这学期分别学习了《数据挖掘》《机器学习》和《模式识别》三门课程，为了搞明白这三者的关系，就google了下，一下为一些从网上获得的资料。 ——————…

特征工程是机器学习当中很重要的部分，可以帮助我们设计、创建新特征，以便模型从中提取重要相关性。本文将记录并持续更新相关特征工程的工具包介绍，包括自动模型选择和超参数调优等各方面。 · Featuretools Featu…

     现在这篇文章只是一个提纲部分，后续会逐渐完善，但最后会是一篇综述的形式，因为示例部分内容过多，篇幅会过长，所以会以链接的形式呈现，具体内容在另外的博文中介绍。核心是sklearn库…

目标：根据各个字段数据的分布（例如srcIP和dstIP的top 10）以及其他特征来进行样本标注，最终将几类样本分别标注在black/white/ddos/mddos/cdn/unknown几类。 效果示意： R…

最小二乘法是用来做函数拟合或者求函数极值的方法。在机器学习，尤其是回归模型中，经常可以看到最小二乘法的身影，这里就对我对最小二乘法的认知做一个小结。 1.最小二乘法的原理与要解决的问题 最小二乘法是由勒让德在19世纪发现…

机器学习错题集 1.    Some of the problems below are best addressed using a supervised learning algorithm, a…

看了版上很多贴子，发现很多版友都在问“热门研究方向”、“最新方法”等。有同学建议国内某教授的教材、或者CNKI、或者某些SCI期刊。每当看到这种问题，我都有点纳闷，为什么不去读顶级会议上的论文？ 我无意否认以上文献的价值…

       在NG的ML课程中和西瓜书中都有提到：最佳的数据分类情况是把数据集分为三部分，分别为：训练集(train set)，验证集(validation set)和测试集(t…

摘录 reddit 链接上一段话The label is the name of some category. If you’re building a machine learning system to …

概述： “数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已”。线性模型是在统计机器学习中常用的模型，我们假设解释变量和响应变量的关系是线性的。真实情况未必如此。如果想仿造一段曲线，那么首先应该保证曲线的起…

摘抄与某乎   anchor 让网络学习到的是一种推断的能力。网络不会认为它拿到的这一小块 feature map 具有七十二变的能力，能同时从 9 种不同的 anchor 区域得到。拥有 anchor 的 r…

                               …