<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[seasons_win的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/seasons_win</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; seasons_win]]></copyright><item><title><![CDATA[留存率、topN、最大连续登录、最大同时在线人数]]></title><link>https://blog.youkuaiyun.com/seasons_win/article/details/145584243</link><guid>https://blog.youkuaiyun.com/seasons_win/article/details/145584243</guid><author>seasons_win</author><pubDate>Wed, 12 Feb 2025 11:04:51 +0800</pubDate><description><![CDATA[留存用户是指用户在APP产生行为后，在固定的第N日继续访问或使用APP的用户。留存率是指用户在一段时间后或固定的间隔后产生留存用户的比例。用户留存率有很多种：新客留存率、老客留存率、活跃用户留存率、购买留存率、或者某个功能使用用户的留存率等。通常计算的时间间隔为次日、3日、7日、30日、60日，根据业务不同需求可以选择不同的计算方式以及时间间隔，重点是要和产品负责人以及运营人员对好指标口径。公式：N日新客留存率=某日的新注册用户在第N日登录APP的用户数 / 某日的新注册用户总数。]]></description><category></category></item><item><title><![CDATA[Hive中group_concat的替代：concat_ws+collect_set/collect_list]]></title><link>https://blog.youkuaiyun.com/seasons_win/article/details/143719821</link><guid>https://blog.youkuaiyun.com/seasons_win/article/details/143719821</guid><author>seasons_win</author><pubDate>Tue, 12 Nov 2024 17:50:06 +0800</pubDate><description><![CDATA[今天用group_concat的时候报错了，然后发现hive中查无此函数，遂记录一下。]]></description><category></category></item><item><title><![CDATA[excel--公式与函数]]></title><link>https://blog.youkuaiyun.com/seasons_win/article/details/143599657</link><guid>https://blog.youkuaiyun.com/seasons_win/article/details/143599657</guid><author>seasons_win</author><pubDate>Thu, 07 Nov 2024 19:56:45 +0800</pubDate><description><![CDATA[场景：已知单价与总报价的关系，现限定总报价，如何给出对应单价。相当于解方程，已知因变量y，求自变量x，在python中很简单，在Excel中也很简单，根据单变量求解就可以了。ctrl+下拉：切换下拉的模式；即左键直接下拉是1111重复，则ctrl+下拉是1234顺序；与日期相关的下拉：例如只想填充工作日，则右键下拉，有很多可选项。4.公式反推：数据-模拟分析-单变量求解。3.3向下舍入rounddown。1.sum自动选区有时候很好用。3.2向上舍入roundup。3.1四舍五入round。]]></description><category></category></item><item><title><![CDATA[EXCEL--数据透视表-持续更新中]]></title><link>https://blog.youkuaiyun.com/seasons_win/article/details/143594272</link><guid>https://blog.youkuaiyun.com/seasons_win/article/details/143594272</guid><author>seasons_win</author><pubDate>Thu, 07 Nov 2024 16:06:34 +0800</pubDate><description><![CDATA[3.4汉字一二三……文件-选项-高级-【拉至末尾】-编辑自定义列表-输入序列-添加，然后按照3.2的步骤即可。3.3隔行/多行插入的妙用，将所有数据放好，插入一列新数据，按照需求填充数据大小，然后排序，即可得到隔行插入的效果；数据透视表的动态更新，此时选表，别选区域就可以啦。3.2按照单元格颜色等排序，需要全选数据-排序和筛选-自定义排序-添加条件即可！下面这篇讲的挺详细的了，后面有时间的话，我会自己做一个系统的整理。注意在透视表中，要先将汉字的排序，再插入透视表。插入-切片器-右键【切片器】-报表链接。]]></description><category></category></item><item><title><![CDATA[SQL之关于日期的函数--持续更新中]]></title><link>https://blog.youkuaiyun.com/seasons_win/article/details/143502937</link><guid>https://blog.youkuaiyun.com/seasons_win/article/details/143502937</guid><author>seasons_win</author><pubDate>Tue, 05 Nov 2024 11:32:21 +0800</pubDate><description><![CDATA[自用总结，以便查看。用到了新的内容再往里面放吧~]]></description><category></category></item><item><title><![CDATA[SQL函数大全--持续更新中]]></title><link>https://blog.youkuaiyun.com/seasons_win/article/details/143480255</link><guid>https://blog.youkuaiyun.com/seasons_win/article/details/143480255</guid><author>seasons_win</author><pubDate>Mon, 04 Nov 2024 12:22:17 +0800</pubDate><description><![CDATA[最近开启牛马实习之旅，要开始学SQL了，整体感觉和python差不多。开一个专栏放一下菜鸡的学习日常，代码一直是我的痛点，欢迎大佬分享、交流和学习。]]></description><category></category></item><item><title><![CDATA[博弈论简述 第三章 不完全信息静态博弈]]></title><link>https://blog.youkuaiyun.com/seasons_win/article/details/141873116</link><guid>https://blog.youkuaiyun.com/seasons_win/article/details/141873116</guid><author>seasons_win</author><pubDate>Mon, 09 Sep 2024 15:43:03 +0800</pubDate><description><![CDATA[一、不完全信息静态博弈和贝叶斯纳什均衡一、不完全信息静态博弈和贝叶斯纳什均衡1.1不完全信息博弈收益函数是共同知识。参与者对其他参与人策略空间、行动特征以及收益完全了解。完全信息自然不首先行动（或自然行动被所有参与人准确观察），也就是没有事先的不确定性.至少有一个人不能确定其他人的收益函数（1）收益函数依赖于自然的选择例：在房地产商开发博弈中，若市场需求是不确定的，即为一不完全信息博弈。分析：p＞1/3时，（开发，开发）是占优均衡；]]></description><category></category></item><item><title><![CDATA[博弈论简述 第二章 完全信息动态博弈 自用整理中]]></title><link>https://blog.youkuaiyun.com/seasons_win/article/details/141787767</link><guid>https://blog.youkuaiyun.com/seasons_win/article/details/141787767</guid><author>seasons_win</author><pubDate>Mon, 02 Sep 2024 15:58:07 +0800</pubDate><description><![CDATA[顾名思义，将博弈进行多次！被重复的博弈称之为原博弈（或阶段博弈）有限次重复博弈和无限次重复博弈收益函数：其中，E是对策略集求期望的意思。（1-\delta）是标准化因子，有时候乘以这个可以简化计算，有没有个人感觉无所谓。求和中的\delta不能少！]]></description><category></category></item><item><title><![CDATA[博弈论简述 第一章 完全信息静态博弈 自用整理中]]></title><link>https://blog.youkuaiyun.com/seasons_win/article/details/141784307</link><guid>https://blog.youkuaiyun.com/seasons_win/article/details/141784307</guid><author>seasons_win</author><pubDate>Sun, 01 Sep 2024 18:05:00 +0800</pubDate><description><![CDATA[有n个农户放羊，公共草地面积有限，因此只能让不超过某一数量的羊群吃饱，若羊只的实际数量超过这个限度，则每只羊都无法吃饱，从而每只羊的产出(毛、皮、肉的总价值)就会减少，甚至只能勉强存活或要饿死。对于囚徒1来说，选择坦白时，要么得到-5，要么得到0，比不坦白时对应的-8和-1都要大，因此坦白对囚徒1来说是上策。博弈方之间利益始终对立，你赚我赔，我赚你赔，流动的资金就在咱俩之间流动，把咱俩看成一个系统，系统的变化为0。设E点 为向A、B购买的消费者分界线，x为A的购买者，y为B的购买者。当Q>a时，P=0）。]]></description><category></category></item><item><title><![CDATA[google新标签页打开链接 亲测有效]]></title><link>https://blog.youkuaiyun.com/seasons_win/article/details/141650833</link><guid>https://blog.youkuaiyun.com/seasons_win/article/details/141650833</guid><author>seasons_win</author><pubDate>Wed, 28 Aug 2024 21:58:20 +0800</pubDate><description><![CDATA[第四步：在弹出的页面，看看没啥问题点击保存就行啦！注意：这一步我第一次点的时候，尝试打开新页面还是原来的页面，试了两次就随便打开啥都是新页面了，亲测有效。另外如果没有弹出上述页面，可以随便点一个链接，右键点这个新窗口打开链接设置，就会弹出上述页面啦。如果还是不行，可以关掉浏览器重新试一下。第三步：随便打开一个页面，依次点下面几个。第二步：安装拓展，我这里安装过了。可以直接搜索：新标签页打开链接。]]></description><category></category></item><item><title><![CDATA[关于DQN的整理和困惑以及自己的理解 自用]]></title><link>https://blog.youkuaiyun.com/seasons_win/article/details/141649158</link><guid>https://blog.youkuaiyun.com/seasons_win/article/details/141649158</guid><author>seasons_win</author><pubDate>Wed, 28 Aug 2024 21:20:05 +0800</pubDate><description><![CDATA[（3）为了逼近TD Target： r + γ * max_a' Q_target(s', a')：使用梯度下降算法，最小化TD Target与Q-estimate的平方差。解释：正如前面所说一般神经网络的目标都是不动的，但是这里我们又不知道目标表是啥，我们要是知道目标是啥就不用训练了，直接出结果！这里就有一个问题了，正常情况下的标签值是固定的、确定的，那么这里目标网络具体是什么情况呢，如何运作的呢，有什么作用呢？，即有样本（当前状态，动作，奖励，新状态），基于此更新网络的参数。：这玩意用来干啥的？]]></description><category></category></item><item><title><![CDATA[np.vstack() 和 np.hstack() 横和竖堆积 自用]]></title><link>https://blog.youkuaiyun.com/seasons_win/article/details/141636491</link><guid>https://blog.youkuaiyun.com/seasons_win/article/details/141636491</guid><author>seasons_win</author><pubDate>Wed, 28 Aug 2024 11:32:44 +0800</pubDate><description><![CDATA[【代码】np.vstack() 和 np.hstack() 横和竖堆积 自用。]]></description><category></category></item><item><title><![CDATA[np.transpose()函数 学习自用]]></title><link>https://blog.youkuaiyun.com/seasons_win/article/details/141635098</link><guid>https://blog.youkuaiyun.com/seasons_win/article/details/141635098</guid><author>seasons_win</author><pubDate>Wed, 28 Aug 2024 11:15:54 +0800</pubDate><description><![CDATA[解释：因为调换的是前两个下标，所以前两个下标一样的数字不动，不一样的才会被调换。axes：要调整的维度，若axes未指定，即为。]]></description><category></category></item><item><title><![CDATA[np.newaxis 学习自用]]></title><link>https://blog.youkuaiyun.com/seasons_win/article/details/141635927</link><guid>https://blog.youkuaiyun.com/seasons_win/article/details/141635927</guid><author>seasons_win</author><pubDate>Wed, 28 Aug 2024 11:14:54 +0800</pubDate><description><![CDATA[作用：加一列/行空值，增加维度。]]></description><category></category></item><item><title><![CDATA[parse_args()和parse_known_args() 学习自用]]></title><link>https://blog.youkuaiyun.com/seasons_win/article/details/141635444</link><guid>https://blog.youkuaiyun.com/seasons_win/article/details/141635444</guid><author>seasons_win</author><pubDate>Wed, 28 Aug 2024 10:59:57 +0800</pubDate><description><![CDATA[（1） 有些时候选项配置可能不会在一个函数或包中调用完成，可能会根据模型的不同有所取舍，它会将多余的保存，不会报错。此时FLAGS存储的就是NamespaceNamespace(a_lr=6e-05, c_lr=6e-05)（2）当传入的参数在parse中没有定义时，会自动把它忽略并放在后面。]]></description><category></category></item></channel></rss>