函数说明： 1. cosing_similarity(array) 输入的样本为array格式，为经过词袋模型编码以后的向量化特征，用于计算两两样本之间的相关性 当我们使用词频或者TFidf构造出词袋模型，并对每一个文章内容做词统计以后， 我们如果要判断两个文章内容的相关性，这时候 ...

1.什么是机器学习？ 像豆瓣、淘宝、QQ音乐这些推荐系统，背后的秘密武器正是机器学习 机器学习是：用机器学习算法来建立模型，并利用规律和模型对未知数据进行预测。 监督学习 supervised learning; 非监督学习 unsupervised learning ...

我认为T检验 和F检验在机器学习中的作用：判断机器学习中样本集中的某个特征（自变量）和因变量之间的相关性强弱（用于在建模中判断此自变量是否可以扔掉） 最近在做数据分析方面的工作，经常需要检验两组样本之间是否存在差异，所以会遇到统计学中假设检验相关的知识 ...

统计学习中的相关性 皮尔逊相关系数( Pearson correlation coefficient）： 度量两个变量X和Y之间的 相关（线性相关） 斯皮尔曼相关性系数（spearman correlation coefficient ...

DataFrame.corr(method='pearson', min_periods=1) 参数说明： method：可选值为{‘pearson’, ‘kendall’, ‘spearman’} pearson：Pearson相关系数来衡量两个数据集合是否 ...

　　在使用机器学习模型对数据进行训练的时候，需要考虑数据量和数据维度，在很多情况下并不是需要大量的数据和大量的数据维度，这样会造成机器学习模型运行慢，且消耗硬件设备。除此之外，在数据维度较大的情况下，还存在”维度灾难“的问题。在本篇博客里不对数据质量的判定，以及数据的增删做详细的介绍，只介绍 ...

　　类别型特征原始输入通常是字符串形式，除了决策树等少数模型能直接处理字符串形式的输入，对于逻辑回归、支持向量机等模型来说，类别型特征必须经过处理转换成数值型。Sklearn中提供了几个转换器来处理文本属性，下面将总结LabelEncode(序号编码)、OneHotEncoder(独热编码 ...

分析连续变量之间的线性相关程度的强弱 相关性分析是指对两个或多个具备相关性的变量元素进行分析，从而衡量两个变量因素是相关密切程度。 1，图示初判 2，Pearson相关系数（皮尔逊相关系数） 3，Sperman秩相关系数（斯皮尔曼相关系数） 1，图示初判 （1）变量之间的线性相关性 ...