图源：pixabay作为一切科学的基础，数学在数据科学领域也占据着重要地位。如果你是一名数据科学爱好者，一定想过这些问题：·我可以在几乎没有数学背景的情况下，成为一名数据科学家吗？·在数据科学中，哪些基本的数学技能是重要的？有很多好用的包可以用来构建预测模型，或生成数据可视化。一些最常用的描述性分析和预测性分析包包括：Ggplot2、Matplotlib、Seaborn、Scikit-learn、
分类：
其他好文 时间：
2020-12-22 11:40:33
阅读次数：
0
numpy ravel()、flatten()、squeeze() 都有将多维数组转换为一维数组的功能。 ravel()：如果没有必要，不会产生源数据的副本 flatten()：返回源数据的副本 squeeze()：只能对维数为1的维度降维 ...
分类：
编程语言 时间：
2020-12-15 12:20:31
阅读次数：
3
1.前期需要掌握的知识点：⑴高等代数/线性代数：线性方程组、特征值和特征向量⑵统计学：方差分析等2.主成分分析思想：主成分分析是利用降维的思想，在损失较少信息的前提下，用几个综合指标来代替之前多个指标的一种多元统计方法。我们把这些综合指标称为主成分，其中每一个主成分是原来变量的线性组合，并且各个主成分之间互不相关。3.主成分分析的几点要求⑴每一个主成分都是原始变量的线性组合。⑵主成分的数目要求远远
分类：
其他好文 时间：
2020-11-24 12:50:09
阅读次数：
7
运用sklearn进行主成分分析(PCA)代码实现 一、前言及回顾 二、sklearn的PCA类介绍 三、分类结果区域可视化函数 四、10行代码完成葡萄酒数据集分类 五、完整代码 六、总结 一、前言及回顾 从上一篇《PCA数据降维原理及python应用（葡萄酒案例分析）》，我们知道，主成分分析PCA ...
分类：
Web程序 时间：
2020-11-07 16:06:32
阅读次数：
23
PCA是用来给多维数据降维，分析提取主成分的一种算法； 怎么实现的呢？首先说明，在已标注和未标注的数据上都有降维技术，PCA是一种在对未标注数据的降维技术。 在PCA中，数据从原来的坐标系转换到了新的坐标系，新坐标系的选择是由数据本身决定的。第一个新坐标轴选择的是原始数据中方差最大的方向，第二个新坐 ...
分类：
其他好文 时间：
2020-11-04 19:25:03
阅读次数：
44
5. 最长回文子串 思路一：中心扩展法 参考：https://leetcode-cn.com/problems/palindromic-substrings/solution/liang-dao-hui-wen-zi-chuan-de-jie-fa-xiang-jie-zho/ 选定中心点后，同时判 ...
分类：
其他好文 时间：
2020-10-09 21:32:45
阅读次数：
30
Intro SVD分解是 singular value decomposition的缩写，也就是奇异值分解，它是spectral decomposition谱分解的推广（谱分解适用于方阵）。在机器学习中，这是一种非常有用的降维手段，另外它还可以构建主题词模型，可谓是功能丰富啊。本文通过一个简单的例子 ...
分类：
其他好文 时间：
2020-09-18 02:24:28
阅读次数：
37
PCA算法主要用于降维，就是将样本数据从高维空间投影到低维空间中，并尽可能的在低维空间中表示原始数据。PCA的几何意义可简单解释为： 0维-PCA：将所有样本信息都投影到一个点，因此无法反应样本之间的差异；要想用一个点来尽可能的表示所有样本数据，则这个点必定是样本的均值。 1维-PCA：相当于将所有 ...
分类：
其他好文 时间：
2020-09-17 16:36:11
阅读次数：
28
1.简介 GoogLeNet是2014年ILSVRC挑战赛排名第一的算法。与其他进一步加深神经网络的宽度和深度的网络结构不同，GoogLeNet团队提出了一种Inception网络结构，就是构造一种“基础神经元”结构，来搭建一个稀疏性、高计算性能的网络结构。 优点：克服了深层次神经网络的带来的过拟合 ...
分类：
Web程序 时间：
2020-09-09 19:24:13
阅读次数：
83
AutoEncoder 这是一种非监督学习方式，主要用于数据的降维或者特征的抽取。 Autoencoder 实际上跟普通的神经网络没有什么本质的区别，分为输入层，隐藏层和输出层。 autoencoder的意义在于学习的（通常是节点数更少的）中间coder层（最中间的那一层），这一层是输入向量的良好表 ...
分类：
其他好文 时间：
2020-08-28 14:36:04
阅读次数：
62
