一、准备工作               1、确定电脑上已经成功安装jdk7.0以上版本       ...

XPath编写规则学习 辅助工具：firefox安装findbugs,viewXpathfirefox：Xpath验证方式：$x("xpath");粘贴xpath语句回车即可 定位：1、依靠自己属性，文本定位：  //td[text()='test']  //...

https://zhuanlan.zhihu.com/p/37644325https://zhuanlan.zhihu.com/p/51679783...

1、showfunctoinshttps://www.iteblog.com/archives/2032.html?from=related https://blog.csdn.net/u013980127/article/details/52606024 http://www.cnblogs.co...

这一篇博客的内容是在上一篇博客Scikit中的特征选择，XGboost进行回归预测，模型优化的实战的基础上进行调参优化的，所以在阅读本篇博客之前，请先移步看一下上一篇文章。我前面所做的工作基本都是关于特征选择的，这里我想写的是关于XGBoost参数调整的一些小经验。之前我在网站上也看到很多相关的内容，基本是翻译自一篇英...

转自：https://www.zhihu.com/question/41354392作者：wepon链接：https://www.zhihu.com/question/41354392/answer/98658997来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。最近赞忽然多了起来，我猜是...

##机器学习中常见的损失函数  一般来说，我们在进行机器学习任务时，使用的每一个算法都有一个目标函数，算法便是对这个目标函数进行优化，特别是在分类或者回归任务中，便是使用损失函数（LossFunction）作为其目标函数，又称为代价函数(CostFunction)。  损失函数是用来评价模型的预测值Y^=f(X)Y^=...

partitionby关键字是分析性函数的一部分，它和聚合函数不同的地方在于它能返回一个分组中的多条记录，而聚合函数一般只有一条反映统计值的记录，partitionby用于给结果集分组，如果没有指定那么它把整个结果集作为一个分组，分区函数一般与排名函数一起使用。准备测试数据：createtableStudent--学生...

在上一篇博客里，我们讨论了关于Bagging的内容，其原理是从现有数据中有放回抽取若干个样本构建分类器，重复若干次建立若干个分类器进行投票，今天我们来讨论另一种算法：提升（Boost）。简单地来说，提升就是指每一步我都产生一个弱预测模型，然后加权累加到总模型中，然后每一步弱预测模型生成的的依据都是损失函数的负梯度方向，...

resnet在2015名声大噪，而且影响了2016年DL在学术界和工业界的发展方向。下面是这个resnet的网络结构，大家先睹为快。 它对每层的输入做一个reference,学习形成残差函数，而不是学习一些没有reference的函数。这种残差函数更容易优化，能使网络层数大大加深。我们知道，在计算机视觉里，特...

转自穆晨阅读目录前言现实中的聚类分析问题-总统大选K-Means聚类算法K-Means性能优化二分K-Means算法小结回到顶部      在前面的文章中，涉及到的机器学习算法均为监督学习算法。     &nb...

转自穆晨阅读目录前言关联分析领域的一些概念Apriori算法基本原理频繁项集检索实现思路与实现代码关联规则学习实现思路与实现代码小结回到顶部      想必大家都听过数据挖掘领域那个经典的故事-"啤酒与尿布"的故事。   &nbs...

阅读目录前言基本线性回归解决方案-最小二乘法最小二乘法的具体实现局部加权线性回归岭回归具体方案的制定小结回到顶部      本文将系统的介绍机器学习中监督学习的回归部分，系统的讲解如何利用回归理论知识来预测出一个分类的连续值。   ...

阅读目录前言一种原始的元算法-bagging(自举汇聚法)boost(提高任意给定学习算法精确度算法)vsbagging(自举汇聚法)AdaBoost元算法的基本原理基于单层决策树的AdaBoost元算法分类器实现小结回到顶部      有人认为AdaBoos...

阅读目录前言算法原理　　回归分类器的形式最佳回归系数的确定基于梯度上升法的最佳回归参数拟合拟合结果展示更好的求最值方法-随机梯度上升小结回到顶部      本文将介绍机器学习分类算法中的Logistic回归分类算法并给出伪代码，Python代码实现。 ...