- 博客(20)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 Python字符串笔记
Python字符串笔记1.字符串 str = 'abcd'在引用str 希望得到abcd时kkk = str + 'cdef'ttt = open("/home/suyuhan123/" + str + '.txt')引用字符时直接写str 不要写$str "str" 等。 str 直接就表示了 'abcd'2.代码中有中文时 写# coding
2016-09-01 17:16:42
340
原创 Linux文件压缩
Linux文件压缩1.压缩成tar文件tar命令可以用来压缩打包单文件、多个文件、单个目录、多个目录。常用格式：单个文件压缩打包 tar czvf my.tar file1多个文件压缩打包 tar czvf my.tar file1 file2,...单个目录压缩打包 tar czvf my.tar dir1多个目
2016-09-01 17:16:15
256
原创 随机森林
实习汇报目录（面试亦是如此）1.什么是weka2.机器学习算法的性能很大程度上依赖于应用程序和数据集的维度a.随机森林几乎不需要输入准备。它们可以处理二元特征，分类特征，数字特征，并且不需要任何缩放处理。b.随机森林可实现隐式特征选择，并且提供一个很好的特征重要性指标。c.随机森林训练速度非常快。它的一个特色就是当性能优化时，恰巧会提高模型精度，反之亦然。随机特征子集设置的
2016-09-01 17:13:46
656
原创 Apriori算法
Apriori算法一个项集的支持度：数据集中包含该项集的记录所占比例。{豆奶} {豆奶，尿布}置信度（可信度）：针对关联规则来定义的。例如 {尿布}->{葡萄酒} = 支持度{尿布，葡萄酒} /支持度{尿布} = 0.75 这意味着对于包含尿布的记录，规则对其中75%的记录都适用。 支持度，可信度是用来量化关联分析是否成功的方法。 频繁项集：是经常
2016-09-01 17:08:32
280
原创 Apriori 算法关联分析
Apriori 算法关联分析频繁项集：经常出现在一起的物品的集合关联规则：暗示两物品间肯恩共存在很强的关系。 一个项集的支持度：数据集中包含该项集的记录所占比例。{豆奶} {豆奶，尿布}置信度（可信度）：针对关联规则来定义的。例如 {尿布}->{葡萄酒} = 支持度{尿布，葡萄酒} /支持度{尿布} = 0.75 这意味着对于包含尿布的记录，规则对其中
2016-09-01 17:06:55
302
原创 连续值、缺失值 、正负样本不均衡处理方法
数据挖掘笔试总结：1.连续值、缺失值 、正负样本不均衡处理方法缺失值： （1）删除含有缺失值的数据对象或属性 （2）估计遗漏值，差值补全。 a.均值插补 均值 或者众数 b.利用同类均值插补 c.极大似然估计 前提适用于大样本期望值最大化 d.多重插补（较好） 最近邻平均属性 众数
2016-09-01 17:06:17
4587
原创 特征提取：
特征提取：原始特征的数量可能很大，或者说处在高纬空间中，通过映射（或变换）的方法用低纬空间来表示样本，这个过程叫特征提取。是一个变换过程 Y是测量空间 X是特征空间 变换A：Y->X 叫特征提取器。特征选择：从一组特征中挑选出一些最有代表性的特征，以达到降维的目的，这个过程叫特征选择。用映射（变换）方法，把原始特征变换为较少新特征————特征提取从原
2016-09-01 17:03:58
667
原创 Sql语句
Sql语句1. 删除表drop table name增加列（增加列后不能删除） Altertable t1 add column col int加主键 Altertable t1 add primary key(col)创建索引 Createindex idx on table (col ….)Drop
2016-09-01 17:03:07
182
原创 .operator
1.operator是操作符的意思。operator是C++的关键字，不是C语言当中的，它和运算符一起使用，表示一个运算符函数，理解时应将operator=整体上视为一个函数名。2.C++中的operator，有两种用法，一种是operator overloading（操作符重载），一种是operator casting（操作隐式转换）。下面分别进行介绍：1)operator
2016-09-01 17:02:31
303
原创 Haffman 编码
Haffman 编码 根据字符在文件中出现频率不同建立一个用0，1串表示字符的最优方式。给出现频率高的字符用较短的编码，出现频率较低的字符用较长的编码，达到整体编码最少的目的。// 使用不同长度（位数）的编码来表示各字符的最优构造Haffman树：哈夫曼提出构造 最优前缀码 的 贪心算法，由此产生的编码方案称为哈夫曼编码：若C是编码字符集，表示其最优前缀码的二叉树中恰有|C|个
2016-09-01 16:59:26
498
原创 hive group by 和 select set
void function(int *a){*a = 100;}int main(){int x=200;int *b = &x;function(b);return(0);} void function(int &a){a = 100;}int main(){int x = 200;function(x);return(0);}
2016-09-01 16:58:02
545
原创 switc—case 语句
switch判别式只能有4种类型，int、char、byte、short；public static void main(String args[]){int s=0,n;for(n=0;n{switch(n){default: s+=4;case 1: s+=1;break;case 2: s+=2;break;case 3: s+=3
2016-09-01 16:55:42
695
原创 debug N 天总结
做了很多工作，但是都不是问题所在。原来问题是电脑的问题，电脑跑步起来代码，卡住了，所以不出结果。并不是程序的问题。这个事情耽误了我至少至少至少整整两天时间！！！！房地产行业，新闻标题数据，开始时内存不足，出现些奇怪的错误提示。要调整参数，然后是编码问题，困扰了至少2天时间。错误提示index 不对。经尝试无法解决，此时应及时的求助他人，及时寻求帮助。这不仅是帮忙，更是节约自己时
2016-09-01 15:39:10
211
原创 eclipse 断点调试快捷键
eclipse 断点调试快捷键F8是调到下一个断点（没有的话，直接运行到结束）。F5是单步调试进入函数内部。F6是单步调试不进入函数内部。F7是由函数内部返回到调用处。
2016-09-01 15:38:14
235
原创 个人学习历程
知识技能增长历程1.Hive基本语句学习，创建hive表，把数据从postgreSQL导入hive中。2.sqoop 数据导入工具的学习，使用。先创建hive 表，然后用sqoop把数据导入。3.neo4j数据库的学习。把数据导入到Neo4j数据库。使用Python实现。Cython 语句的学习。向数据库表中插入数据，查询，删除。 python 脚本语言的编写，把txt数据按格式划分，
2016-09-01 15:37:52
293
原创 word2vec学习笔记
word2vec是把单词转换成向量的工具。通过向量间的相似度表示文本语义的相似度 一般用用Distributed Representation方法表示词向量通过训练语言模型，得到词向量。 l 词向量的评价词向量的评价大体上可以分成两种方式，第一种是把词向量融入现有系统中，看对系统性能的提升；第二种是直接从语言学的角度对词向量进行分析，如相似度、语义偏移等。
2016-09-01 15:37:27
431
原创 Cypher笔记
neo4j 笔记 ___2016-06-12Cypher 笔记：merge 相当于 match or create有就合并，没有就创建merge （a） //创建一个节点 on create set a.name="Tom" //设置节点的属性on match setsplit() 分隔时候用单引号 spl
2016-09-01 15:36:59
316
原创 sqoop笔记
sqoop import \-D mapred.job.queue.name=queue_gbd_ide_03 \ --connect jdbc:postgresql://10.20.130.122:7458/d0paebd \--username pierdata --password PaicDev1234 \ --query "select * from eb
2016-09-01 15:36:33
517
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人