Task4建模与调参4.1学习目标学习机器学习模型的建模过程与调参流程完成相应学习打卡任务4.2内容介绍逻辑回归模型：理解逻辑回归模型；逻辑回归模型的应用；逻辑回归的优缺点；树模型：理解树模型；树模型的应用；树模型的优缺点；集成模型基于bagging思想的集成

均值是通过取数值的总和并除以数据序列中的值的数量来计算。R语言平均值公式：mean(x,trim0,na.rmFALSE,...）\x<c(22,13,2,45,56,73,21,44,NA)\result.mean<mean(x,rim0.2,na.rmTRUE)rim0

均值滤波均值滤波也称为线性滤波，其采用的主要方法为邻域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（x，y），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y），作为处理后图像在该点上的灰度g（x，y），即g（x，y）∑f（x，y）/mm为该模板中

importmatplotlib.pyplotaspltimportnumpyasnpfromkerasimportSequentialfromkeras.layersimportDensexnp.linspace(10,10,300)y3x

关于红包算法，其实笔者早在16年某个直播平台实现过。论彻底随机性，网上可刊资料少之又少。在网上查阅的资料大部分都是非随机分配、均值波动分配等方案，那么以下笔者来分享一套红包的分配算法。介绍下网上惯用的做法：1、均值波动分配  即根据总金额和数量，计算出平均值，为每个红包的金额进行上下随机波动，计算出所有红包的金额。2、随机金额分配 

1前备知识(1)标准方差简单来说，标准差是一组数据平均值分散程度的一种度量。一个较大的标准差，代表大部分数值和其平均值之间差异较大；一个较小的标准差，代表这些数值较接近平均值。!(https://oscimg.oschina.net/oscnet/831617be65e39f584f9c64b298b

前言上一篇写了推荐系统最古老的的一种算法叫协同过滤，古老并不是不好用，其实还是很好用的一种算法，随着时代的进步，出现了神经网络和因子分解等更优秀的算法解决不同的问题。这里主要说一下逻辑回归，逻辑回归主要用于打分的预估。我这里没有打分的数据所以用性别代替。这里的例子就是用歌曲列表预判用户性别。什么是逻辑回归逻辑回归的资料比

Linuxcare是linux发展前期第一个对linux做支持的公司。在1998年，Linuxcare开展了面对出版业的业务，华尔街日报等主流商业刊物都是他们的客户，Linuxcare帮助这些出版社将他们的工作转移到Linux系统上。不过整个业务进展并不顺利，最后由于资金短缺，公司管理层决定暂时关闭Linuxcare。现在，十年后，他的

由来From我的好朋友燃哥去年曾多次问过我，能不能写一种日内策略。也有很多朋友来问我，要求写一个网格、做市商策略。但我一般都直接回绝了，关于这些策略，首先你要有很强的数学功底，起码得有一个数学博士。另外高频量化比的更是财力，比如说资金量和宽带网速等等。最重要的是这些违背了我对交易的理解。那有没有其他办法可以做高频交

资料获取地址见文末或评论！一、预备知识微积分（偏导数、梯度等等）概率论与数理统计（例如极大似然估计、中央极限定理、大数法则等等）最优化方法（比如梯度下降、牛顿拉普什方法、变分法（欧拉拉格朗日方程）、凸优化等等）二、路线1（基于普通最小二乘法的）简单线性回归线性回归中的新进展（岭回归和LASSO回归）(此处可以插入Bagging和AdaBoost的内容