当我们讨论预测模型时，预测误差可以分解为两个主要部分：由“偏倚”引起的误差，以及由“方差”引起的误差。模型最小化偏倚和方差的能力之间存在着权衡。理解这两种类型的错误可以帮助我们诊断模型结果，避免过拟合或欠拟合。

基于树的学习算法被认为是最优秀的，也是使用最广泛的监督型学习方法。基于树的算法赋予预测模型高精度、稳定性和易解释性。与线性模型不同，它们能很好地映射非线性关系。它们善于解决手头上的任何问题，包括分类和回归。

机器学习基础 线性回归 逻辑回归 Softmax分类 神经网络 线性回归 什么是回归？ 通俗地讲：给定X1, X2, ..., Xn，通过模型或算法预测数值Y，即是回归。如上图所示。例如，预测测试分数： x(hours) y(score) 10 90 9 80 3 50 2 30 以下面的数据阐述什么是线性回归： x y 1 1 2 2 3 3 1.如下图所示，我们把上述数据中的点(x...

Kmeans是最流行的，以及最简单的用于挖掘数据潜在结构的机器学习算法之一。Kmeans的目标很简单：根据数据的均值，将数据划分为若干个簇。假定每个簇的均值可以很好地代表簇内的每一个观察值。

TensorFlow Tensorflow是一个开源软件库，它使用数据流图的形式进行数值计算。 什么是数据流图（Data Flow Graph） 节点（Nodes）：表示数学运算操作符 边（Edges）：用于传送节点之间的多维数组，即张量。 安装TensorFlow CPU版本：pip install --upgrade tensorflow GPU版本：pip install --upgrade tensorflow-gpu 检...

整体思路 我们进入天气网首页：[链接]，以广州2017年09月历史天气为例，把当前页面切换到广州天气页面，如下图： 继续往下滚动页面，直到看到广州历史天气详情，然后点击2017年09月天气 ，进入广州2017年09月天气详情页面，如下图： 注意链接地址的变化：链接中的guangzhou代表地区，201709代表时间。也就是说我们可以通...

这篇文章主要讨论如何从URL中获取数据。为什么需要从URL中获取数据？ 你想和不熟悉R的人分享你的代码，以及你想避免解释如何在文件开头改变文件的路径等问题。 URL中的数据一直更新，你想实时处理最新的数据。 你希望你的代码在另一台机器以及另一个目录下工作。 你想在博客中发布一个完整的可重复的分析实验，你不想在...

统计术语中，相关系数一词经常被滥用，同时也困扰着我。相关系数描述一个变量随着另一个变量的增加而增加，也可以理解为单调递增。变量之间的这个单调趋势很值得去探索，但是大多数人习惯使用标准相关系数导致无法发现这一趋势。在我的印象中，老师在课堂上经常强调：我们现在所说的、以及以后所说的相关都指线性相关。...

Word2Vec是词（Word）的一种表示方式。不同于one-hot vector，word2vec可以通过计算各个词之间的距离，来表示词与词之间的相似度。word2vec提取了更多的特征，它使得具有相同上下文语义的词尽可能离得近一些，而不太相关的词尽可能离得较远一些。例如，【腾讯】和【网易】两个词向量将会离得很近，同理【宝马】和【保时...

最近使用中文维基百科数据训练Word2Vec时，发现数据里面包含了很多繁体字，这就很尴尬了。这时候就知道OpenCC的强大了。哈哈，本来打算直接使用python里面的opencc模块的，但是在安装，编译opencc时遇到了各种错误。花费了很长时间，终于安装成功，但是文本处理起来效率很低。最终选择了直接在linux下安装OpenCC，处理的...

当通过pip方式安装opencc时，可能会遇到以下错误：ImportError: No module named distribute_setup。

softmax函数将任意n维的实值向量转换为取值范围在(0,1)之间的n维实值向量，并且总和为1。例如：向量softmax([1.0, 2.0, 3.0]) ------> [0.09003057, 0.24472847, 0.66524096]

如上图，广播一个行矩阵。T和F分别表示True和False,指明沿着哪个维度可以进行广播。如果第二个参数是向量，它的形状为（2，）以及它的广播模式为（False,）。它将会自动向左展开，匹配矩阵的维度，最终得到（1,2）和（True,Fale）。

在构建图的时候，不可能严格执行Theano变量的形状。因为在运行的时候，传递给Theano函数的某一参数的值可能影响Thenao变量的形状。目前，关于形状信息的使用在Theano中有以下两种方式：

Scan 复发(Recurrence)的一种常用形式，可以用于循环(looping) Reduction和map是scan的特例 可以根据一些输出序列scan一个函数（function)，每一步都会生成一个输出 可以查看之前k步的输出 给定一个初始状态z=0,可以通过scan函数z + x(i)计算一个列表的和sum(a_list) 通常一个for循环可以用scan()操作符进行实现 使用sca...

IfElse vs Switch IfElse接收布尔型条件和两个变量作为输入。 Switch接收一个张量（Tensor）以及两个变量作为输入。 Switch进行元素级运算，因此比IfElse更常用。 IfElse比较懒惰，只计算满足条件的相应输出变量， 而Switch计算所有的输出变量。 即： ifelse(condition, output1, output2): 如果condition:1(0),那么ifel...

计算梯度 计算x^2的梯度 {代码...} 计算逻辑函数的梯度 {代码...} 计算Jacobian {代码...} 计算Hessian矩阵 {代码...} Jacobian times a Vector 右算子(R-operator) {代码...} 左算子（L-operator) {代码...} Hessian times a Vector {代码...} 右算子 {代码...}

含有默认值的输入必须位于不含默认值的输入之后（和python的函数类似）。允许多个输入含有默认值，这些参数可以通过位置设定，也可以通过名字进行设定。

byte: bscalar, bvector, bmatrix, brow, bcol, btensor3, btensor4, btensro5

水平方向为矩阵的行，竖直方向为矩阵的列，每一行为一个样例（记录）。 因此输入[10, 5]表示：由10个样例（记录），每个样例具有5个维度（属性）组成的矩阵。如果[10,5]为一个神经网络的输入，那么权重矩阵的表示形式为[5, #hid]的矩阵。考虑一下数组：

jieba.cut(sentence, cut_all, HMM):sentence-需要分词的字符串；cut_all-控制是否采用全模式；HMM-控制是否使用HMM模型；jieba.cut()返回的结构是一个可迭代的 generator。

可能出现的异常: import sqlite3时抛出异常：ModuleNotFoundError: No module named '_sqlite3' 没有安装pip

参考网站 [链接] 1.首先备份CentOS-Base.repo，如果以前未添加过163源，此步可以省略 {代码...} 2.下载163源 {代码...} 3.把下载文件改成源文件 {代码...} 4.运行以下命令生成缓存 {代码...} yum makecache可能出现以下错误: {代码...} 我们尝试进入[链接]发现仍然是：404 Not Found 这时我们进入[链接]发现：目录下有6 ...

可以看出，读取796MB的数据test_data,read.table所用时间为67.943s,而read_delim只需要12.790s;读取速度有显著的提升，大约为read.table的5倍。

以下数据为雷克萨斯、卡罗拉的某口碑文章的阅读量，READNUM为文章的累计阅读量；现在我们想求取文章每天的净阅读量，即阅读量增量。例如：2016/11/17，雷克萨斯对应口碑文章的阅读量为：48406 - 48400 = 6.

Error1:--with-readline=yes (default) and headers/libs are not available

本章主要总结base R中最重要的数据结构。你之前很有可能已经使用到它们，或者它们中的一部分，但是可能从来没有用心思考过它们之间有什么关联。这里，我们将不会更深地去讨论单个数据结构的类型。而是，展示它们是如何由个体构成整体的。如果，你想了解更多的细节，请参照R语言官方文档。R的基础数据结构可以按照维度和...