数据科学沉思录

黄耀鹏|技术分享.思想结晶

Test Post Plot

Linux常用命令备忘录（持续更新） Linux常用命令备忘录（持续更新） yphuang 2016-09-27 R Markdown This is an R Markdo...

Posted by yphuang on September 27, 2016

使用scikit-learn实现多类别及多标签分类算法

使用scikit-learn实现多类别及多标签分类算法 多标签分类格式 对于多标签分类问题而言，一个样本可能同时属于多个类别。如一个新闻属于多个话题。这种情况下，因变量需要使用一个矩阵表达出来。 而多类别分类指的是y的可能取值大于2，但是y所属类别是唯一的。它与多标签分类问题是有严格区别...

Posted by yphuang on April 22, 2016

使用scikit-learn进行电影评论情感分类

使用scikit-learn进行电影评论情感分类 数据准备 从网站Movie Review Data下载语料。这里选择polarity dataset v2.0。该数据集包含正负情感极性（pos和neg）的电影评论各1000条。 下面，进行数据载入，并进行训练集/测试集划分。 # lo...

Posted by yphuang on April 21, 2016

使用scikit-learn进行文本分类

使用scikit-learn进行文本分类 scikit-learn简介 scikit-learn是Python最为流行的一个机器学习库。它具有如下吸引人的特点： 简单、高效且异常丰富的数据挖掘/数据分析算法实现； 基于NumPy,SciPy,以及matplotlib，从数据探索...

Posted by yphuang on April 15, 2016

决策树算法的Python实现

决策树算法的Python实现 决策树的基本思想 决策树是一种基本的分类与回归方法，它可以看作if-then规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。 将决策树转换成if-then规则的过程如下： 由决策树的根节点到叶节点的每一条路径构建一条规则； 路径内...

Posted by yphuang on April 5, 2016

K近邻算法的Python实现

K近邻算法的Python实现 作为『十大机器学习算法』之一的K-近邻（K-Nearest Neighbors）算法是思想简单、易于理解的一种分类和回归算法。今天，我们来一起学习KNN算法的基本原理，并用Python实现该算法，最后，通过一个案例阐述其应用价值。 KNN算法的直观理解 （添...

Posted by yphuang on March 23, 2016

Python网络爬虫之『美味的汤』

Python网络爬虫之『美味的汤』 1.载入库函数 from bs4 import BeautifulSoup from collections import Counter from time import sleep import requests import re 2.测试 ...

Posted by yphuang on March 21, 2016

梯度下降算法的Python实现

梯度下降算法的Python实现 1.梯度下降算法的理解 我们在求解最优化问题的时候，需要最小化或最大化某一个目标函数。如线性回归中，就需要最小化残差平方和。 某一向量的平方和函数可定义如下： def sum_of_squares(v): """computes the sum ...

Posted by yphuang on March 17, 2016