DataWhale 组队学习 2021.05 组队学习系列笔记五 孤立森林思想：用一个随机超平面来切割数据空间，切一次生成两个子空间，然后不断用随机超平面来切割，直至每个子空...
IP属地：青海
-
数据挖掘（异常检测）——集成方法 -
数据挖掘（异常检测）——相似度DataWhale 组队学习 2021.05 组队学习系列笔记四 LOF 方法是一种典型的基于密度的高精度离群点检测方法。在 LOF 方法中，通过给每个数据点都分配一个依赖于...
-
数据挖掘（异常检测）——线性方法DataWhale 组队学习 2021.05 组队学习系列笔记三 补充内容：一、PCA实现流程，设有 m 条 n 维数据： S1. 将原始数据按列组成 n 行 m 列矩阵...
-
数据挖掘（异常检测）——统计学方法之HBOSDataWhale 组队学习 2021.05 组队学习系列笔记二 先上整体大纲 HBOS流程： 为每个数据维度做出数据直方图。对分类数据统计每个值的频数并计算相对频率。 对每...
-
数据挖掘（异常检测）——概述DataWhale 组队学习 2021.05 组队学习系列笔记一 核心内容： 一、 异常检测是做什么：划分正常数据（预期行为数据）与非正常数据（预期行为差异数据） 二、 实现...
-
pyecharts做数据可视化(二)当你拥有地域相关数据时，首先想到的制作工具是什么呢？Echarts、basemap（后期更新）、pyecharts、matplotlib、seaborn等等？不过今天我们先以...
-
-
《断舍离》是一本拒绝「断舍离」的书话说日本国小地狭，所以日本人是「恒念物力维艰」。面临频繁的物资匮缺，在很多事物上日本人养成了「精雕细琢」的习惯，取物之精巧，得事之细致。 「断舍离」就是这样一个典型的日本生活...
-
特征提取之pd.get_dummies()one-hot encoding one-hot的基本思想：将离散型特征的每一种取值都看成一种状态，若你的这一特征中有N个不相同的取值，那么我们就可以将该特征抽象成N种不同的...
-
Python数据可视化(-)Seaborn介绍提升你的洞察的最好方法之一是通过可视化你的数据：这样，你可以更容易地识别模式，掌握到困难的概念以及注意到关键的要素，当你使用数据科学中的Python时，你很有可能已经用了Ma...
-
2018-12-21 Frechet 距离Frechet 距离是衡量数字曲线距离的一种距离。从直观的意义来看，也可以称之为狗绳距离。 线状要素是离散的数字曲线，计算算法的大体思路用一个公式表示即为 line1=[[1...
-
我在 GitHub 上都见过哪些沙雕项目？一直对我们的微博保持关注的朋友应该知道，今年年初的时候，我们同时开通了 GitHubDaily 公众号与知乎账号。 在开通知乎账号后，我们回答的第一个问题是《你在 GitHu...
-
全篇哪里出现频率了
2019-04-10
用户画像，是企业通过收集与分析消费者社会属性、生活习惯、消费行为等主要信息的数据之后，完美地抽象出一个用户的商业全貌，可以看作是企业应用大数据技术的基本方式。用户画像为企业提...
个人介绍
学着煮咖喱呀。
机器学习笔记目录(https://www.jianshu.com/p/7a78a139162f)
E-L-33的新年挑战--所有的瞬间
(https://www.jianshu.com/p/451e2b3b6f28)
机器学习笔记目录(https://www.jianshu.com/p/7a78a139162f)
E-L-33的新年挑战--所有的瞬间
(https://www.jianshu.com/p/451e2b3b6f28)