本章主要介绍连续型朴素贝叶斯—— GaussianNB 的实现。在有了实现离散型朴素贝叶斯的经验后，实现连续型朴素贝叶斯模型其实只是个触类旁通的活了。算法的叙述已经在这篇文章中进行过说明，下面就直接看

　　本章主要介绍离散型朴素贝叶斯—— MultinomialNB 的实现。对于离散型朴素贝叶斯模型的实现，由于核心算法都是在进行“计数”工作、所以问题的关键就转换为了如何进行计数。幸运的是、Numpy 中

　　曾经有人问过我，什么是数据分析思维？如果分析思维是一种结构化的体现，那么数据分析思维在它的基础上再加一个准则： 不是我觉得，而是数据证明 这是一道分水岭，“我觉得”是一种直觉化经验化的思维，工作不可能

　　所谓的框架、自然是指三种朴素贝叶斯模型（离散、连续、混合）共性的抽象了。由于贝叶斯决策论就摆在那里、不难知道如下功能是通用的： 计算类别的先验概率 训练出一个能输出后验概率的决策函数 利用该决策函数进

　　在前一篇讲完概率分布后，我们再接再厉拿下假设检验，也就是大名鼎鼎的AB Testing。俗话说得好，再优秀的产品经理也跑不过一半AB测试。   抽样 数据分析中，虽然数据越多越齐越好，可是受限于各类因

　　多标签分类格式 对于多标签分类问题而言，一个样本可能同时属于多个类别。如一个新闻属于多个话题。这种情况下，因变量yy需要使用一个矩阵表达出来。 而多类别分类指的是y的可能取值大于2，但是y所属类别是唯

　　作为『十大机器学习算法』之一的K-近邻（K-Nearest Neighbors）算法是思想简单、易于理解的一种分类和回归算法。今天，我们来一起学习KNN算法的基本原理，并用Python实现该算法，最后

　　来自CMU和斯坦福的Zachary C. Lipton和Jacob Steinhardt两位研究员为顶会ICML举办的Machine Learning: The Great Debate发表文章，并指

　　分享一篇研报，讲机器学习应用量化投资的，值得学习！

　　在这篇文章中，分析了比特币交易所中高频交易一些问题。 由于迄今为止这个市场极不受管制，因此这种行为几乎没有任何限制。 文章展示了超过99％的订单是如何填补的，而不是扭曲市场的看法。 此外，文章还尝试发

　　南洋理工大学计算机系和米兰理工数据挖掘研究组的科学家发现，虽然公众情绪已经被认为是股市预测的关键因素，但近十年来在利用公共情绪来解决资产配置问题的理论方面，学术界几乎没有什么进展。他们在论文中提出了一

　　去中心化应用程序向我们描绘了美好的未来图景。它们透明度高且具有防篡改性，永不停歇地运行着，在全球范围内释放激励并解决协调性问题。 但发展的道路上也有阻碍。 去中心化的计算十分昂贵，受区块 Gas 上限

　　近年来，机器学习领域受到越来越多的关注，相关的机器学习算法开始成为热点，知乎上同类问题同样不少，如机器学习该怎么入门？机器学习、数据挖掘 如何进阶成为大神？普通程序员如何向人工智能靠拢？学习人工智能该

　　Clickhouse入门指南 我们先获取一些开源数据样本集，我们将使用美国1987到2015年的民用航班数据，很难称这个样本为大数据（只包含1亿6千6百万行数据，未压缩时有63GB），但我们能用它很快

　　介绍 第一节   Clickhouse是什么 Clickhouse是一个用于联机分析处理（OLAP）的列式数据库管理系统（columnar DBMS）。   在通常的按行存储的数据库中，数据是按照如下