發簡信
IP屬地：上海
-
2019-01-15
Scrapy爬蟲與機器學習之三：房屋掛牌價格預測 本文在前期抓取房產中介二手房某區域所有2453套房屋基礎上，使用機器學習的線性回歸模型進行預測...
-
2019-01-14
Scrapy爬蟲之一：房產網站掛牌信息 筆者有朋友計劃把自己的一套房屋在中介門店掛牌出售。為了能報一個最貼近市場行情的價格，需要1.掌握最新的本...
-
Regression Model 得分與數據的特征數據特征對于模型選擇，模型的運行結果起著決定性作用。現在比較boston數據的運行結果 可以看出，線性回歸模型y如果d取得高的得分需要： 1.大...
-
Linear Regression Models 機器學習線性回歸模型測試線性模型對于回歸類的機器學習速度快，效率高。基本原理是求出線性方程組的系數矩陣w à 和常數b. 具體可以有這樣幾類： 1. Linear ...
-
House Price Regression Process：Stacked Regressions
房屋銷售價格回歸預測的項目有很多人公開了其Kernel, 其中Serigne的“Stacked Regressions to predict H...
-
Kaggle成績之無監督學習：KMeans，DBSCAN聚類我們在分別對HOUSE PRICE 和Titanic 的比賽項目得分排行做了分析后，來把兩個成績放在一起。首先，我們選擇都參加的團隊名單及其分數...
-
Kaggle比賽成績分析之：Titanic我們在前幾篇的分析中，重點研究了House Price回歸類型的機器學習比賽項目。在Kaggle網站上與之并列的另外一個比賽項目比House P...
-
Kaggle比賽成績最新分析之：周末與熬夜我們上一篇分析了2016年到2018年每個月份的比賽人次。本篇我們進一步細分到周一，周二到周六，周日的比賽是怎么樣的？ 從如下的分析可以得出這樣...
-
Kaggle比賽成績最新分析之時間序列：月份如果我們按照時間來分析參賽會發現什么呢？ 本篇文章，我們先來看看2016年到2018年兩年來約24個月參賽人次有哪些有趣的變化？你可能猜對了：這...