數據挖掘

圖對比學習（Graph Contrastive Learning, GCL）旨在以自監督的方式學習圖的節點表征。具體而言，先以特定方式對原圖A進行增廣，得到兩個增廣后的視圖（view）V1和V2做為對比對（也可以是原圖和增廣后的視圖做為對比對），并經由GCN進行編碼得到兩個增廣視圖中的節點embed... ... ?

本文分享自華為云社區《[論文閱讀] (03)?清華張超老師?- Fuzzing漏洞挖掘詳細總結?GreyOne》，作者：?eastmount。 一.傳統的漏洞挖掘方法 演講題目：?數據流敏感的漏洞挖掘方法 內容摘要：?模糊測試近年來成為安全研究人員的必備的漏洞挖掘工具，是近年來漏洞披露數量爆發的重要 ... ?

數據挖掘18大算法實現以及其他相關經典DM算法：決策分類，聚類，鏈接挖掘，關聯挖掘，模式挖掘。圖算法，搜索算法等 ... ?

“AI Earth”人工智能創新挑戰賽：助力精準氣象和海洋預測Baseline[1]、NetCDF4使用教學、Xarray 使用教學，針對氣象領域.nc文件讀取處理 ... ?

[toc] # 一、背景介紹 您好，我是[@馬哥python說](https://mp.weixin.qq.com/s/EuOKLq6ZSgQGnijreylSiA) ，一枚10年程序猿。 自從2023.3月以來，"淄博燒烤"現象持續占領熱搜流量，體現了后疫情時代眾多網友對人間煙火氣的美好向往，本現 ... ?

數據挖掘實踐（金融風控）：金融風控之貸款違約預測挑戰賽（上篇）[xgboots/lightgbm/Catboost等模型]--模型融合：stacking、blending ... ?

【機器學習入門與實踐】合集入門必看系列，含數據挖掘項目實戰 項目鏈接合集（必看） 項目專欄合集https://www.heywhale.com/home/column/64141d6b1c8c8b518ba97dcc 必看 1. 【機器學習入門與實踐】合集入門必看系列 A.機器學習系列入門系列[一] ... ?

【機器學習入門與實踐】數據挖掘-二手車價格交易預測（含EDA探索、特征工程、特征優化、模型融合等） note：項目鏈接以及碼源見文末 1.賽題簡介 了解賽題 賽題概況 數據概況 預測指標 分析賽題 數據讀取pandas 分類指標評價計算示例 回歸指標評價計算示例 EDA探索 載入各種數據科學以及可視 ... ?

工業蒸汽量預測（最新版本下篇） 5.模型驗證 5.1模型評估的概念與正則化 5.1.1 過擬合與欠擬合 ### 獲取并繪制數據集 import numpy as np import matplotlib.pyplot as plt %matplotlib inline np.random.seed( ... ?

工業蒸汽量預測（最新版本下篇） 5.模型驗證 5.1模型評估的概念與正則化 5.1.1 過擬合與欠擬合 ### 獲取并繪制數據集 import numpy as np import matplotlib.pyplot as plt %matplotlib inline np.random.seed( ... ?

機器學習實戰系列[一]：工業蒸汽量預測 背景介紹 火力發電的基本原理是：燃料在燃燒時加熱水生成蒸汽，蒸汽壓力推動汽輪機旋轉，然后汽輪機帶動發電機旋轉，產生電能。在這一系列的能量轉化中，影響發電效率的核心是鍋爐的燃燒效率，即燃料燃燒加熱水產生高溫高壓蒸汽。鍋爐的燃燒效率的影響因素很多，包括鍋爐的可調參 ... ?

1.機器學習算法（九）: 基于線性判別模型的LDA手寫數字分類識別 1.1 LDA算法簡介和應用 線性判別模型（LDA）在模式識別領域（比如人臉識別等圖形圖像識別領域）中有非常廣泛的應用。LDA是一種監督學習的降維技術，也就是說它的數據集的每個樣本是有類別輸出的。這點和PCA不同。PCA是不考慮樣本 ... ?

BP（Back Propagation）網絡是1986年由Rumelhart和McCelland為首的科學家小組提出，是一種按誤差逆傳播算法訓練的多層前饋網絡，是目前應用最廣泛的神經網絡模型之一。BP網絡能學習和存貯大量的輸入-輸出模式映射關系，而無需事前揭示描述這種映射關系的數學方程。它的學習規則... ... ?

1. 機器學習系列入門系列[七]：基于英雄聯盟數據集的LightGBM的分類預測 1.1 LightGBM原理簡介 LightGBM是2017年由微軟推出的可擴展機器學習系統，是微軟旗下DMKT的一個開源項目，它是一款基于GBDT（梯度提升決策樹）算法的分布式梯度提升框架，為了滿足縮短模型計算時間的 ... ?

1. 機器學習系列入門系列[七]：基于英雄聯盟數據集的LightGBM的分類預測 1.1 LightGBM原理簡介 LightGBM是2017年由微軟推出的可擴展機器學習系統，是微軟旗下DMKT的一個開源項目，它是一款基于GBDT（梯度提升決策樹）算法的分布式梯度提升框架，為了滿足縮短模型計算時間的 ... ?

1.機器學習算法（六）基于天氣數據集的XGBoost分類預測 1.1 XGBoost的介紹與應用 XGBoost是2016年由華盛頓大學陳天奇老師帶領開發的一個可擴展機器學習系統。嚴格意義上講XGBoost并不是一種模型，而是一個可供用戶輕松解決分類、回歸或排序問題的軟件包。它內部實現了梯度提升樹( ... ?

1.機器學習算法（六）基于天氣數據集的XGBoost分類預測 1.1 XGBoost的介紹與應用 XGBoost是2016年由華盛頓大學陳天奇老師帶領開發的一個可擴展機器學習系統。嚴格意義上講XGBoost并不是一種模型，而是一個可供用戶輕松解決分類、回歸或排序問題的軟件包。它內部實現了梯度提升樹( ... ?

決策樹的主要優點： 1. 具有很好的解釋性，模型可以生成可以理解的規則。 2. 可以發現特征的重要程度。 3. 模型的計算復雜度較低。 決策樹的主要缺點： 1. 模型容易過擬合，需要采用減枝技術處理。 2. 不能很好利用連續型特征。 3. 預測能力有限，無法達到其他強監督模型效果。 4. 方差... ... ?

決策樹的主要優點： 1. 具有很好的解釋性，模型可以生成可以理解的規則。 2. 可以發現特征的重要程度。 3. 模型的計算復雜度較低。 決策樹的主要缺點： 1. 模型容易過擬合，需要采用減枝技術處理。 2. 不能很好利用連續型特征。 3. 預測能力有限，無法達到其他強監督模型效果。 4. 方差... ... ?

優點： 樸素貝葉斯算法主要基于經典的貝葉斯公式進行推倒，具有很好的數學原理。而且在數據量很小的時候表現良好，數據量很大的時候也可以進行增量計算。由于樸素貝葉斯使用先驗概率估計后驗概率具有很好的模型的可解釋性。 缺點： 樸素貝葉斯模型與其他分類方法相比具有最小的理論誤差率。但是實際上并非總是如此，這... ... ?