yyyyyyyyyyyyyyyyyyyy

摘要： 历届获奖者 编辑 历届获奖者 年份 获奖者 国籍 获奖原因 1901年 雅各布斯·亨里克斯·范托夫 荷兰 “发现了化学动力学法则和溶液渗透压” 1902年 赫尔曼·费歇尔 德国 “在糖类和嘌呤合成中的工作” 1903年 斯凡特·奥古斯特·阿伦尼乌斯 瑞典 “提出了电离理论” 1904年 威廉·拉姆齐 阅读全文

摘要： 历届获奖者 编辑 历届获奖者 时间 得主 国家 得奖原因 1901年 埃米尔·阿道夫·冯·贝林 德国 对血清疗法的研究，特别是在治疗白喉应用上的贡献，由此开辟了医学领域研究的新途径，也因此使得医生手中有了对抗疾病和死亡的有力武器 1902年 罗纳德·罗斯 英国 在疟疾研究上的工作，由此显示了疟疾如何 阅读全文

摘要： 历年得主 编辑 历年得主 1901年 威廉·康拉德·伦琴 德国 “发现不寻常的射线，之后以他的名字命名”（即X射线，又称伦琴射线，并用伦琴做为辐射量的单位） 1902年 亨得里克·安顿·洛伦兹 荷兰 “关于磁场对辐射现象影响的研究”（即塞曼效应） 彼得·塞曼 荷兰 1903年 安东尼·亨利·贝克勒尔 阅读全文

摘要： 年份 获得者（国家） 得奖原因 获奖时 所在机构 Affiliation at the time of the award 领域 Field 1969 朗纳·弗里施Ragnar Frisch[4] （挪威） 他们建立了动态模型来分析经济过程，前者是现代经济学的奠基人之一，后者是全综合性宏观经济模型的 阅读全文

摘要： R语言︱机器学习模型评估方案（以随机森林算法为例） R语言︱机器学习模型评估方案（以随机森林算法为例） 笔者寄语：本文中大多内容来自《数据挖掘之道》，本文为读书笔记。在刚刚接触机器学习的时候，觉得在监督学习之后，做一个混淆矩阵就已经足够，但是完整的机器学习解决方案并不会如此草率。需要完整的评价模型的 阅读全文

摘要： R语言︱决策树族——随机森林算法 笔者寄语：有一篇《有监督学习选择深度学习还是随机森林或支持向量机?》（作者Bio：SebastianRaschka）中提到，在日常机器学习工作或学习中，当我们遇到有监督学习相关问题时，不妨考虑下先用简单的假设空间（简单模型集合），例如线性模型逻辑回归。若效果不好，也 阅读全文

摘要： 笔记︱决策树族——梯度提升树(GBDT） 笔记︱决策树族——梯度提升树(GBDT） 本笔记来源于CDA DSC，L2-R语言课程所学进行的总结。 一、介绍：梯度提升树（Gradient Boost Decision Tree） Boosting算法和树模型的结合。按次序建立多棵树，每棵树都是为了减少 阅读全文

摘要： 机器学习中的过拟合问题 相关内容： 1、 R语言︱ROC曲线——分类器的性能表现评价 2、机器学习中的过拟合问题 3、R语言︱机器学习模型评估方案（以随机森林算法为例） —————————————————————————— 过拟合问题举例 右图在训练数据上拟合完美，但是预测第11个时候， 左图虽然拟 阅读全文

摘要： 笔记︱范数正则化L0、L1、L2-岭回归&Lasso回归（稀疏与特征工程） 一、正则化背景 监督机器学习问题无非就是“minimizeyour error while regularizing your parameters”，也就是在规则化参数的同时最小化误差。最小化误差是为了让我们的模型拟合我们 阅读全文

摘要： R语言︱XGBoost极端梯度上升以及forecastxgb（预测）+xgboost（回归）双案例解读 R语言︱XGBoost极端梯度上升以及forecastxgb（预测）+xgboost（回归）双案例解读 XGBoost不仅仅可以用来做分类还可以做时间序列方面的预测，而且已经有人做的很好，可以见最 阅读全文