每天都要有进步鸭！

【转自】雷锋网  JournalsACM TKDD http://tkdd.cs.uiuc.edu/DMKD http://www.springerlink.com/content/1573-756X/?p=859c3e83455d41679ef1be783e923d1d&pi=0IEEE TKDE http://...

记录一下 数据研发实习 技术面一面内容先自我介绍，然后对着简历让我介绍了自己的做过的一个项目，我在其中的角色；然后问一些算法原理问题：1. 看你提到了VGG的网络结构，请描述CNN由哪些元件构成？他们分别有什么作用？卷积神经网络（CNN）由输入层、卷积层、激活函数、池化层、全连接层组成卷积层 激活函数 池化层 全联接层2. 你了解的激活函数有哪些？他们分别有什么特...

HDBSCANHDBSCAN（Hierarchical Density-Based Spatial Clustering of Applications with Noise）是由Campello，Moulavi和Sander开发的聚类算法。 它通过将DBSCAN转换为分层聚类算法来扩展DBSCAN，然后基于聚类稳定性，使用了提取平面聚类地技术。和传统DBSCAN最大的不同之处在于，HDB...

1. 如何评估机器学习算法的性能指标？分类问题精确率精确率（precision）是指模型预测为真，实际也为真的样本数量占模型预测所有为真的样本数量的比例。举例来说明，比如警察要抓小偷，抓了 10 个人，其中有 6 个人是小偷，那么精确率就是 6/10 = 0.6。召回率召回率（recall）有时候也叫查全率，是指模型预测为真，实际也为真的样本数量占实际所有为真的样本数量的...

首先确认 ~/.bashrc 里面有：export PYTHONPATH=$SPARK_HOME/python/:$PYTHONPATHexport PYTHONPATH=$SPARK_HOME/python/lib/py4j-0.8.2.1-src.zip:$PYTHONPATH 2. 进入 $SPARK_HOME/python/lib/ 里面看一看py4j 的版本号和你...

“最近在实验室项目的研究中，客户需要对比在决策场景中决策树与神经网络的对比，在查阅资料过程中，发现这篇发布于微博的文章写的很好，与大家一块分享”这个问题可以从几个维度来分析。但先要说明决策树就是决策树，随机森林和xgboost的性能提升主要是来自于集成学习。所以，我们扩展一下题目把对比延伸到：单棵决策树，如比较常见的C4.5等 以决策树为基模型的集成学习算法(Ensemble Tr...

阿里的面试以及DeeCamp的面试中，均问了关于xgboost的原理以及和gdbt等其他数据挖掘方法的对比。

INNER JOIN 关键字在表中存在至少一个匹配时返回行，如果 "Persons" 中的行在 "Orders" 中没有匹配，就不会列出这些行。LEFT JOIN 关键字会从左表 (Persons) 那里返回所有的行，即使在右表 (Orders) 中没有匹配的行。UNION 内部的 SELECT 语句必须拥有相同数量的列。列也必须拥有相似的数据类型。同时，每条 SELECT 语...