三头猪等于一头大猪-优快云博客

原创 SQL正则表达式

表示一个字符范围，匹配从 a 到 z 的任何字符 0 次或多次。：这个变量匹配从 a 到 z 或 A 到 Z 的任何字符。请注意，你可以在方括号内指定的字符范围的数量没有限制，您可以添加想要匹配的其他字符或范围。请注意，字符 ^ 用来否定字符范围，它在方括号内的含义与它的方括号外表示开始的含义不同。：表示一个字符范围，匹配从 a 到 z 的任何字符 1 次或多次。：表示一个字符范围，匹配从 a 到 z 的任何字符。：表示一个字符范围，匹配从 0 到 9 的任何字符。：表示一个字符串或行的结尾。

2024-07-25 12:07:13 254

原创机器学习三：欠拟合，过拟合 & 偏差-方差权衡（Bias-Variance Tradeoff）

对于符合某一模型（y = f(x)）的数据，在实际获取数据的时候，不可避免的，数据点会受到噪音(z)影响（y = f(x) + z），导致实际得到的数据点并不完全按照该模型分布。bias即模型预测与真值之间的差异，variance即模型经过多组训练数拟合出来的结果之间的差异。此外，由上述公式还注意到，测试集上的误差同时考虑了bias与variance，因此也解释了模型在测试集的表现通常不如训练集的原因。因此，在训练模型时，所谓的最优解，即两者均相对较小的状态。，不仅适应了所有的训练数据，且。

2023-11-05 14:24:25 419 1

原创机器学习二：回归问题之普通最小二乘 Ordinary Least Squares(OLS) 与闭式解

答：就是输入数据D = {X,y} 中X的具体某一行。

2023-10-13 00:34:34 637

原创机器学习一：最小点与梯度下降，Python实现

由特定输入，计算机经过某种模型自主学习优化模型参数，得到目标输出。输入数据（input data），目标输出（outputs），预测模型（hypothesis models），损失函数（loss function）和一个未知的最佳模型（true model）。机器学习就是通过输入数据获得预测输出，通过损失函数衡量获得的预测输出与真实情况的差异，从而将模型的参数进行调整，使得这种差异越来越小，直到“理论上的”最佳模型。为什么说“理论上”的呢？因为在实际应用中，几乎是不可能得到最优的模型（参数）

2023-10-03 14:40:50 223

原创 np.random.shuffle()+random.seed()设定随机种子，多次打乱，打乱规则固定

在打乱数据集的时候遇到了这样一个问题：我有两组数据集，一组是image，一组是mask（语义分割任务，与本文无关），image和mask里都是图片，且一一对应，即。注意，因为shuffle函数是在原数组上直接操作的，不是生成一个新的打乱的数组，因此一次shuffle(a)之后，a就变成了打乱后的样子。其实，三次shuffle(b)也是按相同的规则打乱的，但该规则不同于shuffle(a)的规则，因此，并不能保留a、b之间的对应关系。）的结论，但基于上面的结果，好像这句话又不完全对，还望大佬指正~

2023-01-31 22:35:32 8554 2

原创 python 导入sklearn时报错： no model named ‘murmurhash‘

最后，我看到评论里有人说可以更新一下sickit-learn的包，就抱着试试的心态，没想到成功了。（难道是scikit-learn就在一小时内悄咪咪更新了？可以把这些相关的包更新一下试试，（当然，对我没用）。或者直接pip install sklearn，在终端会显示你的包是不是满足条件的。今天在跑机器学习相关的代码，一小时前还好好的，一小时后突然在import sklearn这行代码上报错，报的就是没有murmurhash。搜了半天也不知道这是个啥问题，而且明明不久前代码还好好的。

2022-08-19 18:03:25 1697

原创 Python 数据处理数据挖掘（七）：K-Means聚类算法

K-Means聚类算法，K-Means是非监督学习的聚类算法，将一组数据分为K类（或者叫簇/cluster），每个簇有一个质心（centroid），同类的数据是围绕着质心被分类的。数据被分为了几类就有几个质心。算法步骤：1、先从原始数据集中随机选出K个数据，作为K个质心。2、将剩余的数据分配到与之最相似的的质心的那个簇里。3、第一次分类完成后，计算每个簇内样本的均值，并根据这个均值生成新的质心4、重复2,3步，直至质心的变化距离小于某个值（主观设定），如果质心始终没法稳定下来肘部法则原理

2022-07-23 23:04:44 3726 2

原创 Python 数据处理数据挖掘（六）：决策树模型之 CART算法

基尼系数，分类/回归决策树，TPR,FPR,ROC,AUC, Gridsearch，k折交叉验证

2022-07-21 23:35:53 3416

原创 Python 数据处理数据挖掘（五）：线性回归

声明本文为学习笔记，侵权删。一、相关系数rr类似于直线斜率k，r>0，则表示正相关，r

2022-07-18 17:30:15 3188 3

原创 Python 数据处理数据挖掘（四）：用户分层模型RFM

声明本文为学习笔记，侵权删。

2022-07-15 15:27:11 4583

原创 Python数据处理数据挖掘（三）：关联分析（Apriori算法）

声明：本文为学习笔记，侵权删关联分析：参考啤酒与尿不湿的故事，啤酒和尿不湿本身没有关系，但通过调查买啤酒的人有大概率会买尿不湿，所以啤酒+尿不湿就成了一个销售组合。得出这个销售组合的过程就是关联分析。事务：每条购买信息就是一个事务。项集：一条事务中物品的随机组合产生的集合。一个集合里有几个项，就叫几项集。比如在下面这份数据中，有四个事务，{捏脚}是一项集，{捏脚，SPA}是二项集。支持度：support=一个项集出现的频率=项集出现的次数/事务总数。Support({捏脚})=4/4=1，Support({

2022-07-13 17:35:16 9725 2

原创 Python 数据处理数据挖掘（二）：协同过滤

声明：本文仅为学习笔记，欢迎各位大佬的意见与建议，侵权删协同过滤算法，collaborative filtering（CF），通过挖掘用户历史行为信息，从而发现用户偏好。基于不同的偏好，对用户或产品进行群组划分，最后为目标用户推荐对应的信息。“协同”即利用多个用户数据对数据进行挖掘，“过滤”即信息筛选的过程。主要功能及预测和推荐。协同过滤算法分为：1、基于用户的协同过滤算法；2、基于产品的协同过滤算法基于用户的协同过滤算法（userCF），通过挖掘用户的历史数据，寻找与目标用户具有相似喜好的用户，将相关的

2022-07-11 17:59:48 3174

原创 Python 数据处理数据挖掘（一）：CSV文档数据处理

目录一、读取CSV文件二、数据清洗1、识别并处理缺失值 2、识别并处理异常值3、识别并处理重复值三、分组处理1、设置行索引：data.set_index("Index")2、数据分组统计：groupBy()声明：本文为学习笔记，侵权删所用函数：pandas.read_csv(file_path)数据挖掘时我们更多得会使用CSV文件，而不是Excel文件。如果数据本身以Excel的形式存储，只需打开，另存为CSV文件即可。读取CSV文件需要调用pandas包，没有的自行pip一下哦。举例：运行结果：如果

2022-07-06 16:58:00 8178 4

qq_46380784的博客

原创 SQL正则表达式

原创机器学习三：欠拟合，过拟合 & 偏差-方差权衡（Bias-Variance Tradeoff）

原创机器学习二：回归问题之普通最小二乘 Ordinary Least Squares(OLS) 与闭式解

原创机器学习一：最小点与梯度下降，Python实现

原创 np.random.shuffle()+random.seed()设定随机种子，多次打乱，打乱规则固定

原创 python 导入sklearn时报错： no model named ‘murmurhash‘

原创 Python 数据处理数据挖掘（七）：K-Means聚类算法

原创 Python 数据处理数据挖掘（六）：决策树模型之 CART算法

原创 Python 数据处理数据挖掘（五）：线性回归

原创 Python 数据处理数据挖掘（四）：用户分层模型RFM

原创 Python数据处理数据挖掘（三）：关联分析（Apriori算法）

原创 Python 数据处理数据挖掘（二）：协同过滤

原创 Python 数据处理数据挖掘（一）：CSV文档数据处理

原创电子商务（njupt）

原创 python 文件处理（三）：Excel相关操作之新建Excel文件与数据录入

原创 python 格式化字符串实现对齐输出

原创 python 双击打开文件那种效果，直接打开Excel表格

原创 python 文件处理（二）：Excel相关的操作汇总之数据查询

原创 python 表示金额时，将中文数字的大写的壹贰叁肆伍转换为阿拉伯数字：rmbTrans.trans

原创 python 文件处理（一）：对文件路径的操作【getcwd、chdir、listdir、join、exists、mkdir、isdir、move、getsize、splitext】

ubuntu 镜像源文件，阿里云

python模拟理发店问题

家庭支出管理系统——python

空空如也