-
Notifications
You must be signed in to change notification settings - Fork 11
/
MachineLearning.html
423 lines (382 loc) · 14.1 KB
/
MachineLearning.html
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
<!DOCTYPE html>
<html>
<head>
<meta charset='utf-8'>
<meta http-equiv="X-UA-Compatible" content="IE=edge">
<!--设置视口的宽度(值为设备的理想宽度),页面初始缩放值<理想宽度/可见宽度>-->
<meta name="viewport" content="width=device-width, initial-scale=1">
<link rel="stylesheet" type="text/css" href="css/bootstrap.css">
<link rel="stylesheet" type="text/css" href="css/flexslider.css">
<link rel="stylesheet" type="text/css" href="css/animate.css">
<link rel="stylesheet" type="text/css" href="css/stylesheet.css">
<link rel="stylesheet" type="text/css" href="css/pageFrame.css">
<link rel="stylesheet" type="text/css" href="css/blogFrame.css">
<script type="text/javascript" src="js/jquery-3.1.1.min.js"></script>
<script type="text/javascript" src="js/jquery.flexslider-min.js"></script>
<script type="text/javascript" src="js/jquery.nivo.slider.js"></script>
<script type="text/javascript" src="js/jquery.bgslider.js"></script>
<script type="text/javascript" src="js/masonry.pkgd.min.js"></script>
<script type="text/javascript">
var fullHeight = function(){
$('.full_height').css('min-height', $(window).height());
}
var sliderMain = function() {
$('.flexslider').flexslider({
animation: "fade",
slideshowSpeed: 5000,
directionNav: false
// start: function(){
// setTimeout(function(){
// $('.slider-text').removeClass('animated fadeInUp');
// $('.flex-active-slide').find('.slider-text').addClass('animated fadeInUp');
// }, 500);
// },
// before: function(){
// setTimeout(function(){
// $('.slider-text').removeClass('animated fadeInUp');
// $('.flex-active-slide').find('.slider-text').addClass('animated fadeInUp');
// }, 500);
// }
});
};
var masonryMain=function(){
var $container = $('#masonry');
$container.masonry({
itemSelector: '.brick',
gutter:0,
isAnimated: true,
});
}
var iframeWidth=function(){
$('.brick div iframe').css('width', $('.brick>div').width()+20);
}
$(function(){
$(window).resize(fullHeight);
$(window).resize(iframeWidth);
fullHeight();
iframeWidth();
sliderMain();
masonryMain();
$("#blog").bind("click", function() {
if($(".blog-list").is(":hidden")) {
$(".blog-list").show();
} else {
$(".blog-list").hide();
}
});
});
</script>
<title>Douzi's Blog</title>
</head>
<body>
<script type="text/javascript" src="js/background.js"></script>
<!--Menu-->
<div class="full_height" id="aside">
<h1 id="logo">Douzi</h1>
<nav class="nav1">
<ul class="text">
<li class="active"><a href="index.html">Home</a></li>
<li id="blog"><a href="#">Blog</a>
<ul class="blog-list" hidden="hidden" style="font-size: 11px; margin: 20px;"><a href="MachineLearning.html"> • 机器学习</a></ul>
<ul class="blog-list" hidden="hidden" style="font-size: 11px; margin: 20px;"><a href="#"> • 数据挖掘</a></ul>
<ul class="blog-list" hidden="hidden" style="font-size: 11px; margin: 20px;"><a href="#"> • 统计学习</a></ul>
<ul class="blog-list" hidden="hidden" style="font-size: 11px; margin: 20px;"><a href="algorithm.html"> • 算法笔记</a></ul>
<ul class="blog-list" hidden="hidden" style="font-size: 11px; margin: 20px;"><a href="webNote.html"> • Web笔记</a></ul>
</li>
<li><a href="http://www.cnblogs.com/douzujun/">Article</a></li>
<li><a href="#">Album</a></li>
</ul>
</nav>
</div>
<div class="display">
<div class="full_height flexslider">
<ul class="slides">
<li class="full_height" style="background-image:url(images/bgslider-1.jpg)">
</li>
<li class="full_height" style="background-image:url(images/bgslider-2.jpg)">
</li>
<li class="full_height" style="background-image:url(images/bgslider-3.jpg)">
</li>
</ul>
</div>
<div id="masonry">
<div class="brick">
<div>
<div class="text">
<h2><a href="page/01 A.使用scikit-learn进行建模预测和评估操作 泰坦尼克号获救预测.html"> 01 A.scikit-learn Practice(一) Titanic Data Science Solutions</a></h2>
<p>— 这是一个数据挖掘实战的入门练习</p>
<p>— Use pandas for data manipulation</p>
<p>— Use matplotlib and seaborn for data visualization</p>
<p>— Learn to build models with scikit-learn</p>
</div>
</div>
</div>
<div class="brick">
<div>
<div>
<div class="text">
<h2><a href="page/01 B.Titanic Data Science Solutions.html">01 B.scikit-learn Practice(二) Titanic Data Science Solutions-update</a></h2>
<p>— 这是一个数据挖掘实战的入门练习</p>
<p>— Use pandas for data manipulation</p>
<p>— Use matplotlib and seaborn for data visualization</p>
<p>— Learn to build models with scikit-learn</p>
</div>
</div>
</div>
</div>
<div class="brick">
<div>
<div class="music1">
<!--http://music.163.com/#/song?id=29822015-->
<iframe frameborder="no" border="0" marginwidth="0" marginheight="0" width=330 height=86 src="//music.163.com/outchain/player?type=2&id=411988502&auto=0&height=66"></iframe>
</div>
</div>
</div>
<div class="brick">
<div>
<div class="text">
<h2>天涯过客</h2>
<p>晨霜攀黛瓦 抖落霜 冷了茶 </p>
<p>抚琴欲对话 欲问琴声初落下</p>
</div>
</div>
</div>
<div class="brick">
<div>
<div class="text">
<h2><a href="page/机器学习笔记/类不平衡问题_信用卡欺诈检测.html"> 01 C.类不平衡问题——信用卡欺诈检测</a></h2>
<p>— 这是一个数据挖掘实战的入门练习</p>
<p>— 下采样</p>
<p>— 模型评估</p>
<p>— 过采样</p>
</div>
</div>
</div>
<div class="brick">
<div>
<div class="text">
<h2><a href="page/数据挖掘笔记/1-科学计算库numpy/numpy_1.html">01 D.numpy整理(一)</a></h2>
<p>1. numpy基础</p>
</div>
</div>
</div>
<div class="brick">
<div>
<div class="text">
<h2><a href="page/数据挖掘笔记/1-科学计算库numpy/numpy_2.html">01 E.numpy整理(二)</a></h2>
<p>1. numpy矩阵基础</p>
</div>
</div>
</div>
<div class="brick">
<div>
<div class="text">
<h2><a href="page/数据挖掘笔记/1-科学计算库numpy/NUMPY_3.html">01 F.numpy整理(三)</a></h2>
<p>1. numpy常用函数</p>
</div>
</div>
</div>
<div class="brick">
<div>
<div class="text">
<h2><a href="page/数据挖掘笔记/1-科学计算库numpy/numpy_4.html">01 G.numpy整理(四)</a></h2>
<p>1. numpy不同复制操作对比</p>
</div>
</div>
</div>
<!--pandas-->
<div class="brick">
<div>
<div class="text">
<h2><a href="page/数据挖掘笔记/2-数据分析处理库pandas/pandas_1.html">01 H.pandas整理(一)</a></h2>
<p>1. pandas数据获取</p>
<p>2. pandas索引与计算</p>
<p>3. pandas预处理方式<</p>
<p>4. pandas的pivot_table用法/p>
<p>5. pandas自定义函数</p>
</div>
</div>
</div>
<div class="brick">
<div>
<div class="text">
<h2><a href="page/数据挖掘笔记/2-数据分析处理库pandas/pandas_4.html">01 I.pandas整理(二)</a></h2>
<p>1. Series一些操作</p>
</div>
</div>
</div>
<div class="brick">
<div>
<div class="text">
<h2><a href="page/数据挖掘笔记/2-数据分析处理库pandas/pandas_5.html">01 J.pandas整理(三)</a></h2>
<p>1. pandas自定义函数</p>
</div>
</div>
</div>
<!--matplotlib-->
<div class="brick">
<div>
<div class="text">
<h2><a href="page/数据挖掘笔记/3-可视化库matpltlib/plt_1.html">K.matplotlib整理(一)</a></h2>
<p>1. 折线图绘制</p>
</div>
</div>
</div>
<!--matplotlib-->
<div class="brick">
<div>
<div class="text">
<h2><a href="page/数据挖掘笔记/3-可视化库matpltlib/plt_2.html">L.matplotlib整理(二)</a></h2>
<p>1. 子图绘制</p>
</div>
</div>
</div>
<!--matplotlib-->
<div class="brick">
<div>
<div class="text">
<h2><a href="page/数据挖掘笔记/3-可视化库matpltlib/plt_3.html">M.matplotlib整理(三)</a></h2>
<p>1. 条形图和散点图</p>
</div>
</div>
</div>
<div class="brick">
<div>
<div class="text">
<h2><a href="page/数据挖掘笔记/3-可视化库matpltlib/plt_4.html">N.matplotlib整理(四)</a></h2>
<p>1. 柱形图与盒图</p>
</div>
</div>
</div>
<div class="brick">
<div>
<div class="text">
<h2><a href="page/数据挖掘笔记/3-可视化库matpltlib/plt_5.html">Q.matplotlib整理(五)</a></h2>
<p>1. 细节设置</p>
</div>
</div>
</div>
<div class="brick">
<div>
<div class="text">
<h2><a href="page/数据挖掘笔记/4-可视化库Seaborn/Seaborn-1Style.html">01 R.seaborn整理(一)</a></h2>
<p>1. Seaborn 整体布局风格设置</p>
<p>2. Seaborn 5种主题风格</p>
<p>3. Seaborn 风格细节设置</p>
<p>4. Seaborn 用with指定当前风格</p>
<p>5. Seaborn 设置整体画图域的大小 set_context("xxx")</p>
</div>
</div>
</div>
<div class="brick">
<div>
<div class="text">
<h2><a href="page/数据挖掘笔记/4-可视化库Seaborn/Seaborn-2Color.html">01 S.seaborn整理(二)</a></h2>
<p>1. Seaborn 调色板和分类色板</p>
<p>2. Seaborn 圆形画板</p>
<p>3. Seaborn 使用画板</p>
<p>4. Seaborn 调出来的颜色是成对存在的 color_palette("Paired", 8)</p>
<p>5. Seaborn light_palette() 和dark_palette()调用定制连续调色板</p>
</div>
</div>
</div>
<div class="brick">
<div>
<div class="text">
<h2><a href="page/数据挖掘笔记/4-可视化库Seaborn/Seaborn-3Var.html">01 T.seaborn整理(三)</a></h2>
<p>1. Seaborn 单变量分析绘图</p>
<p>2. Seaborn 直方图(单变量分析用直方图)</p>
<p>3. Seaborn 数据分布情况</p>
<p>4. Seaborn 根据均值和协方差生成数据</p>
<p>5. Seaborn 观测两个变量之间的分布关系最好用散点图</p>
<p>6. Seaborn hex图 (数据量大的时候)</p>
<p>7. Seaborn 多变量两两显示</p>
</div>
</div>
</div>
<div class="brick">
<div>
<div class="text">
<h2><a href="page/数据挖掘笔记/4-可视化库Seaborn/4-REG.html">01 U.seaborn整理(四)——回归分析</a></h2>
<p>1. 回归分析绘图</p>
<p>2. regplot() 和 lmplot()都可以绘制回归关系, 推荐regplot()</p>
<p>3. x_jitter 使数据有一个小的抖动</p>
<p>4. regplot 和 lmplot的一些用法</p>
</div>
</div>
</div>
<div class="brick">
<div>
<div class="text">
<h2><a href="page/数据挖掘笔记/4-可视化库Seaborn/5-category.html">01 V.seaborn整理(五)——分类分析</a></h2>
<p>1. 分类分析绘图</p>
<p>2. 条状图 蜂群图 小提琴图</p>
<p>3. 重叠现象(影响观测数据)的解决方法</p>
<p>4. 盒图(boxplot)</p>
<p>5. 显示值的集中趋势可以用条形图</p>
<p>6. 点图可以更好的描述变化差异</p>
<p>7. 多层面板分类图</p>
</div>
</div>
</div>
<div class="brick">
<div>
<div class="text">
<h2><a href="page/数据挖掘笔记/4-可视化库Seaborn/6-FacetGrid.html">01 W.seaborn整理(六)——FacetGrid</a></h2>
<p>1. 想把 数据集 很多子集 进行展示的时候</p>
<p>2. 首先 把 展示区域 勾勒出来</p>
<p>3. 再通过 map 函数 把实际的图构造出来</p>
</div>
</div>
</div>
<div class="brick">
<div>
<div class="text">
<h2><a href="page/数据挖掘笔记/4-可视化库Seaborn/7-Heatmap.html">01 X.seaborn整理(七)——Heatmap</a></h2>
<p>1. 用来计算特征和特征之间的相关程度</p>
<p>2. 再将相关程度画成Heatmap</p>
</div>
</div>
</div>
<div class="brick">
<div>
<div class="text">
<h2><a href="page/数据挖掘笔记/5-回归算法/Code/回归算法实现.html">02 A.线性回归算法综述</a></h2>
<p>1. 手写线性回归算法</p>
<p>2. 用矩阵计算的方式直接求theta</p>
</div>
</div>
</div>
<div class="brick">
<div>
<div class="text">
<h2><a href="page/数据挖掘笔记/5-回归算法/Code/逻辑回归与梯度下降_GradientDescent.html">02 B.梯度下降算法</a></h2>
<p>1. 用梯度下降算法求解线性回归目标函数</p>
</div>
</div>
</div>
<div class="brick">
<div>
<div class="text">
<h2><a href="page/数据挖掘笔记/6-决策树算法/决策树鸢尾花/决策树—卷尾花实例.html">02 C.决策树算法—鹃尾花实例</a></h2>
<p>1. 画出每个种类的分布</p>
<p>2. 划分训练集和测试集</p>
<p>3. 构建决策树模型</p>
<p>4. 预测鹃尾花种类</p>
</div>
</div>
</div>
<div class="brick">
<div>
<div class="text">
<h2><a href="page/数据挖掘笔记/7-贝叶斯算法/贝叶斯-拼写检查器/贝叶斯拼写检查器.html">02 D.贝叶斯算法—拼写检查实例</a></h2>
<p>1. 求解：argmaxc P(c|w) -> argmaxc P(w|c) P(c) / P(w)</p>
<p>2. 编辑距离</p>
<p>3. 建立纠错模型</p>
</div>
</div>
</div>
</div>
</div>
</body>
</html>