欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
一、特征工程 (一)特征预处理 标准化、归一化、异常特征清洗、不平衡数据 不平衡数据的处理方法 (二)特征表达 缺失值、特殊特征(eg....连续特征离散化的好处 什么样的模型对缺失值更敏感?...深度学习优化算法
机器学习面试总结,自己在面试的过程中的总结。希望可以帮到大家。
R语言生成多模型预测结果仿真数据、使用pROC包计算每一个模型的roc曲线,使用roc.test函数对两个模型roc曲线执行德龙检验(delong test)
R语言重计算因子水平(因子水平实际并没有出现在数据中时非常有用):droplevels函数丢掉额外的因子水平
R语言保存和恢复随机数生成器的状态:将.Random.seed保存到其他变量,之后将变量值赋给.Random.seed从而恢复原来的值
R语言对数值取整:使用round函数并自定义指定小数位数(例如,保留1 位小数近似)
R语言对数值取整:使用round函数自定义指定向最近的 5 的倍数近似、使用digits参数配置
R语言对数值取整:向最近的整数取整, 将含有 .5 的值取整到最近一个偶数
R语言对数值取整:使用round函数自定义指定10 位取整、使用digits参数配置
R语言对数值取整:向下取整、向上取整、向0取整
R语言对数值取整:使用round函数自定义指定向最近的 .02 的倍数近似