了一些思想朴素但又实际有用的方法。 什么是非平衡数据？ 如果你刚开始一门机器学习课程，可能大部分 ...

一、机器学习 1.人工智能与机器学习之间的关系 机器学习是实现人工智能的一种技术手段 2.算法模型 概念：特殊对象。该对象内部封装了某种还没有求出解的方程！ 作用：算法模型对象内部封装的方程的解就是算法模型预测或则分类的结果 预测：天气预报 分类 ...

之前介绍的分类的目标变量都是标称型数据，接下来我们将介绍连续型的数据并且作出预测，本篇介绍的是线性回归，接下来引入局部平滑技术，能够更好地拟合数据 本篇我们主要讨论欠拟合情况下的缩减的技术，探讨偏差和方差的概念。 优点：结构易于理解，计算上不复杂 缺点：对非线性的数据拟合不好 适合数值型 ...

前半部分是简介, 后半部分是案例 KNN近邻算法: 简单说就是采用测量不同特征值之间的距离方法进行分类（k-Nearest Neighbor，KNN） 优点: 精度高、对异常值不敏感、无数据输入假定 缺点：时间复杂度高、空间复杂度高 1、当样本不平衡时，比如一个类的样本容量很大 ...

作者|LAKSHAY ARORA 编译|VK 来源|Analytics Vidhya 概述 流数据是机器学习领域的一个新兴概念 学习如何使用机器学习模型（如logistic回归）使用PySpark对流数据进行预测 我们将介绍流数据和Spark流的基础知识，然后深入到实现 ...

8. 1 用线性回归找到最佳拟合直线 线性回归 优点：结果易于理解，计算上不复杂。 缺点：对非线性的数据拟合不好。 适用数据类型：数值型和标称型数据。 回归的目的是预测数值型的目标值。最直接的办法是依据输人写出一个目标值的计算公式。 假如你想要预测姐姐男友汽车的功率大小，可能会这么计算 ...

一、回归预测简介 现在我们知道的回归一词最早是由达尔文的表兄弟Francis Galton发明的。Galton在根据上一年的豌豆种子的尺寸预测下一代豌豆种子的尺寸时首次使用了回归预测。他在大量的对象上应用了回归分析，包括人的身高。他注意到，如果双亲的高度比平均高度高的话，则他们的子女也倾向于 ...

股票价格预测有助于确定未来几天或几周内股票的走势，或者至少显示趋势。股票价格取决于多种因素，例如： 基本因素：收入，利润，市场份额，业务的潜在增长前景 外部因素：大流行病，例如新冠，外汇汇率，石油价格，黄金价格，债券收益率，全球股票市场 技术因素：价格走势，交易量，移动平均线，MACD（移动 ...