R 语言

data.table 与 pandas

谢士晨 / 2021-01-19

数据分析项目通常可以分解为以下过程，数据加载 - 数据清洗 -(特征处理、可视化、模型训练)- 成果汇报 1。其中，数据清洗与特征处理或者称为数据预处理过程，一般会占据整个项目的大部分时间。熟练掌握相关工具，提高数据处理的效率，是开展数据分析工作的基础。在开展数据科学相关工作时，最常用的开源工具包括 R 与 python。对于可在内存级处理的数据，在 R 中通常使用 data.table 包进行数据处理，……

统计软件

gcForest 算法原理及 Python 与 R 实现

徐静 / 2018-10-12

从目前来看深度学习大多建立在多层的神经网络基础上，即一些参数化的多层可微的非线性模块，这样就可以通过后向传播去训练，Zhi-Hua Zhou 和 Ji Feng 在 Deep Forest [1,2] 论文中基于不可微的模块建立深度模块，这就是 gcForest。传统的深度学习有一定的弊端： […] 但是有一点是我们相信的，在处理更复杂的学习问题时，算法的学习模块应该要变的更深（论文 The……

统计软件

数据通灵术之爬虫技巧

杜亚磊 / 2017-08-20

俗话说 "巧妇难为无米之炊"。如果你是一个数据忍者，却因为没有数据而烦恼，这卷 "数据通灵术" 或许是你需要的。首先你要看透术名那华丽的外衣，它的真面目是：爬虫技巧。此卷通灵术包含了爬虫的基础入门术，动态加载破解术，登陆破解术，以及额外赠送的手机 APP 爬取篇。 […] 简单来说，爬虫就是从网上自动下载网页，经过解析处理得到你想到要的数据。这里的步……

统计软件

Python 的七种武器

肖凯 / 2016-10-06

君子生非异也，善假于物也。 “物”能够延展英雄的能力。它是吕布的赤兔马，杨过的玄铁重剑，CS 中的沙漠之鹰，曹操传中的凤凰羽衣。“物”也可用以治愈英雄，例如张无忌的黑玉断续膏，李逍遥的天香续命露，还有深夜里 TVB 的一碗面。对于不同的位面，有着不同的宝物定义。对古时文人来讲，笔墨纸砚，是当时具有生产力输出的四大工具。对程序员来讲，当代的 “文房四宝” 不外乎是：笔记本，大屏幕，机械键盘，人体工学……

COS 访谈

COS 访谈第 18 期：陈天奇

陈天奇 / 何通 / 2015-06-28

【COS 编辑部按】受访者：陈天奇采访者：何通简介：陈天奇，华盛顿大学计算机系博士生，研究方向为大规模机器学习。他曾获得 KDD CUP 2012 Track 1 第一名，并开发了 SVDFeature，XGBoost，cxxnet 等著名机器学习工具，是 Distributed (Deep) Machine Learning Common 的发起人之一。何：你的本科在上海交大的 ACM 班就读，是怎么开始做……