函數說明： 1. cosing_similarity(array) 輸入的樣本為array格式，為經過詞袋模型編碼以后的向量化特征，用於計算兩兩樣本之間的相關性 當我們使用詞頻或者TFidf構造出詞袋模型，並對每一個文章內容做詞統計以后， 我們如果要判斷兩個文章內容的相關性，這時候 ...

1.什么是機器學習？ 像豆瓣、淘寶、QQ音樂這些推薦系統，背后的秘密武器正是機器學習 機器學習是：用機器學習算法來建立模型，並利用規律和模型對未知數據進行預測。 監督學習 supervised learning; 非監督學習 unsupervised learning ...

我認為T檢驗 和F檢驗在機器學習中的作用：判斷機器學習中樣本集中的某個特征（自變量）和因變量之間的相關性強弱（用於在建模中判斷此自變量是否可以扔掉） 最近在做數據分析方面的工作，經常需要檢驗兩組樣本之間是否存在差異，所以會遇到統計學中假設檢驗相關的知識 ...

統計學習中的相關性 皮爾遜相關系數( Pearson correlation coefficient）： 度量兩個變量X和Y之間的 相關（線性相關） 斯皮爾曼相關性系數（spearman correlation coefficient ...

DataFrame.corr(method='pearson', min_periods=1) 參數說明： method：可選值為{‘pearson’, ‘kendall’, ‘spearman’} pearson：Pearson相關系數來衡量兩個數據集合是否 ...

　　在使用機器學習模型對數據進行訓練的時候，需要考慮數據量和數據維度，在很多情況下並不是需要大量的數據和大量的數據維度，這樣會造成機器學習模型運行慢，且消耗硬件設備。除此之外，在數據維度較大的情況下，還存在”維度災難“的問題。在本篇博客里不對數據質量的判定，以及數據的增刪做詳細的介紹，只介紹 ...

　　類別型特征原始輸入通常是字符串形式，除了決策樹等少數模型能直接處理字符串形式的輸入，對於邏輯回歸、支持向量機等模型來說，類別型特征必須經過處理轉換成數值型。Sklearn中提供了幾個轉換器來處理文本屬性，下面將總結LabelEncode(序號編碼)、OneHotEncoder(獨熱編碼 ...

分析連續變量之間的線性相關程度的強弱 相關性分析是指對兩個或多個具備相關性的變量元素進行分析，從而衡量兩個變量因素是相關密切程度。 1，圖示初判 2，Pearson相關系數（皮爾遜相關系數） 3，Sperman秩相關系數（斯皮爾曼相關系數） 1，圖示初判 （1）變量之間的線性相關性 ...