<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[lezhuximing的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/lezhuximing</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; lezhuximing]]></copyright><item><title><![CDATA[pandas-dataframe-输出显示全部行列]]></title><link>https://blog.youkuaiyun.com/lezhuximing/article/details/136298114</link><guid>https://blog.youkuaiyun.com/lezhuximing/article/details/136298114</guid><author>lezhuximing</author><pubDate>Mon, 26 Feb 2024 14:10:11 +0800</pubDate><description><![CDATA[PS：行数过多容易卡，不关注全部行列的时候可以注释掉相关部分。]]></description><category></category></item><item><title><![CDATA[Linux-查看虚拟环境]]></title><link>https://blog.youkuaiyun.com/lezhuximing/article/details/136279553</link><guid>https://blog.youkuaiyun.com/lezhuximing/article/details/136279553</guid><author>lezhuximing</author><pubDate>Sun, 25 Feb 2024 10:26:14 +0800</pubDate><description><![CDATA[conda activate 虚拟环境名称。3.查看虚拟环境中安装了哪些python包。1.查看自己的虚拟环境。]]></description><category></category></item><item><title><![CDATA[Excel-批量替换]]></title><link>https://blog.youkuaiyun.com/lezhuximing/article/details/136279436</link><guid>https://blog.youkuaiyun.com/lezhuximing/article/details/136279436</guid><author>lezhuximing</author><pubDate>Sun, 25 Feb 2024 10:17:49 +0800</pubDate><description><![CDATA[批量替换：点击编辑->点击查找->点击替换->填写好内容->点击全部替换。]]></description><category></category></item><item><title><![CDATA[进阶SQL —— 取指定字段的分位数]]></title><link>https://blog.youkuaiyun.com/lezhuximing/article/details/135970741</link><guid>https://blog.youkuaiyun.com/lezhuximing/article/details/135970741</guid><author>lezhuximing</author><pubDate>Thu, 01 Feb 2024 11:56:28 +0800</pubDate><description><![CDATA[例子中value表示我们想取分位数的列值；nums为分区总行数；如果没有分区需求，去掉dt相关的部分即可。最终结果是取了value的0.25分位，0.5分位，0.75分位，0.9分位。具体想取多少分位，直接改数值即可。如果有分区需求，筛选排序值 = 分区总数 * 分位数，则可以得到每个分区的分位数；没有分区需求，筛选排序值 = 总行数 * 分位数，则可以得到分位数。如果有分区需求，先对数据分区排序；没有分区需求，则直接对数据排序。如果有分区需求，求每个分区的总数；没有分区需求，则直接求总行数。]]></description><category></category></item><item><title><![CDATA[常用SQL —— presto SQL 消除科学记数法，保留2位小数]]></title><link>https://blog.youkuaiyun.com/lezhuximing/article/details/135969610</link><guid>https://blog.youkuaiyun.com/lezhuximing/article/details/135969610</guid><author>lezhuximing</author><pubDate>Thu, 01 Feb 2024 11:11:21 +0800</pubDate><description><![CDATA[【代码】常用SQL —— presto SQL 消除科学记数法，保留2位小数。]]></description><category></category></item><item><title><![CDATA[常用SQL——concat_ws字符串拼接]]></title><link>https://blog.youkuaiyun.com/lezhuximing/article/details/135961837</link><guid>https://blog.youkuaiyun.com/lezhuximing/article/details/135961837</guid><author>lezhuximing</author><pubDate>Thu, 01 Feb 2024 10:34:01 +0800</pubDate><description><![CDATA[【代码】常用SQL——concat_ws字符串拼接。]]></description><category></category></item><item><title><![CDATA[python-sql-spark常用操作]]></title><link>https://blog.youkuaiyun.com/lezhuximing/article/details/134851108</link><guid>https://blog.youkuaiyun.com/lezhuximing/article/details/134851108</guid><author>lezhuximing</author><pubDate>Thu, 07 Dec 2023 11:29:29 +0800</pubDate><description><![CDATA[distinct用来查询不重复记录的条数,即用distinct来返回不重复字段的条数（count(distinct id)）,其原因是distinct只能返回他的目标字段，而无法返回其他字段。可以直接运行select rand() 获取0~1之间的float型的数字，类似的，如果想获得例如1~100之间的整数随机数可以运行 select round(100*rand(),0)group by， order by 后面跟数字，指的是 select 后面选择的列（属性），1 代表第一个列（属性），依次类推。]]></description><category></category></item><item><title><![CDATA[PSO粒子群算法]]></title><link>https://blog.youkuaiyun.com/lezhuximing/article/details/134833733</link><guid>https://blog.youkuaiyun.com/lezhuximing/article/details/134833733</guid><author>lezhuximing</author><pubDate>Wed, 06 Dec 2023 15:52:59 +0800</pubDate><description><![CDATA[（1）对于有多个局部极值点的函数，容易陷入到局部极值点中，得不到正确的结果。造成这种问题的原因是PSO算法并没有很充分地利用计算过程中获得的信息，在每一步迭代中，仅仅利用了群体最优和个体最优的信息。（4）PSO算法是一种启发式的仿生优化算法，当前还没有严格的理论基础，仅仅是通过对某种群体搜索现象的简化模拟而设计的，但并没有从原理上说明这种算法为什么有效，以及它适用的范围。粒子群算法也是多目标搜索，有利于得到多目标意义下的最优解，可以并行的探索多个非劣解，也探索到多个pareto解。]]></description><category></category></item><item><title><![CDATA[ItemCF召回]]></title><link>https://blog.youkuaiyun.com/lezhuximing/article/details/134833431</link><guid>https://blog.youkuaiyun.com/lezhuximing/article/details/134833431</guid><author>lezhuximing</author><pubDate>Wed, 06 Dec 2023 15:42:59 +0800</pubDate><description><![CDATA[内容：itemCF算法通过计算用户的历史行为记录，来分析物品之间的相似度：如果喜欢物品a的用户大多数也喜欢物品b，那么认为物品A与物品B具有一定的相似度。精度（准确率和召回率）：准确率和召回率与参数k并不呈正相关或者负相关，但是选择合适的K对于获得推荐系统高的精度比较重要。流行度：随着K的增大，推荐结果的流行度会逐渐提高，但是当K增加到一定的程度，流行度就不会再有明显变化。除此之外，不同领域的最热门物品之间的相似度往往也是很高的。活跃的用户，相比起不活跃的用户而言，对物品之间相似度的贡献更小。]]></description><category></category></item><item><title><![CDATA[RTB召回系统]]></title><link>https://blog.youkuaiyun.com/lezhuximing/article/details/134833393</link><guid>https://blog.youkuaiyun.com/lezhuximing/article/details/134833393</guid><author>lezhuximing</author><pubDate>Wed, 06 Dec 2023 15:41:23 +0800</pubDate><description><![CDATA[美团DSP广告策略实践：https://tech.meituan.com/2017/05/05/mt-dsp.html。广告召回系统的演进：https://zhuanlan.zhihu.com/p/110112102。]]></description><category></category></item><item><title><![CDATA[DML算法]]></title><link>https://blog.youkuaiyun.com/lezhuximing/article/details/134832411</link><guid>https://blog.youkuaiyun.com/lezhuximing/article/details/134832411</guid><author>lezhuximing</author><pubDate>Wed, 06 Dec 2023 15:15:07 +0800</pubDate><description><![CDATA[在double-log的基础上对数据进行去偏处理后再建模。]]></description><category></category></item><item><title><![CDATA[VNS-变邻域搜索算法]]></title><link>https://blog.youkuaiyun.com/lezhuximing/article/details/134831963</link><guid>https://blog.youkuaiyun.com/lezhuximing/article/details/134831963</guid><author>lezhuximing</author><pubDate>Wed, 06 Dec 2023 15:06:03 +0800</pubDate><description><![CDATA[变邻域搜索算法（VNS）就是一种改进型的局部搜索算法。它利用不同的动作构成的邻域结构进行交替搜索，在集中性和疏散性之间达到很好的平衡。其思想可以概括为“变则通”。变邻域搜索算法依赖于以下事实：1) 一个邻域结构的局部最优解不一定是另一个邻域结构的局部最优解。2) 全局最优解是所有可能邻域的局部最优解。变邻域搜索算法主要由以下两个部分组成：1) VARIABLE NEIGHBORHOOD DESCENT (VND) 变邻域下降2) SHAKING PROCEDURE 震荡程序。]]></description><category></category></item><item><title><![CDATA[树模型与深度模型对比]]></title><link>https://blog.youkuaiyun.com/lezhuximing/article/details/134826740</link><guid>https://blog.youkuaiyun.com/lezhuximing/article/details/134826740</guid><author>lezhuximing</author><pubDate>Wed, 06 Dec 2023 11:08:48 +0800</pubDate><description><![CDATA[同上：https://fesian.blog.youkuaiyun.com/article/details/126798583?为什么基于树的模型在表格数据上仍然优于深度学习：https://blog.youkuaiyun.com/deephub/article/details/126580032。]]></description><category></category></item><item><title><![CDATA[多场景多任务优化]]></title><link>https://blog.youkuaiyun.com/lezhuximing/article/details/134826699</link><guid>https://blog.youkuaiyun.com/lezhuximing/article/details/134826699</guid><author>lezhuximing</author><pubDate>Wed, 06 Dec 2023 11:06:47 +0800</pubDate><description><![CDATA[一种面向多场景多任务优化的自动稀疏专家选择方法，它通过简洁有效的架构，实现了样本级细颗粒度的自动网络结构学习，对各种场景结构有较强的普适性。论文已被 SIGIR2022 录用，同时已经在支付宝数金搜索场景上进行了全流量推全，获得了显著的业务效果。]]></description><category></category></item><item><title><![CDATA[盒马补贴量价-2021KDD]]></title><link>https://blog.youkuaiyun.com/lezhuximing/article/details/134825867</link><guid>https://blog.youkuaiyun.com/lezhuximing/article/details/134825867</guid><author>lezhuximing</author><pubDate>Wed, 06 Dec 2023 10:59:05 +0800</pubDate><description><![CDATA[电商商品定价三个关键问题：在只有观测数据的时候，怎么构建价格弹性，现在来看这就是一个反事实推断的问题，不仅是如何做的问题，还有如何评估的问题。长周期的规划决策问题怎么建模 & 求解，如何在决策优化中考虑不确定性。这种pricing的问题，在现实世界中如何做A/B、如何科学评估效果。采取促销时，使得利润最优的价格折扣应该是多少？（关于价格弹性曲线拟合以及价格优化）易腐商品多个阶段的动态定价问题。这个问题中需求学习的主要挑战在大部分商品的价格并不会经常变动，甚至从未变动过。]]></description><category></category></item><item><title><![CDATA[常用SQL——IF介绍]]></title><link>https://blog.youkuaiyun.com/lezhuximing/article/details/134333231</link><guid>https://blog.youkuaiyun.com/lezhuximing/article/details/134333231</guid><author>lezhuximing</author><pubDate>Fri, 10 Nov 2023 14:54:43 +0800</pubDate><description><![CDATA[在MySQL中，`IF`函数接受一个条件表达式，如果条件为真，则返回`true_value`，否则返回`false_value`。下面是一个简单的教程，介绍如何在不同的数据库中使用`IF`语句。上述示例中，如果`students`表中存在`score`大于等于60的记录，则返回'及格'，否则返回'不及格'。上述示例中，如果`students`表中存在`score`大于等于60的记录，则输出'及格'，否则输出'不及格'。上述示例中，如果`score`列的值大于等于60，则返回'及格'，否则返回'不及格'。]]></description><category></category></item><item><title><![CDATA[进阶SQL——数据表中多列按照指定格式拼接，并将多行内容合并为map拼接]]></title><link>https://blog.youkuaiyun.com/lezhuximing/article/details/134333058</link><guid>https://blog.youkuaiyun.com/lezhuximing/article/details/134333058</guid><author>lezhuximing</author><pubDate>Fri, 10 Nov 2023 14:49:39 +0800</pubDate><description><![CDATA[1. `collect_set(concat_ws(':',modelname,score))`：首先，使用`concat_ws()`函数将`modelname`和`score`两列的值以冒号为分隔符拼接在一起，然后使用`collect_set()`函数将拼接后的字符串进行去重，得到一个包含唯一值的集合。接下来，使用Spark SQL语句将字符串转换为Map类型，并将结果赋值给`result`变量。4. `as score_map`：最后，将转换后的Map类型赋值给一个名为`score_map`的别名。]]></description><category></category></item><item><title><![CDATA[常用SQL——设置浮点数保留几位小数]]></title><link>https://blog.youkuaiyun.com/lezhuximing/article/details/134332709</link><guid>https://blog.youkuaiyun.com/lezhuximing/article/details/134332709</guid><author>lezhuximing</author><pubDate>Fri, 10 Nov 2023 14:37:19 +0800</pubDate><description><![CDATA[【代码】常用SQL——设置浮点数保留几位小数]]></description><category></category></item><item><title><![CDATA[常用SQL——row_number()介绍]]></title><link>https://blog.youkuaiyun.com/lezhuximing/article/details/134332386</link><guid>https://blog.youkuaiyun.com/lezhuximing/article/details/134332386</guid><author>lezhuximing</author><pubDate>Fri, 10 Nov 2023 14:31:24 +0800</pubDate><description><![CDATA[其中，碰到相同的值，排序的序号不会重复，而是按照相同的值随机排序，递增进行序号编码。如果是升序排序，则去掉上面示例中的“DESC”即可。上述示例中的ro_no即为排序序号。]]></description><category></category></item><item><title><![CDATA[常用SQL——CASE WHEN 介绍]]></title><link>https://blog.youkuaiyun.com/lezhuximing/article/details/134332229</link><guid>https://blog.youkuaiyun.com/lezhuximing/article/details/134332229</guid><author>lezhuximing</author><pubDate>Fri, 10 Nov 2023 14:22:25 +0800</pubDate><description><![CDATA[【代码】常用SQL——CASE WHEN 介绍]]></description><category></category></item></channel></rss>