<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[DBL_fish的博客]]></title><description><![CDATA[我捉住了一只蝉，以为抓住了整个夏天]]></description><link>https://blog.youkuaiyun.com/qq_41853536</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_41853536]]></copyright><item><title><![CDATA[oracle常用函数]]></title><link>https://blog.youkuaiyun.com/qq_41853536/article/details/131993579</link><guid>https://blog.youkuaiyun.com/qq_41853536/article/details/131993579</guid><author>qq_41853536</author><pubDate>Sat, 29 Jul 2023 13:01:55 +0800</pubDate><description><![CDATA[oracle在update、delete、和inset操作后，要commit操作。接下来就是进行数据回滚操作了。（1）开启闪回，如果不开启无法进行闪回。DELETE FROM表名 WHERE 条件;Oracle 删除数据的几种方法。（2）闪回表数据到某个时间点。一 .创建存储过程语法。]]></description><category></category></item><item><title><![CDATA[机器学习总结]]></title><link>https://blog.youkuaiyun.com/qq_41853536/article/details/91422237</link><guid>https://blog.youkuaiyun.com/qq_41853536/article/details/91422237</guid><author>qq_41853536</author><pubDate>Tue, 11 Jun 2019 12:13:39 +0800</pubDate><description><![CDATA[调和平均 和 F1值的关系：

调和平均容易受极端值的影响，F1值相当于把精准率和召回率放在同等重要的位置进行衡量。

链接：

为何选用F1值（调和平均数）衡量P与R？ - weixin_39490983的博客 - 优快云博客 https://blog.youkuaiyun.com/weixin_39490983/article/details/88297899

调和平均数在F1上的应用 - 简书 ...]]></description><category></category></item><item><title><![CDATA[剑指offer(python)_动态规划——56. 从1到n整数中1出现的次数]]></title><link>https://blog.youkuaiyun.com/qq_41853536/article/details/89282037</link><guid>https://blog.youkuaiyun.com/qq_41853536/article/details/89282037</guid><author>qq_41853536</author><pubDate>Sat, 13 Apr 2019 16:45:28 +0800</pubDate><description><![CDATA[56.（困难）(题目不难，难处在于，不要超过时间限制，内存限制，最优解法)

输入一个整数n，求从1到n这n个整数的十进制表示中1出现的次数。

例如输入12，从1到12这些整数中包含“1”的数字有1，10，11和12，其中“1”一共出现了5次。

样例


输入： 12
输出： 5

1.暴力解法，超过内存限制（Memory Limit Exceeded ）给的测试数据不大就能过，给的大的...]]></description><category></category></item><item><title><![CDATA[剑指offer(python)_动态规划——55. 连续子数组的最大和]]></title><link>https://blog.youkuaiyun.com/qq_41853536/article/details/89281351</link><guid>https://blog.youkuaiyun.com/qq_41853536/article/details/89281351</guid><author>qq_41853536</author><pubDate>Sat, 13 Apr 2019 13:46:51 +0800</pubDate><description><![CDATA[55.（简单）——动态规划

输入一个非空整型数组，数组里的数可能为正，也可能为负。

数组中一个或连续的多个整数组成一个子数组。

求所有子数组的和的最大值。

要求时间复杂度为O(n)。

样例


输入：[1, -2, 3, 10, -4, 7, 2, -5]

输出：18

解题思路：

动态规划问题

状态：dp[i]记录当前以i结尾的连续数组的最大值

（1）如果 dp[i]= ...]]></description><category></category></item><item><title><![CDATA[数据结构_总纲]]></title><link>https://blog.youkuaiyun.com/qq_41853536/article/details/89113236</link><guid>https://blog.youkuaiyun.com/qq_41853536/article/details/89113236</guid><author>qq_41853536</author><pubDate>Mon, 08 Apr 2019 22:41:38 +0800</pubDate><description><![CDATA[目录



数据结构：

1.线性表：

2.链表：

3.栈和队列：

4.几种排序算法：

5.几种查找算法：

6.二叉树和树：

7.字符串匹配：

8.图

参考资料：

数据结构：

1.线性表：

2.链表：

3.栈和队列：

4.几种排序算法：

5.几种查找算法：

6.二叉树和树：

7.字符串匹配：

8.图

参考资料：

数据结构与算法（python 语言描述）
...]]></description><category></category></item><item><title><![CDATA[架构（B站尚硅谷大数据项目实践 电影推荐系统概述）]]></title><link>https://blog.youkuaiyun.com/qq_41853536/article/details/88866367</link><guid>https://blog.youkuaiyun.com/qq_41853536/article/details/88866367</guid><author>qq_41853536</author><pubDate>Thu, 28 Mar 2019 12:22:50 +0800</pubDate><description><![CDATA[详细版：



整体流程：







数据模型：



数据模型解析：



整体模块：



环境搭建：





数据加载服务：spark(scala)



推荐模块：



后台：





前端：



打包部署：



解决冷启动问题：






...]]></description><category></category></item><item><title><![CDATA[sklearn preprocessing(预处理)]]></title><link>https://blog.youkuaiyun.com/qq_41853536/article/details/88832222</link><guid>https://blog.youkuaiyun.com/qq_41853536/article/details/88832222</guid><author>qq_41853536</author><pubDate>Tue, 26 Mar 2019 22:28:15 +0800</pubDate><description><![CDATA[转发sklearn preprocessing （预处理） - 做梦当财神 - 博客园 https://www.cnblogs.com/keye/p/8194539.html

预处理的几种方法：标准化、数据最大最小缩放处理、正则化、特征二值化和数据缺失值处理。

知识回顾：



p-范数：先算绝对值的p次方，再求和，再开p次方。

数据标准化：尽量将数据转化为均值为0，方差为1的数据，形如标...]]></description><category></category></item><item><title><![CDATA[机器学习（三）：决策树--回归树--提升方法]]></title><link>https://blog.youkuaiyun.com/qq_41853536/article/details/88658832</link><guid>https://blog.youkuaiyun.com/qq_41853536/article/details/88658832</guid><author>qq_41853536</author><pubDate>Wed, 20 Mar 2019 16:54:15 +0800</pubDate><description><![CDATA[参考：七月在线机器学习第九期决策树，西瓜书

目录

决策树（Deecisioon Tree model)

总体概括:

(1)ID3:

（2）C4.5

（3）CART（二叉树）

回归树：

bagging思想:

决策树优缺点：

参考：



决策树（Deecisioon Tree model)

总体概括:

逻辑回归过渡到决策树：

对于相亲问题，有很多中就解决方案，用...]]></description><category></category></item><item><title><![CDATA[机器学习——特征工程篇]]></title><link>https://blog.youkuaiyun.com/qq_41853536/article/details/88582948</link><guid>https://blog.youkuaiyun.com/qq_41853536/article/details/88582948</guid><author>qq_41853536</author><pubDate>Fri, 15 Mar 2019 20:47:14 +0800</pubDate><description><![CDATA[参考：七月在线ML第九期-特征工程

目录

1.数据清洗

2.采样

2.特征工程

数值型：

（1）幅度缩放（最大最小值缩放，归一化。。。）

（2）离散化/分箱分桶（等距pd.cut ,等频pd.qcut）(非线性，加速，特征交叉，健壮性)

（3）统计值：（max,min ，quantile，均值，中位数，众数，分位数）

（4）四则运算:(加减乘除)

（5）幅度变化：（有一些...]]></description><category></category></item><item><title><![CDATA[机器学习（二）：回归类问题]]></title><link>https://blog.youkuaiyun.com/qq_41853536/article/details/88391583</link><guid>https://blog.youkuaiyun.com/qq_41853536/article/details/88391583</guid><author>qq_41853536</author><pubDate>Mon, 11 Mar 2019 17:09:33 +0800</pubDate><description><![CDATA[目录

1.线性回归

1.1线性回归

1.1.1 一元线性回归

1.1.2 多元线性回归

1.2损失函数

1.2.1 梯度下降（GD）



1.3正则

1.3.1 过拟合（overfitting）与欠拟合(underfitting)

1.3.2 正则化

2. 逻辑回归

2.1 sigmoid()函数

2.2 逻辑回归是怎样解决分类问题的

2.3 损失函数

2.4 ...]]></description><category></category></item><item><title><![CDATA[机器学习（一）：机器学习入门常识]]></title><link>https://blog.youkuaiyun.com/qq_41853536/article/details/88381206</link><guid>https://blog.youkuaiyun.com/qq_41853536/article/details/88381206</guid><author>qq_41853536</author><pubDate>Sun, 10 Mar 2019 23:11:03 +0800</pubDate><description><![CDATA[机器学习常常划分为三个方面：

监督学习：（有标签的学习）包括分类，回归问题
	无监督学习：（无标签的学习）聚类问题
	强化学习：(有延迟的反馈)根据当前的处境选取最优解，比如下象棋，下完这步棋，在这步棋的基础上，争取下的最好，整部棋下的好坏，跟前几步都有关系。
分类问题：因为有了标签值，根据算法，将样本归于哪一类。（逻辑回归，决策树，随机森林，svm）

回归问题：是一个连续值，根据样本上的...]]></description><category></category></item><item><title><![CDATA[提交论文出现字体未嵌入的解决办法]]></title><link>https://blog.youkuaiyun.com/qq_41853536/article/details/87740358</link><guid>https://blog.youkuaiyun.com/qq_41853536/article/details/87740358</guid><author>qq_41853536</author><pubDate>Tue, 19 Feb 2019 22:49:55 +0800</pubDate><description><![CDATA[Adobe Acrobat XI Pro破解版详细安装教程  https://www.douban.com/note/685235142/
	在EDAS提交论文时出错显示 “A PDF font is not embedde”的最直接的解决方法 - p=NULL; 的博客 - 优快云博客  https://blog.youkuaiyun.com/qq_30592147/article/details/835...]]></description><category></category></item><item><title><![CDATA[python]]></title><link>https://blog.youkuaiyun.com/qq_41853536/article/details/86568018</link><guid>https://blog.youkuaiyun.com/qq_41853536/article/details/86568018</guid><author>qq_41853536</author><pubDate>Mon, 21 Jan 2019 00:03:50 +0800</pubDate><description><![CDATA[python:解释性语言

优点：第三方库比较多

利用anaconda比较方便，提供的第三方库比较多

create  创建不同的环境

conda list 查看第三方库

conda install 库名 安装第三方库

最重要的是notbook，使用非常方便，类似于写博客，外部网页形式书写python : Jupyter Notebook

 常用的三个库：

numpy:数组，矩阵的运算...]]></description><category></category></item><item><title><![CDATA[pandas手册（用一个总结一个）]]></title><link>https://blog.youkuaiyun.com/qq_41853536/article/details/86518114</link><guid>https://blog.youkuaiyun.com/qq_41853536/article/details/86518114</guid><author>qq_41853536</author><pubDate>Fri, 18 Jan 2019 22:15:39 +0800</pubDate><description><![CDATA[DataFrame.filter(items = None,like=None,regex=None,axis=None)

例子：


&amp;gt;&amp;gt;&amp;gt; df
one  two  three
mouse     1    2      3
rabbit    4    5      6


&amp;gt;&amp;gt;&amp;gt; # select columns by name
&amp;gt;&amp;gt;&amp;gt...]]></description><category></category></item><item><title><![CDATA[numpy.take()从数组中取指定的行或列]]></title><link>https://blog.youkuaiyun.com/qq_41853536/article/details/86545399</link><guid>https://blog.youkuaiyun.com/qq_41853536/article/details/86545399</guid><author>qq_41853536</author><pubDate>Fri, 18 Jan 2019 19:36:02 +0800</pubDate><description><![CDATA[
成长需要一个过程，但是时间太漫长


import numpy as np

a = np.arange(12).reshape(3,4)
print(a)
print(a.take([1,2],axis = 1))#axis = 1 表示按照列来取
print(a.take([1],1))
print(a.take([1,2],axis = 0))#axis = 0 表示按照行来取

输出：
...]]></description><category></category></item><item><title><![CDATA[数据的存储与读取：序列化文件pickle（）用法]]></title><link>https://blog.youkuaiyun.com/qq_41853536/article/details/86534502</link><guid>https://blog.youkuaiyun.com/qq_41853536/article/details/86534502</guid><author>qq_41853536</author><pubDate>Fri, 18 Jan 2019 09:46:22 +0800</pubDate><description><![CDATA[
忽然想到唐家三少里面的一个魂技;坚挺！坚挺！！金苍蝇


#coding:utf-8
__author__ = 'DBL_fish'
import pickle
import pickle
dataList = [[8,8,'hei'],
            [6,6,'ha'],
            [1,0,'he']]
dadaDic = {0:[1,6,8,3],
       ...]]></description><category></category></item><item><title><![CDATA[正则]]></title><link>https://blog.youkuaiyun.com/qq_41853536/article/details/86530292</link><guid>https://blog.youkuaiyun.com/qq_41853536/article/details/86530292</guid><author>qq_41853536</author><pubDate>Thu, 17 Jan 2019 20:00:09 +0800</pubDate><description><![CDATA[ 


竖中指指

 


import re
pattern = re.compile(r'^(.*)\((\d+)\)$')
print(pattern.match('Toy Story (1995)').group())
print(pattern.match('Toy Story (1995)').group(1))
print(pattern.match('Toy Story (1995...]]></description><category></category></item><item><title><![CDATA[数据挖掘：基础篇]]></title><link>https://blog.youkuaiyun.com/qq_41853536/article/details/86259293</link><guid>https://blog.youkuaiyun.com/qq_41853536/article/details/86259293</guid><author>qq_41853536</author><pubDate>Thu, 10 Jan 2019 22:08:48 +0800</pubDate><description><![CDATA[工程上：无论数据怎样，先抽取一部分数据用最简单的模型跑一下

协方差非常重要]]></description><category></category></item><item><title><![CDATA[numpy在矩阵中的简单应用]]></title><link>https://blog.youkuaiyun.com/qq_41853536/article/details/86132342</link><guid>https://blog.youkuaiyun.com/qq_41853536/article/details/86132342</guid><author>qq_41853536</author><pubDate>Wed, 09 Jan 2019 09:43:38 +0800</pubDate><description><![CDATA[ 不得不吐槽一下：老板约好的今天讨论论文，结果又被放鸽子，结果一看朋友圈，老板居然在绕校园跑步，真特么心累。。。。

 





1.简单的一维二维数组：


import numpy as np

&quot;&quot;&quot;一维numpy数组&quot;&quot;&quot;
a= np.array([1,2,3])#一维数组
print(a)
print(type(a))
print(a.shape)
print(a[0],a[1],a[...]]></description><category></category></item><item><title><![CDATA[个人感悟]]></title><link>https://blog.youkuaiyun.com/qq_41853536/article/details/86014500</link><guid>https://blog.youkuaiyun.com/qq_41853536/article/details/86014500</guid><author>qq_41853536</author><pubDate>Mon, 07 Jan 2019 17:41:23 +0800</pubDate><description><![CDATA[     

我眼镜呢！！！    学习就是一个不断前进的过程，不能够懈怠，每周做一下总结，不仅对自己每周的知识的一个回顾，同时也能够查缺补漏。我并不在意自己的博客有多少人关注，我把写博客当作一种笔记。当很多年后，再次看到以前的青涩文章，感觉自己收获良多。

     我决定了，每周天对自己做一个总结。

    随着越来越大，发现无论是学习还是做人，不仅仅是能力问题，更主要的是一个态度问题！！！...]]></description><category></category></item></channel></rss>