DMax13的博客

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

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

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

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

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');

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..

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

学习目标： Task05：SQL高级处理 学习产出： 窗口函数（OLAP函数） <窗口函数> OVER ([PARTITION BY <列名>] ORDER BY <排序用列名>) []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

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

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>500 UNION SELECT * FROM product2 WHERE sale_price>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

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 <视图名称&

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:

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 <列名>, …… FROM <表名> WHERE <条件表达式>; 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

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

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： ...