s0k0y

0x00 内容 学习内容：无监督聚类算法K-Means k-means：模型原理、收敛过程、超参数的选择 0x01聚类 聚类分析是在数据中发现数据对象之间的关系，将数据进行分...

s0k0y

0x00 内容 如何提升数据可视化的表现效果 主要探讨一下，哪些方面的改进和有益实践，可以使我们的数据可视化的呈现效果更加具有表现力。 目标有两个： 了解哪些方面的因素，会对...

s0k0y

0x00 内容 逻辑回归：损失函数、梯度、决策边界 实践：代码实现及sklearn逻辑回归 0x01 逻辑回归 逻辑回归（Logistic Regression，LR），LR...

s0k0y

0x00 目标 对比可视化中最常用的几种图表，区分它们的异同点及其适用的场景。 0x01 常用图表对比 以例子「可视化目标→数据集准备→图表选择和对比→经验总结」的方式做对比...

s0k0y

0x00 内容 梯度下降：实现梯度下降、线性回归中的梯度下降 随机梯度下降：相关代码即调用 0x01梯度下降法（回顾四：0x04梯度下降法） 最小二乘法求损失函数的最小值，但...

s0k0y

0x00 内容 区间型数据：了解区间型数据的特点，熟练使用「条形进度图、仪表盘、环形进度图」表示数据的进度和定量指标的定性化； 关系型数据：了解数据之间常见的关系类型，能熟练...

s0k0y

0x00 目标 简单线性回归：回顾简单线性回归及最小二乘法的数据推导 实践：简单线性回归实现及向量化应用 多元线性回归：多选线性回归和正规方程解及实现 0x01 简单线性回归...

s0k0y

0x00 可视化图表选择 两类不同的可视化目的及其可选择的图表形式。 「对比型数据」：对比两组或两组以上数据的差异。 「分布型数据」：研究数据分布的集中趋势、离散程度、偏态和...

s0k0y

0x00 可视化图表选择 0x01 时序数据可视化 时序数据，是指任何随着时间而变化的数据。 要进行时序数据的可视化，我们首先需要了解「时间」所具有的特征： 有序性：时间都是...

s0k0y

0x00 可视化 数据可视化不是简单的视觉映射，而是一个以数据流向为主线的一个完整流程，主要包括：数据采集、数据处理和变换、可视化映射、用户交互和用户感知。一个完整的可视化过...

s0k0y

0x00 目标 学习目标有四个： 无量纲化：最值归一化、均值方差归一化及sklearn中的Scaler； 缺失值处理； 处理分类型特征：编码与哑变量； 处理连续型特征：二值化...

s0k0y

0x00评价模型的好坏 1.数据拆分：训练数据集&测试数据集 2.评价分类结果：精准度、混淆矩阵、精准率、召回率、F1 Score、ROC曲线等 3.评价回归结果：MSE、R...