<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[liying700的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/liying700</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; liying700]]></copyright><item><title><![CDATA[第二章 Scala变量和数据类型]]></title><link>https://blog.youkuaiyun.com/liying700/article/details/126355881</link><guid>https://blog.youkuaiyun.com/liying700/article/details/126355881</guid><author>liying700</author><pubDate>Mon, 15 Aug 2022 22:35:02 +0800</pubDate><description><![CDATA[Scala变量和数据类型]]></description><category></category></item><item><title><![CDATA[第一章 Scala概述]]></title><link>https://blog.youkuaiyun.com/liying700/article/details/126336455</link><guid>https://blog.youkuaiyun.com/liying700/article/details/126336455</guid><author>liying700</author><pubDate>Sun, 14 Aug 2022 22:05:24 +0800</pubDate><description><![CDATA[大数据之scala综述]]></description><category></category></item><item><title><![CDATA[hive合并数组]]></title><link>https://blog.youkuaiyun.com/liying700/article/details/107847824</link><guid>https://blog.youkuaiyun.com/liying700/article/details/107847824</guid><author>liying700</author><pubDate>Thu, 06 Aug 2020 19:39:19 +0800</pubDate><description><![CDATA[hive合并数组



将上图中红框的两个数组合并为一个数组并去重，也就是同一个productid对应的city_tags和hotel_tags取并集

第一步，先将数组中的数据全部取出来 使用LATERAL VIEW、explode 2个函数，可以实现把一个array类型的值分开


SELECT t.productID, t.cityID,t.airlineCode,t.hotelID,tagv FROM (SELECT productID, cityID,airlineCode,hotelID, ta]]></description><category></category></item><item><title><![CDATA[python科学计算--核心工具包一瞥（三）anaconda3安装pymysql]]></title><link>https://blog.youkuaiyun.com/liying700/article/details/107158371</link><guid>https://blog.youkuaiyun.com/liying700/article/details/107158371</guid><author>liying700</author><pubDate>Mon, 06 Jul 2020 14:34:52 +0800</pubDate><description><![CDATA[1.打开anaconda自带的prompt

2.进入anaconda暗转目录下的scripts文件下

3.执行pip install pymysql


]]></description><category></category></item><item><title><![CDATA[前端开发——小白踩坑记]]></title><link>https://blog.youkuaiyun.com/liying700/article/details/106938646</link><guid>https://blog.youkuaiyun.com/liying700/article/details/106938646</guid><author>liying700</author><pubDate>Wed, 24 Jun 2020 10:41:20 +0800</pubDate><description><![CDATA[踩坑经历一
两个页面来回切换时前端请求一直处于pending状态，不能及时返回数据，最终造成请求阻塞，请求失败。

一开始以为是因为接口出了问题，但是用postman测试接口，一切正常，数据库也没问题，后面查了很多资料，有一篇文章给我提了醒可查看该文章，可能是某个请求花费了大量的时间，后来就发现原来我的前端一直没有图标，而每次在页面切换的时候，浏览器都会默认发送一个请求获取一次网页图标，这个不是前端业务逻辑主动调用的XHR请求，但对于后端来说也是一次GET请求。请求不到图标就会一直pending，所以顺着这]]></description><category></category></item><item><title><![CDATA[python常用函数及方法解释]]></title><link>https://blog.youkuaiyun.com/liying700/article/details/105080210</link><guid>https://blog.youkuaiyun.com/liying700/article/details/105080210</guid><author>liying700</author><pubDate>Wed, 25 Mar 2020 09:49:06 +0800</pubDate><description><![CDATA[1.sort（）

描述：

  sort() 函数用于对原列表进行排序，如果指定参数，则使用比较函数指定的比较函数。

语法：

 list.sort( key=None, reverse=False)

key -- 主要是用来进行比较的元素，只有一个参数，具体的函数的参数就是取自于可迭代对象中，指定可迭代对象中的一个元素来进行排序。

reverse -- 排序规则...]]></description><category></category></item><item><title><![CDATA[urllib.parse模块使用]]></title><link>https://blog.youkuaiyun.com/liying700/article/details/104939561</link><guid>https://blog.youkuaiyun.com/liying700/article/details/104939561</guid><author>liying700</author><pubDate>Wed, 18 Mar 2020 10:55:42 +0800</pubDate><description><![CDATA[url.parse :定义了url的标准接口，实现url的各种抽取

parse模块的使用：url的解析，合并，编码，解码

使用时需导入:from urllib import parse

urlparse()实现URL的识别和分段


url = 'https://book.qidian.com/info/1004608738?wd=123&amp;page=20#Catalog'
"""
u...]]></description><category></category></item><item><title><![CDATA[系统推荐笔记——第三章_推荐系统冷启动问题]]></title><link>https://blog.youkuaiyun.com/liying700/article/details/104003827</link><guid>https://blog.youkuaiyun.com/liying700/article/details/104003827</guid><author>liying700</author><pubDate>Fri, 17 Jan 2020 13:42:10 +0800</pubDate><description><![CDATA[目录

一、利用用户注册信息

二、选择合适的物品启动用户的兴趣

三、利用物品的内容信息（参考LiuQQu文章，本章为优快云博主「LiuQQu」的原创文章）

四、发挥专家作用

冷启动问题主要分为3类。

用户冷启动 用户冷启动主要解决如何给新用户做个性化推荐问题，当新用户到来时，我们没有他的行为数据，所以也没办法根据他的历史行为预测兴趣，从而无法借此给他做个性化推荐。
	物品冷启动 物品冷...]]></description><category></category></item><item><title><![CDATA[推荐系统实践笔记——第二章_利用用户行为数据]]></title><link>https://blog.youkuaiyun.com/liying700/article/details/104000406</link><guid>https://blog.youkuaiyun.com/liying700/article/details/104000406</guid><author>liying700</author><pubDate>Thu, 16 Jan 2020 11:32:22 +0800</pubDate><description><![CDATA[目录

一、用户行为数据简介

二、用户行为分析

三、实验设计

四、基于邻域的算法

五、隐语义模型（参考LiuQQu的博客，版权声明：本文为优快云博主「LiuQQu」的原创文章）

六、基于图的模型（参考LiuQQu的博客，版权声明：本文为优快云博主「LiuQQu」的原创文章）

基于用户行为分析的推荐算法是个性化推荐系统的重要算法，学术界一般将这类型的算法称为协同过滤算法。

一、用户...]]></description><category></category></item><item><title><![CDATA[推荐系统实践笔记——第一章_好的推荐系统]]></title><link>https://blog.youkuaiyun.com/liying700/article/details/103956373</link><guid>https://blog.youkuaiyun.com/liying700/article/details/103956373</guid><author>liying700</author><pubDate>Mon, 13 Jan 2020 14:45:46 +0800</pubDate><description><![CDATA[目录



一、什么是推荐系统及推荐系统的任务：

二、推荐系统的应用

三、推荐系统评测

一、什么是推荐系统及推荐系统的任务：

推荐系统的任务就是联系用户和信息（物品），一方面帮助用户发现对自己有价值的信息（或称感兴趣的物品），另一方面能够让信息（物品）能够展现在对它感兴趣的用户面前。从而实现用户与信息（物品）之间的双赢。
	推荐系统与搜索引擎的区别在于，推荐紫铜不需要用户有明确的需求...]]></description><category></category></item><item><title><![CDATA[用户复购周期计算]]></title><link>https://blog.youkuaiyun.com/liying700/article/details/102497442</link><guid>https://blog.youkuaiyun.com/liying700/article/details/102497442</guid><author>liying700</author><pubDate>Fri, 11 Oct 2019 11:25:48 +0800</pubDate><description><![CDATA[用户复购周期（两次购买之间的时间间隔）
一、首先使用SQL进行计算
注：用户在一天中发生多次购买则只记为1次购买。
1.根据用户id与购买日期进行分组，将一天内发生多次消费记录进行合并。
DROP TABLE member_Repurchase_cycle_01;
CREATE TABLE member_Repurchase_cycle_01
AS
SELECT * FROM member_Rep...]]></description><category></category></item><item><title><![CDATA[产品转化率下跌原因分析思路]]></title><link>https://blog.youkuaiyun.com/liying700/article/details/101207183</link><guid>https://blog.youkuaiyun.com/liying700/article/details/101207183</guid><author>liying700</author><pubDate>Mon, 23 Sep 2019 15:23:21 +0800</pubDate><description><![CDATA[产品转化率是用户从【触达】–【感触】–【行动】的整个过程的转化效率。产品转化率下降要从这三个关键环节着手分析。
1.产品的获客渠道有哪些，即流量来源。
2.用户的关键行为（生命周期）有哪些，即AARRR，同时考察产品内容与产品结构。
3.用户的构成有哪些变化，哪部分用户转化率下降？
1.流量来源分析

通过对流量的来源渠道进行分析，包括该渠道用户的注册数量、访问时长、访问深度、留存、订单量、UV等...]]></description><category></category></item><item><title><![CDATA[用户画像（一）利用mysql进行用户画像]]></title><link>https://blog.youkuaiyun.com/liying700/article/details/101205070</link><guid>https://blog.youkuaiyun.com/liying700/article/details/101205070</guid><author>liying700</author><pubDate>Mon, 23 Sep 2019 15:08:39 +0800</pubDate><description><![CDATA[用户画像建模
一、什么是用户画像
用户画像、即用户标签化，通过收集用户的社会属性、消费习惯、偏好特征等各个维度的数据，对用户或者产品特征属性进行刻画，并对这些特征进行分析、统计以挖掘潜在的信息，从而抽象出一个用户的信息全貌。用户画像可看做是企业应用大数据的根基，是定向广告投放于个性化推荐的前置条件，为数据驱动运营奠定了基础。
用户画像的核心目的是了解用户，画像是真实用户的虚拟代表，是建立在一系列真...]]></description><category></category></item><item><title><![CDATA[机器学习基础知识]]></title><link>https://blog.youkuaiyun.com/liying700/article/details/82455714</link><guid>https://blog.youkuaiyun.com/liying700/article/details/82455714</guid><author>liying700</author><pubDate>Thu, 06 Sep 2018 10:45:28 +0800</pubDate><description><![CDATA[1.常见的六种特征选择方法：

1）DF(Document Frequency) 文档频率

DF:统计特征词出现的文档数量，用来衡量某个特征词的重要性

2）MI(Mutual Information) 互信息法

互信息法用于衡量特征词与文档类别直接的信息量。

如果某个特征词的频率很低，那么互信息得分就会很大，因此互信息法倾向&quot;低频&quot;的特征词。

相对的词频很高的词，得分就会变低，如果这词携...]]></description><category></category></item><item><title><![CDATA[《用python进行员工离职原因分析与预测-----小象学院公开课》]]></title><link>https://blog.youkuaiyun.com/liying700/article/details/78417880</link><guid>https://blog.youkuaiyun.com/liying700/article/details/78417880</guid><author>liying700</author><pubDate>Wed, 01 Nov 2017 19:57:32 +0800</pubDate><description><![CDATA[1。什么是数据分析]]></description><category></category></item><item><title><![CDATA[自然语言处理3---TFIDF]]></title><link>https://blog.youkuaiyun.com/liying700/article/details/78342967</link><guid>https://blog.youkuaiyun.com/liying700/article/details/78342967</guid><author>liying700</author><pubDate>Wed, 25 Oct 2017 16:24:55 +0800</pubDate><description><![CDATA[# -*- coding:utf-8 -*-'''
将tfidf写入txt文件
'''
import string
import sys
import codecsreload(sys)
import os
from sklearn.feature_extraction.text import TfidfVectorizer, CountVectorizer, TfidfTransformerif]]></description><category></category></item><item><title><![CDATA[自然语言处理2---jieba分词]]></title><link>https://blog.youkuaiyun.com/liying700/article/details/78342938</link><guid>https://blog.youkuaiyun.com/liying700/article/details/78342938</guid><author>liying700</author><pubDate>Wed, 25 Oct 2017 16:23:22 +0800</pubDate><description><![CDATA[# -*- encoding:utf-8 -*-
import re,HTMLParser
import sys
reload(sys)
import os
import jieba
from sklearn.feature_extraction.text import TfidfVectorizer
#sys.setdefaultencoding('utf-8')#输出的内容（爬下来的）是utf-]]></description><category></category></item><item><title><![CDATA[自然语言处理1---文本预处理（删除非文本，非数字字符）]]></title><link>https://blog.youkuaiyun.com/liying700/article/details/78342916</link><guid>https://blog.youkuaiyun.com/liying700/article/details/78342916</guid><author>liying700</author><pubDate>Wed, 25 Oct 2017 16:22:02 +0800</pubDate><description><![CDATA[# -*- encoding:utf-8 -*-
import re,HTMLParser
import sys
reload(sys)
import os
sys.setdefaultencoding('utf-8')#输出的内容（爬下来的）是utf-8的形式
def file_fill(file_dir):  # 得到文本.txt的路径
    for root, dirs, files in]]></description><category></category></item><item><title><![CDATA[python科学计算--核心工具包一瞥（三）（Ipython 及Ipython Notebook安装，win10，64）]]></title><link>https://blog.youkuaiyun.com/liying700/article/details/74517028</link><guid>https://blog.youkuaiyun.com/liying700/article/details/74517028</guid><author>liying700</author><pubDate>Thu, 06 Jul 2017 09:19:17 +0800</pubDate><description><![CDATA[1.ipython 
pip install ipython 
安装好后，输入ipython命令，界面如下： 
然后安装了urllib3（pip install）,pyzmp（pip install），tornado（pip install） 
（虽然我不知道为什安装这些，也不知道这都是啥。。。。）2.启动notebook,在cmd窗口输入 
ipython notebook,启动起来了，是在网页浏]]></description><category></category></item><item><title><![CDATA[python科学计算--核心工具包一瞥（二）（win10 64位，numpy,scipy，pandas，seaborn，wordcloud安装）]]></title><link>https://blog.youkuaiyun.com/liying700/article/details/73656013</link><guid>https://blog.youkuaiyun.com/liying700/article/details/73656013</guid><author>liying700</author><pubDate>Fri, 23 Jun 2017 20:59:04 +0800</pubDate><description><![CDATA[1.安装numpy，scipy 
（1）在网站http://www.lfd.uci.edu/~gohlke/pythonlibs/上下载： 
numpy-1.11.1+mkl-cp27-cp27m-win_amd64.whl，scipy-0.18.0-cp27-cp27m-win_amd64.whl两个安装包 
（2）打开cmd的dos命令行，进入到python安装目录下的scripts目录下使用p]]></description><category></category></item></channel></rss>