- 博客(7)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 机器学习如何赚钱？- 垂直领域/横向领域应用的商业数据产品
今天介绍从两个角度来介绍机器学习的商业领域的产品应用：- 横向领域：在不同类型的业务中执行的操作。即涉及营销的一切。- 垂直领域：在企业内部或供应链或流程中所做的事情。---横向应用几乎每家公司都必须尝试向客户销售更多产品，因此营销很重要。因此，下图每个框都是人们在市场营销中使用机器学习的一些例子：我们举个例子 - Churn，是公司流失预测，是预测谁将要离开的公...
2019-08-16 03:08:55
1227
原创 实用随机森林 - 针对时间序列的 kaggle 技巧
这节课我们主要讲讲：1。OOB 和 validation 的数值计算上区别2。时间序列模型建立时，如何处理 validation 和 test 与模型精度控制的小技巧3。去掉时间相关的元素 —— 消除训练集里面过拟合的特征---1。OOB 和 validation set 数值计算上的差别这两个数值有 2 点不一样：a。使用的数据不一样为了更好的得到模型验证的结...
2019-08-15 05:29:34
3548
原创 实用机器学习-随机森林如何作科研分析及讨论 EDA
“当模型建立后，如何解释和分析模型，往往是科研中必不可很少的一部分。机器学习模型往往被成为黑箱子，如何在传统领域的分析方法上进行一定解释，是我们学者们要进一步探索的课题。我们在这里列举了不同的 EDA 方式，希望能够帮助模型解释，以及 EDA 分析的进一步建立。“在随机森林模型建立之后，我们的模型可以被用于更高级的模型分析，当然这个都是在信任模型的基础上，如同科学实验中，我们通过线性回归得到一...
2019-08-14 09:19:46
357
原创 Kaggle 快速模型之 Random Forest 随机森林
随机森林 RF 在 Kaggle 大名远播，称霸很久。那么，我们这里就先聊聊原因。以下分析来自 University of San Francisco, CS 硕士课程。随机森林（文中记为 RF）有以下 5 个优点：1。用法：RF 支持针对连续对象的回归算法，也支持针对离散对象的分类算法。2。过拟合：RF 不太容易过拟合，因为 RF 本质上是模型集成（model ensemble...
2019-08-14 02:37:45
1085
原创 实用 Kaggle 竞赛之 随机森林 Random Forest 的评估及调参
“本文内容的诉求为实用、易上手，所以理论的内容以及公式只做少量的解释，并不着重涉及。“本节内容：1。评价函数 —— 如何评价模型的好坏2。测试集、验证集、训练集 —— 防止过拟合的验证集3。RF 的超参数设置 —— 如何 tune 模型 - 一颗决策树的形成 n_estimators - 随机森林 bootstrapping ...
2019-08-14 02:36:38
1827
原创 实用 Kaggle 竞赛之 随机森林 Random Forest 的数据预处理、模型实现及可靠性评估EDA
“本文通过 Python 代码实现的方式来来介绍具体的实现。以 Python 为基础，调用各种比较基础的库，其中穿插一些Kaggle处理的建议，用引号表示。“1. 数据预处理1.1 魔术工具及所需要包魔术工具，python 的 notebook 可以自动的更新 py 文件里的 function。%load_ext autoreload%autoreload 2%mat...
2019-08-14 02:35:05
3541
原创 实用 Kaggle 随机森林 - 如何处理 nan & 数据太少怎么办
1. nan 的处理先讲一个真事：在 Kaggle 的一个竞赛里面，是要求预测哪些大学的基金项目会得到批复而那些不会。随后一个参赛者通过其中某一列的 nan 与否特征的预测，得到了金奖。事后证明，这个学校在填入资料的时候，如果这项基金不会被批复，那么他们就不会继续填入更多信息。因此 nan 的填写与否反而由于 data leakage 的原因成为了这个竞赛里面最重要的特征。但是呢，na...
2019-08-14 02:33:12
1578
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人