wonderful sql day4 初识数据库 DBMS 主要通过数据的保存格式（数据库的种类）来进行分类，根据数据库种类分别：层次数据库（Hierarchical Database，HDB）关系数据库（Relational Database，RDB）RDBMS 最常见的系统结构就是客户端 / 服务器类型（C/S类型）。
吃瓜教程day01 机器学习（周志华）Chapter1~2 自助法Bootstrap：有放回抽样地抽取训练记录（63.2%），没抽中的记录作为检验集的一部分，重复以上过程b次，得到b个自主样本。交叉验证cross-validation：假设把数据分为相同大小的k个子集，选择一个子集作为验证集，其他子集作为训练集，该过程重复k次，使每份数据都用于检验恰好一次。没有免费的午餐定理（NFL定理）：前提是所有问题出现的机会等同、或者所有问题同等重要（假设f均匀分布），此定理寓意是：脱离具体问题而空泛谈论哪个算法更好是毫无意义的。训练误差/经验误差：学习器在训练集上的误差。
数据挖掘导论 Chapter4 读书笔记 在极度不平衡的数据下（Positive的样本较少），PR曲线可能比ROC曲线更实用。：是以假正率（FP_rate）和假负率（TP_rate）为轴的曲线，如L1和L2。= TN/N，表示的是所有负例中被分对的比例，衡量了分类器对负例的识别能力。= TP/P，表示的是所有正例中被分对的比例，衡量了分类器对正例的识别能力。= (FP+FN)/(TP+TN+FP+FN)，与ACC是互斥事件。= TP/(TP+FP)，即被分为正例的示例中实际为正例的比例。：分类器训练和预测需要的时间。：处理缺失值和异常值的能力。
wonderful-sql day01 环境搭建、初识数据库 一些感想：一直想学习sql，但是不知道怎么开始学，总是卡在第一步环境搭建上。之前也有接触过一些sql的基本语法，了解句式，但是因为环境搭建的问题一直没有实践的机会。本次学习的目的是为了掌握sql语句并熟练运用（企业更常使用sql，对于找工作实习都很有帮助），也是为以后往数据分析岗发展做准备。本次学习在此平台记录遇到的问题和解决方案，记录经典案例，以备未来复习所用。
AI 夏令营机器学习 day01 深度学习环境配置问题 使用搜索很容易查找到nvidia-smi.exe的路径为：C:\Program Files\NVIDIA Corporation\NVSMI。再重新打开cmd或者WindowsPowerShell，运行nvidia-smi，成功解决问题！错误：无法将“nvidia-smi”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。
常见python报错整理 在如上代码中，由于变量list和函数list重名了，所以函数在使用list函数时，发现list是一个定义好的列表，而列表是不能被调用的，因此抛出一个类型错误。callable()是python的内置函数，用来检查对象是否可被调用，可被调用指的是对象能否使用()括号的方法调用，类似于iterable（）'int' object has no attribute 'startwith'：函数使用的数据格式错误。
关注
