- 博客(18)
- 收藏
- 关注
原创 图学习-第一章 可视化
#图的简单理解图是对象之间的关系及特征的表示形态,用于分析已知对象间关系规律,并应用于对关系网络中其他未知对象的特征或行为预测。#图的可视化-networkx*python 3.6,networks 2.4,matplotlib 3.1.3‘’’import networkx as nximport matplotlib.pyplot as plt##生成无向图G = nx.Graph()#添加节点G_karate = nx.karate_club_graph()for node in
2020-06-14 15:30:14
772
原创 关于Maximum Likelihood Estimate(极大似然估计)的思考
一、MLE提出的背景 通过维基百科查询得知,MLE由遗传学家及统计学家罗纳德.费雪在1912年至1922年间开始使用。由此联想到MLE的遗传学背景,在遗传学中,显性研究即为最大可能性研究,通过对于各独立个体计算发生或者存活概率,来确定最后显著表达的群体。 在多个独立个体求集体存活的概率时,即为数学中的样本相互独立条件下,求此组样本的联合概率分布。通过当联合概率分布达到最大值时,求得对应的...
2018-02-27 20:33:01
943
原创 VBA代码学习
RansorA.Copy '将RansorA中的内容复制到剪贴板RansorB.PasteSpecial Paste := xlPasteValues '将剪贴板中的内容复制到RansorB
2017-06-20 12:44:05
572
原创 shell中的date和grep
在shell中利用date命令可以得到当前系统时间,常规命令:date -d "+1 month -1 day" +%Y%m%d,对于某个特定的时间而言,方法类似:date -d "$DATE +a month +b day“ +%Y%m%d,其中DATE可以设置为任意如20150501的时间形式,a,b表示正负整数,+%Y%m%d表示显示日期的形式,-d 表示以string形式输出日期。
2016-07-26 22:42:53
1536
原创 统计学中条件概率之于贝叶斯思想
贝叶斯公式的对象是条件概率的子集。贝叶斯中的较多对于先验信息的估计方法,对于实际的问题解决具有更好的作用,相对于传统统计学而言。
2016-07-23 16:34:23
2470
原创 shell中awk,find,grep学习
在shell中运用awk,grep,find更多的时候是在对于文本进行操作。其中grep以及find相对好理解,grep结合固定的语法实现对文件中关键词的查找,其应用对象是文本;find的查找目的是文件,应用对象是路径,查找的方式依据于参数的不同而不同,相对简化的用法为:find .-name XXXX /usr/wenjianjia。
2016-07-12 21:25:23
447
原创 db2与hive中left join与left outer join的区别
db2中inner join没有左右之分,outer join有左右之分,其目的在于需要确定以谁为主表;left join与left outer join据查和实验没有区别;(链接:http://dbua.iteye.com/blog/712969)hive中不支持left join,支持left outer join;hive中left semi join作用类似于SQL中的in,以
2016-07-10 17:15:40
1751
原创 分类算法中重要变量划分的实质
在分类算法中,确定对于分类效果好坏的变量的重要性时,并不一定需要从变量与分类标签的相关性出发,实际上,决定分类效果好坏的是不同类别的同一变量的差异性,此时,该变量的差异越大,基于此变量的分类效果就会越好。之前,讨论过,如何确定变量的重要性,有基于决策树分类划分的变量,也有基于逐步回归拟合的效果,其实质,在分类中,应是不同类别中具有较大差异的变量,分类的差异实际上就是靠这些变量体现出来的。
2016-01-20 10:12:07
704
原创 The imbalanced data
在机器学习中,比较侧重于算法的设计和实施,随着计算机的发展,想着如何更快更安全地处理数据,不过,在运用在各种机器学习的算法之前,需要首先对数据有一个比较好的考量。这里研究的问题是样本的不均衡性问题。 对于常规的机器学习算法,决策树类的,如ID3,C4.5,CART等,在最终划分出子集之后,子集的类别是依据于“少数服从多数”的原则,也即是说,少数的数据效应被忽略,大叔的数据效应被放
2015-12-26 11:06:51
307
原创 样本有偏时的思考
如何避免样本抽样有偏的情况发生在关联规则中,对于辛普森悖论的出现,即是由于样本有偏所导致规则提取的错误,在进行抽样时,如果没有比较客观地反映原始总体的信息,那么基于此,所得到的统计分析的结论以及假设检验,都是有错误的。对于这个问题的解决方案,1, 多次抽样,将多次抽样的分布绘制出来,取相对集中部分的均值或者众数2, 对于大的样本按照可利用的商业信息进行分层,再按照恰当比例在每个
2015-09-14 10:54:57
2660
原创 腾讯笔试题之协变量中重要变量的衡量
问题描述:对于一个目标变量而言,当存在有多个自变量(协变量)时,如何确定其中的重要的变量,并且排序?我的解题思路:1,对于目标变量而言,可以参考协变量与目标变量之间的相关性的强弱 2,依据于协变量在拟合目标函数时,对于目标变量的方差的解释力度,可以以拟合优度作为衡量标准 3,
2015-09-07 15:31:34
1200
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人