qq_40305043的博客

在用seaborn画折线图时，一张图中的多条线颜色十分接近。如下图，根本看不清sns.lineplot有一个参数是palette，意思是“调色板????”。官网：https://seaborn.pydata.org/generated/seaborn.lineplot.html该参数可以为string、list、dict、或者是matplotlib.colors.Colormap举个例子：import pandas as pdimport matplotlib.pyplot as pltim

Cramér’s V – What and Why?https://www.spss-tutorials.com/cramers-v-what-and-why/#ref20Cramér’s V is a number between 0 and 1 that indicates how strongly two categorical variables are associated. Cramér’s V 是一个介于 0 和 1 之间的数字，表示两个分类变量的关联程度。If we’d like to

先说一下本人的情况：本211硕985，有项目，论文在投在牛客网上找的和自己研究方向十分契合的岗位，内推下面列举了被问到的一部分问题，另一部分记不得了20210308：面试指导自我介绍简单问了和项目、个人亮点相关的几个问题20210309：技术一面（同事面）自我介绍介绍项目一你们的这一作品目前还在继续使用吗？介绍项目二这个项目的应用场景是什么？Pytorch和tensorflow两个框架的区别（同事做不是算法相关的，问的问题更多有关项目）20210310：技术二面（leader面）

“inter” means “between” or “among”.“intra” means “within”.从international（国际的）和intranational（国内的）的角度来思考。第一个是“跨多个国家”，第二个是“在一个国家内”。 在涉及尝试将样本分配给类别的许多问题中，目标是最大化类别间的差异，并最小化类别内的差异。也就是说，每个类别中的样本必须尽可能相似，而不同类别中的样本必须尽可能不同。参考：https://www.quora.com/Whats-the-differe

面试被问到交叉验证，今天花了点时间整理了一下交叉验证相关的知识交叉验证：N折交叉验证有两个用途：模型评估（周志华《机器学习》p24）和模型选择。模型评估可以看成是模型选择过程中的一个步骤：先对候选的每个模型进行评估，再选出评估表现最好的模型作为最终模型。把这种策略用于划分训练集和测试集，就可以进行模型评估；把这种策略用于划分训练集和验证集，就可以进行模型选择。交叉验证的核心思想：对数据集进行多次划分，对多次评估的结果取平均，从而消除单次划分时数据划分得不平衡而造成的不良影响。因为这种不良影响在小规模数

生成模型和判别模型**生成模型：**由数据学习联合概率分布 P(X,Y)P(X,Y)P(X,Y)，然后利用贝叶斯定理 P(Y∣X)=P(X,Y)/P(X)P(Y|X)=P(X,Y)/P(X)P(Y∣X)=P(X,Y)/P(X)，求出条件概率分布 P(Y∣X)P(Y|X)P(Y∣X) 作为预测的模型。基本思想是首先建立样本的联合概率密度模型 P(X,Y)P(X,Y)P(X,Y)，然后再得到后验概率 P(Y∣X)P(Y|X)P(Y∣X)，再利用它进行分类。这个过程中还得先求出 P(X)P(X)P(X)，P(X

最近找实习发现面试官们很喜欢问这个问题，印象中本科大二时的计算机网络那本书写得很详细，找来看了看便有了如下的梳理：TCP进行拥塞控制的算法有四种：慢开始、拥塞避免、快重传和快恢复。1.慢开始和拥塞避免发送方维持一个叫做拥塞窗口cwnd(congestion window)的状态变量。拥塞窗口的大小取决于网络的拥塞程度，并且动态地在变化。发送方让自己的发送窗口等于拥塞窗口。慢开始：当主机开始发送数据时，由于并不清楚网络的负荷情况，所以如果立刻把大量数据字节注入到网络，就可能引起网络发生拥塞。先探测一下

张量的通俗理解：https://www.cnblogs.com/abella/p/10142935.html

特征工程（Feature Engineering）“数据决定了机器学习的上限，而算法只是尽可能逼近这个上限”，这里的数据指的就是经过特征工程得到的数据。特征工程就是一个把原始数据转变成特征的过程，这些特征可以很好的描述这些数据，并且利用它们建立的模型在未知数据上的表现性能可以达到最优（或者接近最佳性能）。从数学的角度来看，特征工程就是去设计输入变量X。在机器学习时代，如果需要对Input进行表...

\qquad本人在2019年9月参加了中山大学数据科学与计算机学院的推免面试，将模拟机试的题目记录如下。（正式机试时有原题出现）\qquad详细内容已放进网盘，需要的伙伴自取：\qquad链接：https://pan.baidu.com/s/1RH-BxwKf43ezAHQwgNY1fQ\qquad提取码：5u6h...

信息熵、信息增益与信息增益率信息熵、信息增益与信息...

Cmd Markdown 公式指导手册