accuracy: 準確率
機器學習的常用評價指標。定義如下：
accuracy = (truepositives + truenegatives) / 總樣本數
經常和準確率一起出現的，還有精確率和召回率。activation function: 啟用函式一種函式（例如 relu 或 sigmoid），將前一層所有神經元啟用值的加權和輸入到乙個非線性函式中，然後向下一層傳遞該函式的輸出值（典型的非線性）。
如下圖，在神經元中，輸入的 inputs 通過加權，求和後，還被作用了乙個函式，這個函式就是啟用函式 activation function。
常見的啟用函式有：sigmoid、tanh、relu、softmax等
adagrad：一種優化演算法
adagrad是一種複雜的優化演算法（梯度下降演算法），它能夠在迭代過程中不斷地自我調整學習率，並讓模型引數中每個元素都使用不同學習率。
auc: 曲線下面積
auc（area under curve）也是一種常見的機器學習評價指標，和roc（receiver operating characteristic）曲線一起常被用來評價乙個二值分類器（binary classifier）的優劣。相比準確率、召回率、f-score這樣的評價指標，roc曲線有這樣乙個很好的特性：當測試集中正負樣本的分布變化的時候，roc曲線能夠保持不變。在實際的資料集中經常會出現類不平衡（class imbalance）現象，即負樣本比正樣本多很多（或者相反），而且測試資料中的正負樣本的分布也可能隨著時間變化。
auc值是乙個概率值，當你隨機挑選乙個正樣本以及乙個負樣本，當前的分類演算法根據計算得到的score值將這個正樣本排在負樣本前面的概率就是auc值。auc值越大，當前的分類演算法越有可能將正樣本排在負樣本前面，即能夠更好的分類。
從調包到工程實戰，如何快速掌握機器學習技能
基礎技能是必備的 一方面是因為機器學習本身的體系十分龐大，當然只是教sklearn調個模型顯然不是在認真講機器學習。學習路徑的設計 知識點難易度的把握，案例的選取，內容的深入程度 等細節都做了大量延伸和重點打磨。既要易於理解，也要兼顧深度 掌握那部分核心技能，並在實際的案例中輸出結果 比如系統的微積...
機器學習從入門到出家
作者 張紅林 編輯 顧鄉 本文主要介紹的是自己的一些經歷，以及讀過的一些書，實際應用的經驗並沒有介紹，包括現在很多機器學習的書一般也是側重於理論，結合實踐的時候會發現和模型比起來，資料清洗 特徵工程的實際效果更明顯，而這方面很難有系統的理論知識，怎麼辦呢？讀 去搜尋自己應用領域有關的 大公司的經典的...
快速排序 從理解到掌握
首先我們先來看下快速排序演算法的原理 從陣列中取得乙個 標誌數字 沒有要求，可以隨便取，一般取第乙個 定義兩個位置變數 i j i 左邊找大於等於 標誌數字 的數 i 從右邊找小於等於 標誌數字 的數 找到後兩者交換位置 直到以該數字為標誌，實現該數字的左邊都是小於等於該數字的數，右邊都是大於等於該...