyticsvidhya.com/blog/2016/...
-
Triplet Network, Triplet Loss及其tensorflow实现本文译自Olivier Moindrot的[blog](Triplet Loss and Online Triplet Mining in TensorFlow)，英语好的可...
-
主题与转换（Topics and Transformations）
如果想要开启日志，别忘记设置： >>>importlogging>>>logging.basicConfig(format='%(asctime)s : %(levelnam...
-
使用gensim和sklearn搭建一个文本分类器
总的来讲，一个完整的文本分类器主要由两个阶段，或者说两个部分组成：一是将文本向量化，将一个字符串转化成向量形式；二是传统的分类器，包括线性分类器，SVM, 神经网络分类器等等...
-
LDA算法的中心思想浅显来讲，LDA方法的考虑是，对于一个多类别的分类问题，想要把它们映射到一个低维空间，如一维空间从而达到降维的目的，我们希望映射之后的数据间，两个类别之间“离得越远”，且类别...
-
Corpora and Vector Spaces （gensim翻译）
====================正==========文==================== 如果你想记录日志，请不要忘记设置： >>> import loggi...
-
Gensim Tutorials
Preliminaries All the examples can be directly copied to your Python interpreter shell....
-
Hidden Markov Model (HMM)定义隐马尔可夫模型（Hidden Markov Model，HMM）是统计模型，它用来描述一个含有隐含未知参数的马尔可夫过程。其难点是从可观察的参数中确定该过程的隐含参数。然后利...
-
LDA小改进（附源码）
首先通俗的解释下Topic模型LDA：假如我们需要写一篇关于新上市汽车的文章，首先需要确定文章大概的主题，比如要写这辆汽车的动力、外观、内饰。确定完主题之后，就要下笔了，下笔...
-
数据挖掘中的聚类算法如果真要做全面介绍的话，有可能是一部专著的篇幅。即使是做综述性的介绍，一篇三五十页的论文也可以写成了。所以我一直想怎么能从头到尾把这个问题logically串连起来。正好这段...
-
-
分类算法之决策树(Decision tree)3.1、摘要 在前面两篇文章中，分别介绍和讨论了朴素贝叶斯分类与贝叶斯网络两种分类算法。这两种算法都以贝叶斯定理为基础，可以对分类及决策问题进行概率推断。在这一篇文章中，将讨...