coco_cai的

1.如何识别山寨APP 2.有监督学习vs无监督学习是否有监督（supervised），就看输入数据是否有标签（label）。输入数据有标签，则为有监督学习，没标签则为无监督学习。最简单也最普遍的一类机器学习算法就是分类（classification）。对于分类，输入的训练数据有特征（feature），有标签（label）。所谓的学习，其本质就是找到特征和标签间的关系（mapping）

10.数据库练习bt.user_visit_logvisit_time（访问时间）user_id（账号ID）page_url（访问页量）2017-03-16 00:59:4323564/ad/test12017-03-16 01:01:0394535

1.异常值检测原因：(1)数据来源于不同的类：某个数据对象可能不同于其他数据对象(即异常)，因为它术语一个不同的类型或类。Hawkins的离群点定义：离群点是一个观测值，它与其他观测值的差别如此之大，以至于怀疑它是由不同的机制产生的。(2)自然变异：许多数据集可以用一个统计分布建模，如正态(高斯)分布建模，其中数据对象的概率随对象到分布中心距离的增加而急剧减少。换言之，大部分数据对象靠

DBSAN优点1.与K-means方法相比，DBSCAN不需要事先知道要形成的簇类的数量。2.与K-means方法相比，DBSCAN可以发现任意形状的簇类。3.同时，DBSCAN能够识别出噪声点。4.DBSCAN对于数据库中样本的顺序不敏感，即Pattern的输入顺序对结果的影响不大。但是，对于处于簇类之间边界样本，可能会根据哪个簇类优先被探测到而其归属有所摆动。缺点：1.

def is_outlier(points, threshold=3.5): """ Returns a boolean array with True if points are outliers and False otherwise. Data points with a modified z-score greater than this

Student(SId,Sname,Sage,Ssex)           学生表(学号、姓名、年龄、性别)Course(CId,Cname,TId)                课程表（课程编号、课程名字、教师编号）SC(SId,CId,score)                     成绩表（学号、课程编号、成绩）Teacher(TId,Tname)            

无监督学习的评估方法1.Normalizedmutual information度量2个聚类结果的相近程度http://www.cnblogs.com/ziqiao/archive/2011/12/13/2286273.html2.以sqrt(n)或者更小的随机subsampling出的样本去聚类 m次，看看有哪些点分类不太一致改变聚类参数，达到比较结果3.把无监督学习的结

LDA代码：class LDAModel(object): def __init__(self, dpre): self.dpre = dpre # 获取预处理参数 # # 模型参数 # 聚类个数K，迭代次数iter_times,每个类特征词个数top_words_num,超参数α（alpha） β(beta) # self.K = K self.beta

python 日志文件记录# -*- coding:utf-8 -*- #import logginglog_format = '%(filename)s [%(asctime)s] [%(levelname)s] %(message)s'logging.basicConfig(format=log_format, datefmt='%Y-%m-%d %H:%M:%S %p', lev

2. pandas ：Sereies最重要的一个功能是，在算术运算中会自动对齐不同索引的数据。3.不想每查一次数据库就重写一次，pandas有一个简化该过程的read_frame函数：import pandas.io.sql as sql srl.read_frame('select * from test', con)

1. “MySQL has Gone Away”mysql出现ERROR: (2006, 'MySQL server has gone away') 的问题意思就是指client和MySQLserver之间的链接断开了。造成这样的原因一般是sql操作的时间过长，或者是传送的数据太大(例如使用insert... values的语句过长 原因一. MySQL 服务宕了判断是否属于这

1.mysql字段类型2.余弦相似度

1.视图的作用，视图可以更改么？视图是虚拟的表，与包含数据的表不一样，视图只包含使用时动态检索数据的查询；不包含任何列或数据。使用视图可以简化复杂的sql操作，隐藏具体的细节，保护数据；视图创建后，可以使用与表相同的方式利用它们。视图不能被索引，也不能有关联的触发器或默认值，如果视图本身内有order by则对视图再次order by将被覆盖。创建视图：create view XX

1. 时间复杂度用来检验某个算法处理一定量的数据要花多长时间。为了描述这个复杂度，计算机科学家使用数学上的『简明解释算法中的大O符号』。这个表示法用一个函数来描述算法处理给定的数据需要多少次运算。重要的不是数据量，而是当数据量增加时运算如何增加。时间复杂度不会给出确切的运算次数，但是给出的是一种理念。2.数据库的sort()函数——合并排序：与很多有用的算法类似，合并排序基于这样一

独立IP:是指独立用户/独立访客。指访问某个站点或点击某条新闻的不同IP地址的人数，在同一天的00:00-24:00内，独立IP只记录第一次进入网站的具有独立IP的访问者，假如一台电脑关机了，30分钟后重启，再次访问这个站那就再计算一次ip，在同一天内再次访问该网站则不计数。UV（网站独立访客）：UV是unique visitor的简写，是指通过互联网访问、浏览这个网页的自然人。pv（p

1.比例vs比率。比例是指在总体中各部分的数值占全部数值的比重，通常反映总体的构成和结构。比率是反映一个整体中各部分之间的关系。2.同比是历史同时期进行比较得到的数值，该指标主要反映的是事物发展的相对情况；环比是指与前一个统计期比较得到的数值，该指标主要反映的是事物逐期发展的情况。3.数据清洗工作。（1）重复数据的处理：函数（Excel中的COUNTIF）、高级筛选、条件格式（Excel

1.python 的Requests库可以处理复杂的Http请求、cookie、header（响应头和请求头）2.大多数主流网站都会在它们robots.txt文件里注明禁止爬虫接入登录表单，需要一组不同类型的表单和登录内容。用request实现用request跟踪cookie3.到目前为止，JavaScript是网络上最常用也是支持者最多的客户端脚本语言。j

树1.二分查找树，检索任意数据的比较次数不会多于树的高度，搜索效率为O(log n)。2.平衡二叉树，一棵树的左右两个子树的高度差的绝对值不会超过1。3.满二叉树，每一层上的所有结点都有两个子结点。在满二叉树中，每一层上的结点数都达到最大值，即在满二叉树的第k层上有2k-1个结点，且深度为m的满二叉树有2m－1个结点；完全二叉树：一颗二叉树最多只有最下面的两层节点度数可以小于2，并且最

1.数据库变高效：（1）给每个数据表增加一个id字段。（2）只能索引，e.g.质检所查询列的一部分字符。（3）关于数据查询时间和数据空间问题 2.数据存储后再清洗：OpenRefine 3.马尔科夫文字生成器：基于一种常用于分析大量随机事件的马尔可夫模型，随机事件的特点是一个离散事件发生之后，另一个离散时间将在前一个事件的条件下以一定的概率发生的。 4.python的自然语

链表1.链表是现行数据结构，C++中，List实现了双向链表，JAVA中LinkedList2.哑节点：只要设计操作head节点，创建dummycode，ListNode*dummy = new ListNode(0);dummy-> = head；这使得操作head节点与操作其他节点无益。3.对于寻找链表的某个特定位置的问题，不妨用两个指针变量runner与chaser（ListNo

1.数组。“开辟一个数组”相当于系统为你提供了一段连续的内存区间用于存取数据。在C/C++中，标准的数组可以通过在栈上分配空间，或者通过先声明指针，然后用new/malloc（C函数）在堆上动态地分配空间。在旧的C编译器中，不能在栈上定义一个长度不确定的数组，新的C编译器没有这一限制，但是数组长度不定，则不能初始化数组。C/C++编译环境下，二维数组的创建两种方式：在栈上创建intarray[M]

1.异常值就是远离集中趋势的值，异常值有可能是采集和处理数据过程中的错误导致的，也有可能是罕见的正确结果。2.概率质量函数（ProbabilityMass Function，PMF）：以函数的形式表示分布，该函数将值映射到概率。如果要处理的比较少，PMF很合适；但随着数据的增加，每个值的概率就会降低，而随机噪声的影响就会增大。3.相对风险（relativerisk）两个概率的壁纸，通常用于

1.主键的两个原因：唯一地标识表中唯一地一行；表中该列针对每一行都拥有一个唯一值。2.制作表头，直接量的使用： SELECT ‘FirstName:’ FirstName FROM Orders（First Name:表头空值）3.SQL有连接字段：SELECT FirstName + ‘ ’ + LastName FROM Orders；MySQL用CONTACT函数：SELECTCON

面向对象设计1.继承，通过继承方式，子类能够改写父类方法，同时保留部分父类方法。继承在静态编译时就定义了，所以无法在运行时刻改写父类方法。如果子类没有改写父类方法，就相当于依赖了父类这个方法的实现细节，会认为破坏封装性。如果父类接口定义需要更改时，子类也需要更改响应接口。2.组合。对象组合通过获得其他对象引用而在运行时刻动态定义。对象只能通过接口来访问，所以不会破坏封装性。使用组合方式，我

排序和搜索1.所谓的内排序是指所有的数据已经读入内存。在内存中进行排序的算法；同时，内排序也一般假定所有用到的辅助空间可以直接存在于内存中。与之对应，另一类排序称为外排序，即内存中无法保存全部数据，需要进行磁盘访问，每次读入部分数据到内存进行排序。 合并排序：利用分而治之的思想，对两部分非别进行排序，排序完成后，在将各自排序好的两个部分合并还原成一个有序结构；算法的时间复杂度为O(nl

1. OSI简介：OSI采用了分层的结构化技术，共分七层，物理层、数据链路层、网络层、传输层、会话层、表示层、应用层。物理层：提供为建立、维护和拆除物理链路所需要的机械的、电气的、功能的和规程的特性；有关的物理链路上传输非结构的位流以及故障检测指示。数据链路层：在网络层实体间提供数据发送和接收的功能和过程；提供数据链路的流控。网络层：控制分组传送系统的操作、路由选择、拥护控制、网络互连

#includeint main(){ int e[10][10],k,i,j,n,m,t1,t2,t3; int inf=999999; scanf("%d %d", &n,&m); for(i=1;i<=n;i++) for(j=1;j<=m;j++) if(i==j) e[i][j]=0; else e[i][j]=inf; for(i=

题目见上篇#includestruct note{ int x; int y; int f; int s;};int main(){ struxt note que[2051]; int a[51][51]={0}, book[51][51]={0}; int next[4][2]={{0,1},{1,0},{0,-1},{-1,0}}; int head,tai