100days_ml

[百日馬拉松] 機器學習-特徵工程

發佈於 發佈留言分類: 07 Python 機器學習10 所有文章

最近參加了機器學習 百日馬拉松的活動,單純記錄下這100天python機器學習中每日覺得最有收穫的地方,如果有想參加這活動的朋友,真心推薦參加!此次機器學習-百日馬拉松的相關代碼放置於:https://github.com/hsuanchi/ML-100-days 相關文章:[百日馬拉松] 機器學習-資料清理https://www.maxlist.xyz/2019/03/03/ml_100days/ 一. 標籤編碼 ( Label Encoding ) 類似於流⽔號,依序將新出現的類別依序編上新代碼,已出現的類別編上已使⽤的代碼 確實能轉成分數,但缺點是分數的⼤⼩順序沒有意義 二. 獨熱編碼 ( One Hot Encoding ) 為了改良數字⼤⼩沒有意義的問題,將不同的類別分別獨立為⼀欄 […]

機器學習路線圖

[百日馬拉松] 機器學習-資料清理

發佈於 發佈留言分類: 07 Python 機器學習10 所有文章

最近參加了機器學習 百日馬拉松的活動,單純記錄下這100天python機器學習中每日覺得最有收穫的地方,如果有想參加這活動的朋友,真心推薦參加! 此次機器學習-百日馬拉松的相關代碼放置於:https://github.com/hsuanchi/ML-100-days 機器學習相關延伸閱讀: [百日馬拉松] 機器學習-特徵工程 15-30days [數據分析] 如何利用 Google Trend(搜尋趨勢)+機器學習 挑選爆款商品 [數據分析] 如何利用Google商家進行分析和優化 ㄧ. 損失函數 MSE & MAE: 機器學習大部分的算法都有希望最佳化損失函數 (損失函數 = y表示實際值 – ŷ表示預測值) 1.回歸常用的損失函數: * 均方誤差(Mean squar […]

apriori

[關聯分析] Apriori演算法介紹 (附Python程式碼)

發佈於 1 則留言分類: 07 Python 機器學習10 所有文章

Apriori演算法原理 思考路徑: A priori在拉丁語中指「來自以前」,Apriori是經典的挖掘資料關聯性演算法,採用迭代的方法先搜索出第一項集的各Item支持度,並剪去低於最小支持度的第一項集,得到第二項集後再剪去低於最小支持度的第二項集,依次類推下去直到無法找到項集為止。   Apriori定律1: 假設一個集合{A,B}大於等於最小支持度(Min_Support),則他的子集{A},{B}出現次數必定大於等於最小支持度(Min_Support)   Apriori定律2: 假設集合{A}出現次數小於最小支持度(Min_Support),則他的任何集合如{A,B}出現的次數必定小於最小支持度(Min_Support)       評估指標 1. 支持度(Support): 支持 […]