一起大数据Python 数据分析 & 数据挖掘 工具包
xsmile 发布于 2017-07-27
来自 http://www.cnblogs.com/SandyKid/p/6142610.html 连接器与io 数据库 类别 Python R MySQL mysql-connector-python(官方) RMySQL Oracle cx_Oracle ROracle Mo...
阅读(1)评论(0)赞 (0)
24小时更新：3篇 一周更新：6篇最新发布
基于五种机器算法的信用风险评估
9JQstyle 发布于 2017-07-27
原文地址： https://mp.weixin.qq.com/s/sE7i4grdtY4WQMX—0Lk6g 作者：数据取经团-白云飞 基于五种机器算法的信用风险评估是一个系列文章，从互金数据出发，经过数据预处理，特征工程，建立机器学习模型，以及模型评估四个部分来分析建模。文章将...
阅读(4)评论(0)赞 (0)
生成对抗网络（GAN）之MNIST数据生成
16xsmile 发布于 2017-07-26
本文原作者天雨粟，原文载于作者的知乎专栏——机器不学习，一起大数据网经授权发布。 前言 GAN从2014年诞生以来发展的是相当火热，比较著名的GAN的应用有Pix2Pix、CycleGAN等。本篇文章主要是让初学者通过代码了解GAN的结构和运作机制，对理论细节不做过多介绍。我们还...
阅读(33)评论(0)赞 (0)
自我代码提升之K近邻算法
8JQstyle 发布于 2017-07-24
原文地址：http://mp.weixin.qq.com/s/Wj2MOPGvJJIkRrz1bsqbCw 作者：数据取经团-王嘉琪 在机器学习和数据挖掘常用的方法中，常规的建模思路是输入给定的训练数据集（类别标签已知），通过一系列的训练建立预测模型，通过将需要预测的数据输入到训...
阅读(71)评论(0)赞 (0)
SPSS数据分析—多重线性回归
12xsmile 发布于 2017-07-24
来自 博客园 只有一个自变量和因变量的线性回归称为简单线性回归，但是实际上，这样单纯的关系在现实世界中几乎不存在，万事万物都是互相联系的，一个问题的产生必定多种因素共同作用的结果。 对于有多个自变量和一个因变量的线性回归称为多重线性回归，有的资料上称为多元线性回归，但我认为多元的...
阅读(63)评论(0)赞 (0)
SPSS数据分析—多维尺度分析
28xsmile 发布于 2017-07-21
来自 博客园 在市场研究中，有一种分析是研究消费者态度或偏好，收集的数据是某些对象的评分数据，这些评分数据可以看做是对象间相似性或差异性的表现，也就是一种距离，距离近的差异性小，距离远的差异性大。而我们的分析目的也是想查看这些对象间的差异性或相似性情况，此时由于数据的组成形式不一...
阅读(175)评论(0)赞 (0)
Python数据分析告诉你为何上海的二手房你都买不起
41JQstyle 发布于 2017-07-19
原文地址： http://mp.weixin.qq.com/s/B2832XEJ_Wy82yLKlgTBnw 作者：数据取经团-王大伟 前言 都说上海的房价高的吓死人，用上海话说就是：“vang 尬高得哈撒特宁”，二手房都买不起，那这房价到底有多高呢？我们酷爱来数据分析一波。。。...
阅读(217)评论(0)赞 (1)
数据可视化入门篇
10JQstyle 发布于 2017-07-19
原文地址： https://mp.weixin.qq.com/s/e2tv85r3JLmy_8g_doaSuA 作者：数据取经团-张俊红 本篇要点： 01、数据可视化是什么 02、数据可视化的一般流程 03、常见的数据种类 04、通过可视化你想表达什么信息 05、选择具体的可视化...
阅读(142)评论(0)赞 (2)
爬虫界的一股清流——用安卓做一个朋友圈屏蔽检测器
3JQstyle 发布于 2017-07-19
原文地址： http://mp.weixin.qq.com/s/7cWpkyPSfJgCisQLURXUDw 作者：数据取经团-施维 前言 前段时间，新版微信加入了一个朋友圈只给看三天的新功能。于是就有了一个经典梗：朋友圈陌生人可以看十张照片，熟人只能看三天，只能友尽了！ 有...
阅读(89)评论(1)赞 (2)
自我代码提升之逻辑回归
9JQstyle 发布于 2017-07-19
作者：数据取经团-王嘉琪 对于数据挖掘或是机器学习等算法的学习，用代码将之实现是次、动理论到实践的有效途径，而目前在数据科学应用领域，很多成熟的工具（诸如python的sklearn模块或是各种各样的R包），为我们的学习和工作提供了便利。但这并不意味着自己动手去实现算法失去了意义...
阅读(126)评论(0)赞 (3)
另一种确定kmeans中k值的思路——Gmeans
6xsmile 发布于 2017-07-18
from http://blog.sina.com.cn/s/blog_7103b28a0102w805.html G-means的思路为：检测一个质心所含的数据看上去是否是高斯的，如果不是就分裂这个簇。G-means能很好地处理stretched out clusters(非球...
阅读(169)评论(0)赞 (1)
SMOTE
3xsmile 发布于 2017-07-18
from http://blog.sina.com.cn/s/blog_7103b28a0102wpqm.html 这是应对非均衡训练数据集的一种方法。 针对非均衡训练数据，可以采用的方法包括：1）对多数类进行欠采样，去除一些样本使样本数目接近；2）对少数类进行过采样，增加一些样...
阅读(138)评论(0)赞 (1)
随机森林进行特征重要性度量的详细说明
xsmile 发布于 2017-07-17
来自 宋兵乙的博客 特征选择方法中，有一种方法是利用随机森林，进行特征的重要性度量，选择重要性较高的特征。下面对如何计算重要性进行说明。 1 特征重要性度量 计算某个特征X的重要性时，具体步骤如下： 1）对每一颗决策树，选择相应的袋外数据（out of bag，OOB）计算袋...
阅读(183)评论(0)赞 (2)
大数据分析界的“神兽”Apache Kylin有多牛？
18xsmile 发布于 2017-07-14
本文作者：李栋，来自Kyligence公司，也是Apache Kylin Committer & PMC member，在加入Kyligence之前曾就职于eBay、微软。 1.Apache Kylin是什么？ 在现在的大数据时代，越来越多的企业开始使用Ha...
阅读(242)评论(0)赞 (4)
Adaboost 算法
22xsmile 发布于 2017-07-05
from http://blog.csdn.net/aliceyangxi1987/article/details/72969566 本文结构： 什么是集成学习？ 为什么集成的效果就会好于单个学习器？ 如何生成个体学习器？ 什么是 Boosting? Adaboost 算法？ 什...
阅读(347)评论(0)赞 (3)
Kaggle 神器 xgboost
2xsmile 发布于 2017-07-05
from http://blog.csdn.net/aliceyangxi1987/article/details/72969146 在 Kaggle 的很多比赛中，我们可以看到很多 winner 喜欢用 xgboost，而且获得非常好的表现，今天就来看看 xgboost 到底是...
阅读(466)评论(0)赞 (1)
易上手的数据挖掘、可视化与机器学习工具:Orange介绍
3xsmile 发布于 2017-07-05
原文 http://blog.just4fun.site/Orange-startup.html Orange初体验 现在，你可以直接在 这里 下载到最新的Orange软件，Orange发布了各个平台的安装包，选择你当前平台的安装包，双击安装即可，安装过程十分友好。 和许多数据分...
阅读(348)评论(0)赞 (1)
可视化图表初阶
16钟家福 发布于 2017-07-02
简述 数据可视化-通过图表形式展现数据，帮助用户快速、准确理解信息。准确、快速是可视化的关键，好的可视化会“讲故事”，能向我们揭示数据背后的规律。对于可视化，有一个常见误区：分析师追求过于复杂的图表，反而使得业务人员难以理解。其实越简单的图表，越容易被理解，而快速易...
阅读(441)评论(0)赞 (4)
SQL for ElasticSearch—Crate.io简介
1xsmile 发布于 2017-07-01
from http://lxw1234.com/archives/2017/01/828.htm 再次调研这个东西，是为了满足下面的需求： 一张拥有50+字段的表，记录数大概5亿-10亿；需要对每个字段进行模糊搜索，并要求即时响应结果；需要做一些简单的聚合统计； 看到这个需求，肯...
阅读(264)评论(0)赞 (1)
在R语言中进行局部多项式回归拟合（LOESS）
2xsmile 发布于 2017-06-28
原文 http://xccds1977.blogspot.com/2011/12/rloess.html 局部多项式回归拟合是对两维散点图进行平滑的常用方法，它结合了传统线性回归的简洁性和非线性回归的灵活性。当要估计某个响应变量值时，先从其预测变量附近取一个数据子集，然后对该子...
阅读(255)评论(0)赞 (0)