一.概述 1. 數據預處理 數據預處理是從數據中檢測，修改或刪除不准確或不適用於模型的記錄的過程 可能面對的問題有：數據類型不同，比如有的是文字，有的是數字，有的含時間序列，有的連續，有的間斷。 也可能，數據的質量不行，有噪聲，有異常，有缺失，數據出錯，量綱不一，有重復，數據是偏態，數據量太大 ...

當數據量很大的時候，分類任務通常使用【離散特征+LR】集成【連續特征+xgboost】，如果把連續特征加入到LR、決策樹中，容易造成overfit。 如果想用上連續型特征，使用集成學習集成多種算法是一種方法，但是一是過程復雜了一些，另外訓練過程會非常耗時，在不損失很多特征信息的情況下 ...

轉自：https://www.jianshu.com/p/f59bf24850c9 一．互聯網廣告特征工程 博文《互聯網廣告綜述之點擊率系統》論述了互聯網廣告的點擊率系統，可以看到，其中的logistic regression模型是比較簡單而且實用的，其訓練方法雖然有多種 ...

原文鏈接 這篇文章是我看到的比較好的從數學原理開始，推導到其應用，淺顯易懂。 特征值和奇異值的應用 　　特征值和奇異值在大部分人的印象中，往往是停留在純粹的數學計算中。而且線性代數或者矩陣論里面，也很少講任何跟特征值與奇異值有關的應用背景。 　　奇異值分解是一個有着很明顯的物理意義的一種 ...

如何理解矩陣特征值？ ...

矩陣的特征值和特征向量 定義 對於\(n\)階方陣\(A\)，若存在非零列向量\(x\)和數\(\lambda\)滿足\(Ax=\lambda x\)，則稱\(\lambda\)和\(x\)為一組對應的特征值和特征向量 在確定了特征值之后，可以得到對應\(x\)的無窮多個解 求解特征值 ...

特征向量是一個向量，當在它上面應用線性變換時其方向保持不變。考慮下面的圖像，其中三個向量都被展示出來。綠色正方形僅說明施加到這三個向量上的線性變換。 在這種情況下變換僅僅是水平方向乘以因子2和垂直方向乘以因子0.5，使得變換矩陣A定義 ...

特征向量與特征值 我們考慮任何一個線性變換都可以等同於乘上一個矩陣。 但是乘上一個矩陣的復雜度是 \(O(n^2)\) 的，所以我們需要考慮更優秀的做法。 考慮線性變換的矩陣 \(A\) 和一個列向量 \(\alpha\) 。 \[A\alpha=\lambda\alpha ...