以下问答源于和一位保险经纪人的沟通记录。

如何用学习曲线判断过拟合和欠拟合。

辛普森悖论（Simpson’s Paradox）是英国统计学家E.H.辛普森（E.H.Simpson）于 1951 年提出的悖论，即在某个条件下的两组数据，分别讨论时都会满足某种性质，可是一旦合并考虑，却可能导致相反的结论。

DictVectorizer使用场景

Read more..

数据标准化是处理不同规模和量纲数据的方式，使其缩放到相同的数据区间和范围，以减少规模、特征、分布差异等对模型的影响。比如：员工数量的值是 50 - 2000 人，销售额的值是 1000000 - 5000000 万。单位尺度不同，使用梯度下降算法，就需要很多次迭代。

项目（或者分数）结果好，是不是因为运气好？

K-Means 原理

Read more..

2017 年到 2019 年间，我们都在谈论网点的各种经营问题和未来方向。并且各种末端解决方案层出不穷。大家都在迷茫，希望，反思中度过。作为在快递行业多年的三方软件服务方，我们感同身受。以下先对各种问题作简单回顾。

集成学习是时下非常火爆的一款机器学习方法，是将多个弱分类器按照某种方式组合起来，形成一个强分类器，以此来获得比单个模型更好的回归和分类表现，其常用的方法有 Bagging 和 Boosting。

关于决策树的一些内容。