工欲善其事必先利其器！之前我也断断续续给大家发文整理过一些关于数据科学，尤其是机器学习、深度学方面的速查手册！但是，每次分享的都比较是针对某一块的内容，相对来说，还是不够全面。而且，零散的资料也不便于快速收藏和整理！今天，我发现了一份绝佳的、超全的数据科学机器学习手册，内容非常丰富，可以说是很全面了。一起来看一下，绝对有用！整理这套完整的数据科学手册的作者是来自墨西哥的 Favio V
“AI有道”，”公众号重磅干货，第一时间送达12 月 9 日，一本机器学习新书上线了，它就是《Limitations of Interpretable Machine Learning Methods》，中文译为《可解释机器学习方法的局限性》。书籍简介：这本书主要解释了当前可解释机器学习方法的局限性。这些方法包括部分相关图（PDP）、累积局部效应（ALE）、排列特征重要性、保留一个协变量（LOCO
言而喻，恰当...
作者：陈颖祥、杨子晗编译：AI有道项目地址：https://github.com/YC-Coder-Chen/feature-engineering-handbook本项目将探讨数据预处理部分：介绍了如何利用 scikit-learn 处理静态的连续变量，利用 Category Encoders 处理静态的类别变量以及利用 Featuretools 处理常见的时间序列变量。目录特征工程的数
作者：陈颖祥、杨子晗编译：AI有道基于 Jupyter 的特征工程手册：数据预处理的上一篇：专栏 | 基于 Jupyter 的特征工程手册：数据预处理（一）项目地址：https://github.com/YC-Coder-Chen/feature-engineering-handbook本项目将探讨数据预处理部分：介绍了如何利用 scikit-learn 处理静态的连续变量，利用
机器学习是一门理论性和实战性都比较强的技术学科。在应聘机器学习相关工作岗位时，我们常常会遇到各种各样的机器学习问题和知识点。算法理论基础不仅包含基本概念、数学基础，也包含了机器学习、深度学习相关。今天给大家推荐一个不错的算法理论基础面试题汇总资源，已开源~首先放上这份开源面试题汇总的地址：https://github.com/sladesha/Reflection_Summary其作者是
作者 | 我是韩小琦2.1 数据集包含 1000 个样本，其中 500 个正例、 500 个反例，将其划分为包含 70% 样本的训练集和 30% 样本的测试集用于留出法评估，估算有多少种划分方式。答：排列组合问题。
训练/测试集的划分要尽可能保存数据分布一致
那么训练集中应该包括350个正例和350个反例，剩余的作测试集，那么划分方式应该有 种。2.2 数据集包含100个
机器学习中的数学原理和公式推导还是非常重要的，但知识点较为繁杂，且不易整理！今天推荐一份开源的《机器学习速查手册》，并且制作成了电子版 PDF，方便大家查阅~这份手册最大的特点就是包含许多关于机器学习的经典公式和图表，有助于您快速回忆有关机器学习的知识点。非常适合那些正在准备与机器学习相关的工作面试的人。Frank Dai 是这份手册的作者，他已经将这份机器学习速查手册开源并发布在 GitHub
作者：陈颖祥、杨子晗编译：AI有道数据预处理后，我们生成了大量的新变量（比如独热编码生成了大量仅包含0或1的变量）。但实际上，部分新生成的变量可能是多余：一方面它们本身不一定包含有用的信息，故无法提高模型性能；另一方面过这些多余变量在构建模型时会消耗大量内存和计算能力。因此，我们应该进行特征选择并选择特征子集进行建模。项目地址：https://github.com/YC-Coder-Chen/
别与机器学...
作者 | Peter编辑 |AI有道系列文章：吴恩达《Machine Learning》精炼笔记 1：监督学习与非监督学习吴恩达《Machine Learning》精炼笔记 2：梯度下降...
点击上方“CVer”，选择“置顶公众号”重磅干货，第一时间送达前戏2018年3月26日，CVer第一时间推文：YOLOv3：你一定不能错过2019年3月23日，CVer推文：重磅！YOL...
导读在本文中，您将发现Keras和tf.keras之间的区别，包括TensorFlow 2.0中的新增功能。万众期待的TensorFlow 2.0于9月30日正式发布。虽然肯定是值得庆祝...
1. 写在前面如果想从事数据挖掘或者机器学习的工作，掌握常用的机器学习算法是非常有必要的，常见的机器学习算法：监督学习算法：逻辑回归，线性回归，决策树，朴素贝叶斯，K近邻，支持向量机，集...
作者：耳东陈东北大学副教授如果你是一名模式识别专业的研究生，又或者你是机器学习爱好者，SVM是一个你避不开的问题。如果你只是有一堆数据需要SVM帮你处理一下，那么无论...
徐亦达教授在github公布了他的历年机器学习相关课件、视频，黄海广博士协助徐亦达老师对课件目录进行翻译和整理，并提供下载。徐亦达老师简介徐亦达，现任悉尼科技大学教授，UTS全球数据技术...
台湾大学林轩田老师的《机器学习基石》、《机器学习技法》课程由浅入深、内容全面，基本涵盖了机器学习领域的很多方面。其作为机器学习的入门和进阶资料非常适合。本站实现了课程教材的绝大部分习题，...
【机器学习炼丹术】的学习笔记分享<<小白学PyTorch>>扩展之Tensorflow2.0 | 20 TF2的eager模式与求导扩展之Tensorflow2....
译者：张峰，Datawhale成员本文将介绍机器学习算法中非常重要的知识—分类（classification），即找一个函数判断输入数据所属的类别，可以是二类别问题（是/不是），也可以是...
<<小白学PyTorch>>扩展之Tensorflow2.0 | 21 Keras的API详解（上）卷积、激活、初始化、正则扩展之Tensorflow2.0 | ...
要的工具——Validation。我们将整个训练集分成两...
一、介绍本篇文章，我们将讨论所谓的“维度灾难”，并解释在设计一个分类器时它为何如此重要。在下面几节中我将对这个概念进行直观的解释，并通过一个由于维度灾难导致的过拟合的例子来讲解。考虑这样一个例子，我们有一些图片，每张图片描绘的是小猫或者小狗。我们试图构建一个分类器来自动识别图片中是猫还是狗。要做到这一点，我们首先需要考虑猫、狗的量化特征，这样分类器算法才能利用这些特征对图片进行分类。例如我们可以通
\现在大家平时会遇到很多不错的机器学习资源，但是大多数情况下，资源比较分散，不方便集中管理和查阅。更重要的是往往很难找到一个系统完整的资源导航，形成系统的学习路线，方便搜索。重磅！今天小编在网上“闲逛”的时候发现了一个超级棒的机器学习优质资源分类导航。至少节约大家 50% 的时间。下面详细给大家介绍一下！首先，放上这个机器学习优质资源分类导航的网站：https://madewithml.com
作者：陈颖祥、杨子晗编译：AI有道经过数据预处理和特征选择，我们已经生成了一个很好的特征子集。但是有时该子集可能仍然包含过多特征，导致需要花费太多的计算能力用以训练模型。在这种情况下，我们可以使用降维技术进一步压缩特征子集。但这可能会降低模型性能。同时，如果我们没有太多时间进行特征选择，我们也可以在数据预处理之后直接应用降维方法。我们可以使用降维算法来压缩原始特征空间直接生成特征子集。具体来说，我
作者：陈颖祥、杨子晗编译：AI有道数据预处理后，我们生成了大量的新变量（比如独热编码生成了大量仅包含0或1的变量）。但实际上，部分新生成的变量可能是多余：一方面它们本身不一定包含有用的信息，故无法提高模型性能；另一方面过这些多余变量在构建模型时会消耗大量内存和计算能力。因此，我们应该进行特征选择并选择特征子集进行建模。项目地址：https://github.com/YC-Coder-Chen/
作者：陈颖祥、杨子晗编译：AI有道数据预处理后，我们生成了大量的新变量（比如独热编码生成了大量仅包含0或1的变量）。但实际上，部分新生成的变量可能是多余：一方面它们本身不一定包含有用的信息，故无法提高模型性能；另一方面过这些多余变量在构建模型时会消耗大量内存和计算能力。因此，我们应该进行特征选择并选择特征子集进行建模。项目地址：https://github.com/YC-Coder-Chen/
作者：陈颖的变量可能是多余...
，部分新生成的变量可能是多余...
作者 | 台运鹏几乎每个机器学习从业者都知道回归，其中一些人可能认为这没什么大不了的，只是从参数之间的切 换罢了。本文将阐明每种回归算法的细节，以及确切的区别。包括 ：OLSWeighted Least SquaresLassoRidgePolynomial RegressionLogistic regressionSupport Vector RegressionElastic NetBayes