特征选择是特征工程里的一个重要问题，其目标是寻找最优特征子集。特征选择能剔除不相关(irrelevant)或冗余(redundant)的特征，从而达到减少特征个数，提高模型精确度，减少运行时间的目的。另一方面，选取出真正相…
什么是超参数？ 学习器模型中一般有两类参数，一类是可以从数据中学习估计得到，我们称为参数（Parameter）。还有一类参数时无法从数据中估计，只能靠人的经验进行设计指定，我们称为超参数（Hyperparameter）。超…
数据缩放简介 使用单一指标对某事物进行评价并不合理，因此需要多指标综合评价方法。多指标综合评价方法，就是把描述某事物不同方面的多个指标综合起来得到一个综合指标，并通过它评价、比较该事物。由于性质不同…
公司的数据存放在 HDFS 上，但是模型的训练时需要用到这部分数据，于是就有了数据同步的需求。以下是个人整理的数据同步流程，仅适用于公司内部，其他地方由于环境不同可能不可用。 数据从 Hive 同步到 JupyterLa…
在分析数据或进行算法模型训练前有时需要先对数据进行抽样，这里整理了抽样的一些知识点。 什么情况下需要会用到抽样？ 数据量太大，计算能力不足。 抽样调查，小部分数据即可反应全局情况。 时效要求，通过…
使用 Python 编程时，经常会遇到读写文件的操作。对于读写文件的各种模式（如阅读、写入、追加等）有时真的会迷惑人，以及搞不清 open、read、readline、readlines、write、writelines 等方法的使用也会把你绕的云…
Pickle Python中有个序列化过程称为pickle，它能够实现任意对象与文本之间的相互转化，也可以实现任意对象与二进制之间的相互转化。也就是说，pickle可以实现Python对象的存储及恢复。 序列化(picking)：把变量从…
XML指可扩展标记语言，标准通用标记语言的子集，是一种用于标记电子文件使其具有结构性的标记语言。XML被设计用来传输和存储数据。 Python有三种常见的XML解析方式：SAX（simple API for XML）、DOM（Document Obj…
JSON简介 JSON即JavaScript Object Notation，它是一种轻量级的数据交换格式，非常适合于服务器与JavaScript的交互。 在普通的Web应用中，开发者经常为XML的解析伤透了脑筋，无论是服务器端生成或处理XML，还是…
AIML简介 AIML全名为 Artificial Intelligence Markup Language（人工智能标记语言），是一种创建自然语言软件代理的 XML 语言，是由 Richard S. Wallace 博士和 Alicebot 开源软件组织于 1995-2000 年间发明创造的…
