一、比赛需掌握技巧：全局概览一场成功的机器学习比赛遵循一条清晰的流水线： 数据探索（EDA）→ 数据清洗 → 特征工程 → 模型选择 → 交叉验证 → 超参数优化 → 集成 → 后处理 → 提交 本文按上述顺序，系统介绍每个阶段的核心技巧、常见陷阱和业界最佳实践。 二、数据处理2.1 EDA ...

一、引言：从贝叶斯说起设想你收到一封邮件，标题是”Congratulations! You’ve won $1,000,000!”。你是怎么判断它是垃圾邮件的？你可能在内心快速地估计：这封邮件包含”won”和”$”这样的词，而包含这些词的邮件大概率是垃圾邮件——这就是贝叶斯推理在起作用。 朴素贝叶斯 ...

之所以把特征工程这一章放在Kaggle入门篇之后讲，想的是基于『先体验后付款』理念，因为只有在实战中才会知道 『More data beats clever algorithms, but better data beats more data』 —— Peter Norvig 本篇文章是一篇笔记， ...

一、引言：从高维到低维在机器学习中，我们经常面对高维数据——一张 64x64 的人脸图片有 4096 维，一篇有 10000 个词汇的文档有 10000 维。高维数据不仅带来计算的”维度灾难”，还隐藏一个更深层的问题：数据的内在维度通常远低于观测维度。 想象你拍摄一个旋转的硬币——虽然每张照片是 1 ...

Python 的标准库是其「自带电池」哲学的最佳体现。从数据结构增强、函数式编程工具、文件路径处理，到并发编程、子进程管理、数据序列化、日志系统等，Python 标准库提供了生产级质量的模块，无需安装第三方依赖即可直接使用。本文系统梳理日常开发中最常用的十余个标准库模块，按照数据结构、函数工具、文件 ...

众所周知，音乐可以按风格来分类，然而风格本身是由什么来定义的呢？由谁来判定某首音乐属于那种风格？也就是说同一种风格的音乐又会具有哪些公共的特征呢？正因此也没有哪一位歌手会主动标榜自己的歌和以前的某首歌类似，但我们却实实在在的知道每一首歌在风格上的确有可能会和同风格的歌曲相近。类似于处理这样的分类问题 ...

Pandas 是 Python 数据科学生态中最核心的库之一。它以 DataFrame 和 Series 为基本数据结构，在 NumPy 基础上提供了标签化的数据操作能力，涵盖数据导入/导出、清洗、转换、聚合、窗口计算、时间序列、可视化等全流程。本文聚焦 Pandas 中高级特性：Mult ...

DataFrame 是 Python 中 Pandas 库中的一种数据结构，它类似 Excel，是一种二维表。或许说它可能有点像 MATLAB 的矩阵，但是 MATLAB 的矩阵只能放数值型值（当然 MATLAB 也可以用 cell 存放多类型数据），DataFrame 的单元格可以存放数值、字符串 ...

NumPy（Numerical Python）是 Python 生态中科学计算与数据分析的基石库。它提供了高性能的多维数组对象 ndarray，以及丰富的数学函数、线性代数、随机数生成等工具。NumPy 底层以 C 和 Fortran 实现，对数组的操作在编译层面展开循环，因此比纯 Python 循 ...

感知是人类的一种本能，更确切的说是一切对外界有意识的动物的本能。它是对外界信息作出察觉、感觉、注意、知觉的一系列过程。因此,『感知机（Perceptron）』即是会感知的机器，它是机器学习中最最基础的模型，我们可以把它叫做人工神经元，是神经网络（深度学习）的起源算法。感知机在上世纪5、60年代，由科 ...