<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Jzkuan的博客]]></title><description><![CDATA[一起学习，一起进步]]></description><link>https://blog.youkuaiyun.com/qq_43407763</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_43407763]]></copyright><item><title><![CDATA[数据分析算法（一）：决策树]]></title><link>https://blog.youkuaiyun.com/qq_43407763/article/details/113181279</link><guid>https://blog.youkuaiyun.com/qq_43407763/article/details/113181279</guid><author>qq_43407763</author><pubDate>Thu, 28 Jan 2021 10:59:15 +0800</pubDate><description><![CDATA[机器学习之决策树
提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加
例如：第一章 Python 机器学习入门之pandas的使用

文章目录机器学习之决策树一、信息熵（entropy）二、使用步骤1.引入库2.读入数据总结


一、信息熵（entropy）

p(i|t) 代表了节点 t 为分类 i 的概率，其中 log2 为取以 2 为底的对数。这里我们不是来介绍公式的，而是说存在一种度量，它能帮我们反映出来这个信息的不确定度。当不确定性越大时，它所包含的信息量也就越大，信息熵也就越高。
]]></description><category></category></item><item><title><![CDATA[Python 的进制问题]]></title><link>https://blog.youkuaiyun.com/qq_43407763/article/details/112303715</link><guid>https://blog.youkuaiyun.com/qq_43407763/article/details/112303715</guid><author>qq_43407763</author><pubDate>Thu, 07 Jan 2021 10:47:04 +0800</pubDate><description><![CDATA[2进制表示方法




2进制
0
1
10
11
100
101
110
111
1000




10进制
0
1
2
3
4
5
6
7
8


2进制转化为10进制
&gt;&gt;&gt; 0b10
2
&gt;&gt;&gt; 0b110
6

10进制转化为2进制
&gt;&gt;&gt; bin(2)
'0b10'
&gt;&gt;&gt; bin(6)
'0b110'

8进制表示方法




8进制
0
1
2
3
4
5
6
7
10
11
12




10进制
0
1
2
3
4
]]></description><category></category></item><item><title><![CDATA[《R语言实战》学习笔记：第五章  高级数据管理]]></title><link>https://blog.youkuaiyun.com/qq_43407763/article/details/95798480</link><guid>https://blog.youkuaiyun.com/qq_43407763/article/details/95798480</guid><author>qq_43407763</author><pubDate>Sat, 10 Aug 2019 17:45:15 +0800</pubDate><description><![CDATA[高级数据管理
数学函数
abs(x)：求绝对值，例如 abs(-4) #返回值为4
sqrt(x)：求平方根，例如 sqrt(25) #返回值为5
ceiling(x)：不小于x 的最小整数，例如 ceiling(3.475) #返回值为4
floor(x)：不大于x 的最大整数，例如 floor(3.475)  #返回值为3
trunc(x)：向0的方向截取的x 中的整数部分，例如 trunc(...]]></description><category></category></item><item><title><![CDATA[R语言：常用apply函数（apply,tapply,sapply,lapply）用法介绍]]></title><link>https://blog.youkuaiyun.com/qq_43407763/article/details/91652918</link><guid>https://blog.youkuaiyun.com/qq_43407763/article/details/91652918</guid><author>qq_43407763</author><pubDate>Thu, 13 Jun 2019 15:47:55 +0800</pubDate><description><![CDATA[apply函数
对矩阵、数据框、数组(二维、多维)等矩阵型数据，按行或列应用函数FUN进行循环计算，并以返回计算结果
apply(X, MARGIN, FUN, ...)


X:数组、矩阵、数据框等矩阵型数据
MARGIN: 按行计算或按按列计算，1表示按行，2表示按列
FUN: 自定义的调用函数

应用iris数据集进行举例，以下计算前四个变量的均值：
a &lt;- apply(iris[,...]]></description><category></category></item><item><title><![CDATA[《R语言实战》学习笔记：第四章  基本数据管理]]></title><link>https://blog.youkuaiyun.com/qq_43407763/article/details/91126999</link><guid>https://blog.youkuaiyun.com/qq_43407763/article/details/91126999</guid><author>qq_43407763</author><pubDate>Fri, 07 Jun 2019 12:37:16 +0800</pubDate><description><![CDATA[基本数据管理
创建新变量
**方法一：**直接添加
manager &lt;- c(1, 2, 3, 4, 5)
date &lt;- c("10/24/08", "10/28/08", "10/1/08", "10/12/08", "5/1/09")
country &lt;- c("US", "US", "UK", "UK", "UK")
gender &lt;- c("M", "F", "F...]]></description><category></category></item><item><title><![CDATA[《R语言实战》学习笔记：第三章 图像初阶]]></title><link>https://blog.youkuaiyun.com/qq_43407763/article/details/90147408</link><guid>https://blog.youkuaiyun.com/qq_43407763/article/details/90147408</guid><author>qq_43407763</author><pubDate>Sun, 12 May 2019 23:37:18 +0800</pubDate><description><![CDATA[图像初阶
同时打开多幅图像
**方法一：**在创建一幅新图形之前打开一个新的图形窗口，每一幅新图形将出现在最近一次打开的窗口中，之后会打开多个图形用户界面
dev.new( )
statements to create graph 1	# 创建图形1
dev.new( )
statements to create a graph 2	# 创建图形2

**注意：**也可用x11()打开新的图形窗口...]]></description><category></category></item><item><title><![CDATA[Numpy Ndarray 常用对象属性]]></title><link>https://blog.youkuaiyun.com/qq_43407763/article/details/89855776</link><guid>https://blog.youkuaiyun.com/qq_43407763/article/details/89855776</guid><author>qq_43407763</author><pubDate>Sun, 05 May 2019 21:31:43 +0800</pubDate><description><![CDATA[ndarray.ndim
用于返回数组的维数，等于秩
import numpy as np 
 
a = np.arange(24)  
print (a.ndim)             # a 现只有一个维度
#输出
1

# 现在调整其大小
b = a.reshape(2,4,3)  # b 现在拥有三个维度
print (b.ndim)
#输出
3

ndarray.shape
表示数组...]]></description><category></category></item><item><title><![CDATA[NumPy Ndarray 对象]]></title><link>https://blog.youkuaiyun.com/qq_43407763/article/details/89855770</link><guid>https://blog.youkuaiyun.com/qq_43407763/article/details/89855770</guid><author>qq_43407763</author><pubDate>Sun, 05 May 2019 21:31:23 +0800</pubDate><description><![CDATA[ndarry:多维数组对象
数据切片是原始数组的视图，数据不会被复制，试图上的任何修改都会直接反映到源数据上：
a = np.arange(10)

a
Out[11]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

b = a[5:8]

b
Out[13]: array([5, 6, 7])

b[2] = 1

b
Out[15]: array([5, 6, ...]]></description><category></category></item><item><title><![CDATA[Echarts模板（六）：馅饼图]]></title><link>https://blog.youkuaiyun.com/qq_43407763/article/details/89643507</link><guid>https://blog.youkuaiyun.com/qq_43407763/article/details/89643507</guid><author>qq_43407763</author><pubDate>Sun, 28 Apr 2019 18:26:03 +0800</pubDate><description><![CDATA[本人刚参加完市场调查大赛，在这个过程中为了画图试过很多软件，相比于Tableau的所见即所得，虽然操作简单，但步骤繁琐，最后我选择使用Echarts画图，它不仅操作简单，而且图像美观，只需要一点点代码基础就能实现。接下来，我向大家分享以下我用到的几个图的模板代码，你在使用的时候均可通过以下代码进行修改，由于本人没有学过JS，不对的地方还请大家多多指教

option = {
    toolbo...]]></description><category></category></item><item><title><![CDATA[Echarts模板（五）：树状图]]></title><link>https://blog.youkuaiyun.com/qq_43407763/article/details/89643504</link><guid>https://blog.youkuaiyun.com/qq_43407763/article/details/89643504</guid><author>qq_43407763</author><pubDate>Sun, 28 Apr 2019 18:25:47 +0800</pubDate><description><![CDATA[本人刚参加完市场调查大赛，在这个过程中为了画图试过很多软件，相比于Tableau的所见即所得，虽然操作简单，但步骤繁琐，最后我选择使用Echarts画图，它不仅操作简单，而且图像美观，只需要一点点代码基础就能实现。接下来，我向大家分享以下我用到的几个图的模板代码，你在使用的时候均可通过以下代码进行修改，由于本人没有学过JS，不对的地方还请大家多多指教

option = {
    textSt...]]></description><category></category></item><item><title><![CDATA[Echarts模板（四）：环形图]]></title><link>https://blog.youkuaiyun.com/qq_43407763/article/details/89643501</link><guid>https://blog.youkuaiyun.com/qq_43407763/article/details/89643501</guid><author>qq_43407763</author><pubDate>Sun, 28 Apr 2019 18:25:31 +0800</pubDate><description><![CDATA[本人刚参加完市场调查大赛，在这个过程中为了画图试过很多软件，相比于Tableau的所见即所得，虽然操作简单，但步骤繁琐，最后我选择使用Echarts画图，它不仅操作简单，而且图像美观，只需要一点点代码基础就能实现。接下来，我向大家分享以下我用到的几个图的模板代码，你在使用的时候均可通过以下代码进行修改，由于本人没有学过JS，不对的地方还请大家多多指教

option = {
    toolbo...]]></description><category></category></item><item><title><![CDATA[Echarts模板（三）：分裂饼图]]></title><link>https://blog.youkuaiyun.com/qq_43407763/article/details/89643495</link><guid>https://blog.youkuaiyun.com/qq_43407763/article/details/89643495</guid><author>qq_43407763</author><pubDate>Sun, 28 Apr 2019 18:25:12 +0800</pubDate><description><![CDATA[本人刚参加完市场调查大赛，在这个过程中为了画图试过很多软件，相比于Tableau的所见即所得，虽然操作简单，但步骤繁琐，最后我选择使用Echarts画图，它不仅操作简单，而且图像美观，只需要一点点代码基础就能实现。接下来，我向大家分享以下我用到的几个图的模板代码，你在使用的时候均可通过以下代码进行修改，由于本人没有学过JS，不对的地方还请大家多多指教

option = {
   textSty...]]></description><category></category></item><item><title><![CDATA[Echarts模板（二）：簇状柱形图]]></title><link>https://blog.youkuaiyun.com/qq_43407763/article/details/89643474</link><guid>https://blog.youkuaiyun.com/qq_43407763/article/details/89643474</guid><author>qq_43407763</author><pubDate>Sun, 28 Apr 2019 18:24:52 +0800</pubDate><description><![CDATA[本人刚参加完市场调查大赛，在这个过程中为了画图试过很多软件，相比于Tableau的所见即所得，虽然操作简单，但步骤繁琐，最后我选择使用Echarts画图，它不仅操作简单，而且图像美观，只需要一点点代码基础就能实现。接下来，我向大家分享以下我用到的几个图的模板代码，你在使用的时候均可通过以下代码进行修改，由于本人没有学过JS，不对的地方还请大家多多指教

option = {
    toolbo...]]></description><category></category></item><item><title><![CDATA[Echarts模板（一）：南丁格尔玫瑰图]]></title><link>https://blog.youkuaiyun.com/qq_43407763/article/details/89643466</link><guid>https://blog.youkuaiyun.com/qq_43407763/article/details/89643466</guid><author>qq_43407763</author><pubDate>Sun, 28 Apr 2019 18:23:30 +0800</pubDate><description><![CDATA[本人刚参加完市场调查大赛，在这个过程中为了画图试过很多软件，相比于Tableau的所见即所得，虽然操作简单，但步骤繁琐，最后我选择使用Echarts画图，它不仅操作简单，而且图像美观，只需要一点点代码基础就能实现。接下来，我向大家分享以下我用到的几个图的模板代码，你在使用的时候均可通过以下代码进行修改，由于本人没有学过JS，不对的地方还请大家多多指教


option = {
    textS...]]></description><category></category></item><item><title><![CDATA[Python 6种数据类型总结]]></title><link>https://blog.youkuaiyun.com/qq_43407763/article/details/89426086</link><guid>https://blog.youkuaiyun.com/qq_43407763/article/details/89426086</guid><author>qq_43407763</author><pubDate>Sun, 21 Apr 2019 00:08:11 +0800</pubDate><description><![CDATA[数据类型
**不可变数据：**Number（数字）、String（字符串）、Tuple（元组）
**可变数据：**List（列表）、Dictionary（字典）、Set（集合）
Number（数字）
常用的数学函数
abs(x)          #返回数字的绝对值，如abs(-10) 返回 10
math.fabs(x)    #返回数字的绝对值，如math.fabs(-10) 返回10.0
e...]]></description><category></category></item><item><title><![CDATA[《R语言实战》学习笔记：第二章 创建数据集]]></title><link>https://blog.youkuaiyun.com/qq_43407763/article/details/88935243</link><guid>https://blog.youkuaiyun.com/qq_43407763/article/details/88935243</guid><author>qq_43407763</author><pubDate>Sun, 31 Mar 2019 20:52:36 +0800</pubDate><description><![CDATA[创建数据集
R可以处理的数据类型（模式），包括数值型、字符型、逻辑型（TRUE/FALSE）、复数型（虚数）和原生型（字节）
数据结构
R用于存储数据的对象类型，包括标量、向量、矩阵、数组、数据框和列表：

向量
y &lt;- c(8, 3, 5, 7, 6, 2, 8, 9)
any(y &lt; 10)          #任意元素满足条件返回真值
#输出 TRUE
all(y &lt; 1...]]></description><category></category></item><item><title><![CDATA[《R语言实战》学习笔记：第一章 R语言介绍]]></title><link>https://blog.youkuaiyun.com/qq_43407763/article/details/88914213</link><guid>https://blog.youkuaiyun.com/qq_43407763/article/details/88914213</guid><author>qq_43407763</author><pubDate>Sat, 30 Mar 2019 16:12:53 +0800</pubDate><description><![CDATA[R语言介绍
数值运算
age &lt;- c(1, 3, 5, 2, 11, 9, 3, 9, 12, 3)
weight &lt;- c(4.4, 5.3, 7.2, 5.2, 8.5, 7.3, 6.0, 10.4, 10.2, 6.1)
mean(weight)      #求均值
sd(weight)        #求方差
cor(age, weight)  #求相关系数
plot(ag...]]></description><category></category></item><item><title><![CDATA[三级数据库笔记(完整)]]></title><link>https://blog.youkuaiyun.com/qq_43407763/article/details/88908531</link><guid>https://blog.youkuaiyun.com/qq_43407763/article/details/88908531</guid><author>qq_43407763</author><pubDate>Sat, 30 Mar 2019 10:42:43 +0800</pubDate><description><![CDATA[三级数据库背诵资料
第一章 计算机基础知识
1、冯.诺依曼计算机以“存储程序”原理为基础，由运算器、存储器、控制器、输入设备和输出设备等五大部件组成。
2、计算机指令系统：
系列计算机：指令系统向下兼容。
复杂指令系统计算机：CISC （Complex Instruction Set Computer）
精简指令系统计算机：RISC （Reduced Instruction Set Compute...]]></description><category></category></item><item><title><![CDATA[计算机三级-数据库技术]]></title><link>https://blog.youkuaiyun.com/qq_43407763/article/details/88908304</link><guid>https://blog.youkuaiyun.com/qq_43407763/article/details/88908304</guid><author>qq_43407763</author><pubDate>Sat, 30 Mar 2019 10:30:54 +0800</pubDate><description><![CDATA[三级数据库技术知识点总结
1 数据字典是对系统种各类数据描述的集合，包括数据项，数据结构，数据流，数据存储和处理过程五个部分
2 数据模型的三要素：数据结构、数据操作和完整性约束
3 数据库系统：一般由数据库、操作系统、数据库管理系统(及其工具)、应用系统、数据库管理人员和用户构成
4 数据模型: 数据模型是数据库系统的数学形式框架，是数据库系统的核心和基础
5 数据模型的分类：概念模型，也称信息...]]></description><category></category></item></channel></rss>