scikit-learn用户指南
监督学习-线性判别分析
LDA和QDA线性判别分析和二次判别分析是两个经典的分类器，正如其名称所示，分别表示线性或者二次决策表面。这些分类器很有吸引力，因为它们具有封闭形式的解决方案，可以轻松计算，本质上是多类的，已经证明在实践中运行良好并且没有超参数可以调整。使用线性判别分析进行降维线性判别分析可用于执行有监督的降维，通过将输入数据投...
scikit-learn用户指南
监督学习-广义线性模型
广义线性模型以下是一组用于回归的方法，其中目标值应该是输入变量的线性组合。在数学概念中，y是预测值。如下式所示:\[\hat { y } (w,x)=w_{ 0 }+w_{ 1 }x_{ 1 }+...+w_{ p }x_{ p }\]在整个模块中，我们将向量\(w=(w_1,..., w_p)\)指定为coef...
企业财报
读懂上市公司财报
杜邦分析法评价一个公司好不好，主要看三个方面:盈利能力、融资能力、运营能力。通过ROE指标衡量(杜邦分析法)ROE: 净资产报酬率 = 净利润/净资产，简而言之，就是我投入的钱，能给我带来多大的收益。其中净资产是股东投入的那部分钱，又叫所有者权益(净利润 / 销售收入) * (销售收入 / 总资产) * (总资产...
迁移学习
迁移学习的艺术
机器学习和深度学习的比较 数据依赖性: 随着数据规模的增大的，深度学习的效果会逐渐好于传统机器学习。 硬件依赖性: 深度学习算法本质上是做大量的矩阵乘法操作。 特征工程: 传统机器学习需要专家或者手工设计特征。 解决问题的方法: 深度学习可以设计成端到端的网络结构，例如目标检测的yolo。 执行时间: ...
EHandbook翻译
EDA介绍
什么是EDA EDA(Exploratory Data Analysis)是一种使用了下面几种技巧的数据分析方法: 最大化洞察数据集合 揭示数据底层的结构 抽取重要的变量 发现离散点或者异常点 验证一些假设 决定一些最优因素设置三种经典的数据分析方法: 经典分析法: 问题=>数...
数据挖掘
数据仓库
数据仓库数据仓库是面向主题的、集成的、稳定的、不同时间的数据集合，用于支持经营管理中的决策制定过程。从数据库发展到数据仓库的原因: 数据太多，信息贫乏 异构环境数据的转换和共享 利用数据进行事务处理转换为利用数据支持决策操作型数据(DB数据)与分析型数据(DW数据)之间的差别: DB数...
集成学习
Lightgbm
简介LightGBM是使用基于树的学习算法的梯度提升框架。它被设计成分布式的和高效的，具有以下优点: 快的训练速度和高的使用效率 更低的内存使用 更好的准确率 并行和GPU学习支持 处理大规模数据的能力具体可以参加Github地址文档地址LightGBM和xgboost的详细对比LightGBM算法理解...
网络框架
Pytorch or Tensorflow
前言Pytorch更适合于在研究中快速进行原型设计、业余爱好者和小型项目；Tensorflow则更适合大规模的调度，尤其当考虑到跨平台和嵌入式调用操作时。参考斯坦福大学计算机科学博士生Awni Hannun的文章Pytorch or Tensorflow。中文翻译参考雷锋网的译文。
机器学习
Network Embedding Survey
DeepWalk论文地址DeepWalk: Online Learning of Social RepresentationsDeepWalk是对图从一个节点开始使用random walk来生成类似文本的序列特征，然后将节点id作为一个个词使用skip gram训练得到词向量。node2vec论文地址node2v...
计算机视觉
目标检测
简介目标检测的任务是找出图像中所有感兴趣的目标（物体），确定它们的位置和大小，是机器视觉领域的核心问题之一。由于各类物体有不同的外观，形状，姿态，加上成像时光照，遮挡等因素的干扰，目标检测一直是机器视觉领域最具有挑战性的问题。计算机视觉中关于图像识别有四大类任务: 分类-Classification 定位-L...
