<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[DMax13的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/DMax13</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; DMax13]]></copyright><item><title><![CDATA[task05吃瓜支持向量机]]></title><link>https://blog.youkuaiyun.com/DMax13/article/details/122248549</link><guid>https://blog.youkuaiyun.com/DMax13/article/details/122248549</guid><author>DMax13</author><pubDate>Fri, 31 Dec 2021 01:50:15 +0800</pubDate><description><![CDATA[简介

支持向量机是一种经典的二分类模型，基本模型定义为特征空间中最大间隔的线性分类器，其学习的优化目标便是间隔最大化，因此支持向量机本身可以转化为一个凸二次规划求解的问题。
2. 最大间隔与支持向量
函数间隔不适合用来最大化间隔，因此这里我们要找的最大间隔指的是几何间隔，于是最大间隔分类器的目标函数定义为：

一般地，我们令r^为1（这样做的目的是为了方便推导和目标函数的优化），从而上述目标函数转化为：

对于y(w’x+b)=1的数据点，即右图中位于w’x+b=1或w’x+b=-1上的数据点，我们称之.]]></description><category></category></item><item><title><![CDATA[task04神经网络]]></title><link>https://blog.youkuaiyun.com/DMax13/article/details/122176594</link><guid>https://blog.youkuaiyun.com/DMax13/article/details/122176594</guid><author>DMax13</author><pubDate>Mon, 27 Dec 2021 17:22:21 +0800</pubDate><description><![CDATA[task04神经网络
神经网络的的基础单元：神经元（neuron）
神经元是神经网络中的最基本的成分，其是仿造生物学中神经细胞之间传递信号的方式而设计的。在生物神经网络中，神经细胞都是相互相连的，当一个神经元接收到其它神经元发送的化学物质时，其会判断神经元的电位是否超过阈值。如果超过了，该神经元将会被激活，并向其它神经元发送化学物质。
与此类似，机器学习中的神经元接收来自 n 个其它神经元传递过来的输入信号，这些输入数据通过加权计算之后，神经元将会判断其是否超过神经元阈值。如果超过阈值，神经元将被激活，并通]]></description><category></category></item><item><title><![CDATA[task02LDA]]></title><link>https://blog.youkuaiyun.com/DMax13/article/details/122162929</link><guid>https://blog.youkuaiyun.com/DMax13/article/details/122162929</guid><author>DMax13</author><pubDate>Sun, 26 Dec 2021 23:28:21 +0800</pubDate><description><![CDATA[datawhale task02
3.1 基本形式
线性模型的本质是通过一个所有属性的线性组合进行预测的函数，即
f(x)=w1x1+w2x2+...+wdxd+bf(x)=w_1x_1+w_2x_2+...+w_dx_d+bf(x)=w1​x1​+w2​x2​+...+wd​xd​+b
一般用向量形式写成
f(x)=wTx+bf(x)=w^Tx+bf(x)=wTx+b其中w表示属性在预测中的重要性。
机器学习三要素： (1)确定研究模型 (2)确定损失函数 (3)确定优化算法
3.2 线性回归

从最简单]]></description><category></category></item><item><title><![CDATA[吃瓜task03]]></title><link>https://blog.youkuaiyun.com/DMax13/article/details/122053607</link><guid>https://blog.youkuaiyun.com/DMax13/article/details/122053607</guid><author>DMax13</author><pubDate>Tue, 21 Dec 2021 00:56:13 +0800</pubDate><description><![CDATA[第三章 线性模型
3.1 基本形式
线性模型 (linear model)试图学得一个通过属性的线性组合来进行预测的函数
f(x)=ω1x1+ω2x2+⋯+ωdxd+bf(x)=\omega_1x_1+\omega_2x_2+\cdots+\omega_dx_d+bf(x)=ω1​x1​+ω2​x2​+⋯+ωd​xd​+b
f(x)=ωTx+bf(x)=\omega^Tx+bf(x)=ωTx+b
3.2 线性回归
“线性回归” (linear regression)试图学得一个线性模型以尽可能准确地预测实值]]></description><category></category></item><item><title><![CDATA[吃瓜日记1st]]></title><link>https://blog.youkuaiyun.com/DMax13/article/details/121941942</link><guid>https://blog.youkuaiyun.com/DMax13/article/details/121941942</guid><author>DMax13</author><pubDate>Tue, 14 Dec 2021 22:50:10 +0800</pubDate><description><![CDATA[第1章 绪论
1.1 引言
机器学习致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。
“经验”通常以“数据”的形式存在。
机器学习研究的主要内容： 在计算机上从数据中产生“模型”（model）的算法，即“学习算法”。（learning alorithm）
机器学习是研究“学习算法”的学问。
1.2 基本术语
记录 属性 属性值 属性空间（样本空间、输入空间）特征向量 维数 学习（训练）标记（带有结果信息） 样例 标记空间（输出空间） 分布 独立同分布
学习的过程是为了逼近真相
分类：对于离散值的]]></description><category></category></item><item><title><![CDATA[DockerTask01]]></title><link>https://blog.youkuaiyun.com/DMax13/article/details/115646572</link><guid>https://blog.youkuaiyun.com/DMax13/article/details/115646572</guid><author>DMax13</author><pubDate>Mon, 12 Apr 2021 23:05:25 +0800</pubDate><description><![CDATA[DockerTask01
学习内容：
Docker 在容器的基础上，进行了进一步的封装，从文件系统、网络互联到进程隔离等等，极大的简化了容器的创建和维护。使得 Docker 技术比虚拟机技术更为轻便、快捷。
虚拟机在宿主机(host)中的OS上面是hypervisor(hypervisor)，然后依次建立虚拟机，虚拟化的仓库，然后安装程序。但是对于Docker来说，在宿主机(host)中的OS上面是Docker Engine，然后直接在Doker Engine安装应用。
Docker三大概念

镜像
容器
]]></description><category></category></item><item><title><![CDATA[task06综合练习]]></title><link>https://blog.youkuaiyun.com/DMax13/article/details/111875572</link><guid>https://blog.youkuaiyun.com/DMax13/article/details/111875572</guid><author>DMax13</author><pubDate>Mon, 28 Dec 2020 21:49:02 +0800</pubDate><description><![CDATA[综合练习
练习1：分组求和
-创建employee
Id VARCHAR(1) NOT NULL,
Name VARCHAR(225) NOT NULL,
Salary INT ,
DepartmentID VARCHAR(1),
PRIMARY KEY(Id)
);

INSERT INTO employee VALUES('1','Joe',70000,'1'),
('2','Henry',80000,'2'),
('3','Sam',60000,'2'),
('4','Max',90000,'1');]]></description><category></category></item><item><title><![CDATA[pandas_task05]]></title><link>https://blog.youkuaiyun.com/DMax13/article/details/111828688</link><guid>https://blog.youkuaiyun.com/DMax13/article/details/111828688</guid><author>DMax13</author><pubDate>Sun, 27 Dec 2020 23:47:52 +0800</pubDate><description><![CDATA[练习
1.

df = pd.read_csv('data/Drugs.csv',index_col=['State','COUNTY']).sort_index()
df.head()
result = pd.pivot_table(df,index=['State','COUNTY','SubstanceName']
                 ,columns='YYYY'
                 ,values='DrugReports',fill_value='-').rese..]]></description><category></category></item><item><title><![CDATA[第四章 分组]]></title><link>https://blog.youkuaiyun.com/DMax13/article/details/111712092</link><guid>https://blog.youkuaiyun.com/DMax13/article/details/111712092</guid><author>DMax13</author><pubDate>Fri, 25 Dec 2020 23:31:45 +0800</pubDate><description><![CDATA[学习目标：
第四章 分组

学习产出：
分组模式及其对象
分组的一般模式
语法
df.groupby(分组依据)[数据来源].使用操作


]]></description><category></category></item><item><title><![CDATA[Task05：SQL高级处理]]></title><link>https://blog.youkuaiyun.com/DMax13/article/details/111641544</link><guid>https://blog.youkuaiyun.com/DMax13/article/details/111641544</guid><author>DMax13</author><pubDate>Thu, 24 Dec 2020 20:29:53 +0800</pubDate><description><![CDATA[学习目标：
Task05：SQL高级处理

学习产出：
窗口函数（OLAP函数）
&lt;窗口函数&gt; OVER ([PARTITION BY &lt;列名&gt;]
                     ORDER BY &lt;排序用列名&gt;) 


[]中的内容可以省略掉
PARTITON BY是用来分组
ORDER BY用于字段规则排序

几个专用窗口函数

RANK 如果有并列，则跳过之后的位次。如有三个并列第一名则：1,1,1,4，
DENSE_RANK 如果有并列，但是不会跳过之后]]></description><category></category></item><item><title><![CDATA[Task03：索引]]></title><link>https://blog.youkuaiyun.com/DMax13/article/details/111568816</link><guid>https://blog.youkuaiyun.com/DMax13/article/details/111568816</guid><author>DMax13</author><pubDate>Tue, 22 Dec 2020 22:59:24 +0800</pubDate><description><![CDATA[索引器
列索引（for表）
【df[‘col1’]】 == 【df.列名】#（列名中不包含空格）：取相应列
【df[[‘col1’, ‘col2’]]】#：取多列组成DataFrame
行索引（for序列）
以字符串为索引的Series
以整数位索引的Series

补充说明：
如果不想陷入麻烦，请不要把纯浮点以及任何混合类型（字符串、整数、浮点类型等的混合） 作为索引，否则可能会在具体的操作时报错或者返回非预期的结果

loc 索引
基于元素的 loc 索引器，基于位置的 iloc 索引器
loc[‘行名]]></description><category></category></item><item><title><![CDATA[SQL学习笔记task04——集合运算]]></title><link>https://blog.youkuaiyun.com/DMax13/article/details/111561816</link><guid>https://blog.youkuaiyun.com/DMax13/article/details/111561816</guid><author>DMax13</author><pubDate>Tue, 22 Dec 2020 22:01:36 +0800</pubDate><description><![CDATA[加法

UNION并集运算
和OR语句有异曲同工之处，但是出于查询效率使用UNION更好

SELECT
	FROM
UNION
SELECT
	FROM

练习题
SELECT *
	FROM product
WHERE sale_price&gt;500
UNION
SELECT *
	FROM product2
WHERE sale_price&gt;500;


UNION中会对查询结果集进行合并去重，如果不需要去除可以使用UNION ALL语句

差集与补集
MySQL8.0暂时不支持EXCEPT]]></description><category></category></item><item><title><![CDATA[Task03：复杂一点的查询]]></title><link>https://blog.youkuaiyun.com/DMax13/article/details/111461252</link><guid>https://blog.youkuaiyun.com/DMax13/article/details/111461252</guid><author>DMax13</author><pubDate>Sun, 20 Dec 2020 22:14:03 +0800</pubDate><description><![CDATA[学习目标：
Task03：复杂一点的查询

学习内容：
1、 视图
2、子查询
3、 函数
4、 谓词
5、 CASE 表达式

学习产出：
视图
一 、视图与数据表的区别




视图
数据表




虚拟
真实



二、 视图的优点

通过定义视图可以将频繁使用的SELECT语句保存以提高效率。
通过定义视图可以使用户看到的数据更加清晰。
通过定义视图可以不对外公开数据表全部字段，增强数据的保密性。
通过定义视图可以降低数据的冗余。
三、 具体语法
(1)

CREATE VIEW &lt;视图名称&]]></description><category></category></item><item><title><![CDATA[Task02-Pandas基础]]></title><link>https://blog.youkuaiyun.com/DMax13/article/details/111400982</link><guid>https://blog.youkuaiyun.com/DMax13/article/details/111400982</guid><author>DMax13</author><pubDate>Sat, 19 Dec 2020 22:38:13 +0800</pubDate><description><![CDATA[学习目标：
Task02-Pandas基础

学习内容：
1、 一些自己之前忘记的东西
2、 窗口对象
3、 Pandas库函数总结
4、练习题

学习产出：
一些之前自己忘记的东西


在读取 txt 文件时，经常遇到分隔符非空格的情况， read_table 有一个分割参数 sep ，它使得用户可以自定义分割符号，进行 txt 数据的读取。例如，下面的读取的表以 |||| 为分割：



这里注意sep是正则表达式，需要转义。需要将’engine’指定为python否则：

ParserWarning:]]></description><category></category></item><item><title><![CDATA[Task02：基础查询与排序]]></title><link>https://blog.youkuaiyun.com/DMax13/article/details/111332437</link><guid>https://blog.youkuaiyun.com/DMax13/article/details/111332437</guid><author>DMax13</author><pubDate>Thu, 17 Dec 2020 22:46:52 +0800</pubDate><description><![CDATA[学习目标：
Task02：基础查询与排序

学习内容：

SELECT语句基础
算术运算符和比较运算符
逻辑运算符
对表进行聚合查询
对表进行分组
为聚合结果指定条件
对查询结果进行排序
练习题


学习产出：
Select语句
SELECT &lt;列名&gt;, ……
  FROM &lt;表名&gt;
 WHERE &lt;条件表达式&gt;;


代表全部列
出现中文用""扩出来
在SQL中注释用–或者/     */

下面给出一个实例来演示Select语句
-- 想要查询出全部列时，可以使用代表]]></description><category></category></item><item><title><![CDATA[Pandas_Task01：预备知识]]></title><link>https://blog.youkuaiyun.com/DMax13/article/details/111302321</link><guid>https://blog.youkuaiyun.com/DMax13/article/details/111302321</guid><author>DMax13</author><pubDate>Wed, 16 Dec 2020 23:50:20 +0800</pubDate><description><![CDATA[学习目标：
python基础

学习内容：
提示：这里可以添加要学的内容
例如：
1、 python基础
2、 pandas基础

遗漏的python知识

map函数:它返回的是一个 map 对象，需要通过 list 转为列表：

map(function, iterable, ...)
list(map(lambda x: 2*x, range(5)))#e.g.

numpy总结

可在这里下载
练习题自己的想法



#作业
M1 = np.random.rand(2,3)
M2 = np.rand]]></description><category></category></item><item><title><![CDATA[SQLTask01]]></title><link>https://blog.youkuaiyun.com/DMax13/article/details/111144429</link><guid>https://blog.youkuaiyun.com/DMax13/article/details/111144429</guid><author>DMax13</author><pubDate>Mon, 14 Dec 2020 23:37:38 +0800</pubDate><description><![CDATA[学习目标：
Task00：绪论 - 环境搭建
Task01：初识数据库
学习内容：


MySQL 8.0 的安装
数据库的一些基本知识


学习时间：
课程内容较为简单因此不占用太多时间
1、 12.12晚
2、 12.13下午

学习产出：

...]]></description><category></category></item></channel></rss>