baidu_38432186的博客

逾期天数 （Days Past Due，DPD）：已逾还款计划约定应还日期的延滞天数。计头不计尾：自应还日起到实还日前一天期间的日期数计尾不计头：自应还日次日起到实还日期间的日期数举例：DPDn+表示逾期天数 >n天，如DPD30+表示逾期天数 >30天，说明：此处包不包括逾期天数30，不同的定义则口径也会有差异。账龄（Month Of Book, MOB）：资产放款后月份。举例：MOB0表示放款日至当月月底MOB1表示放款后第一个完整的月份MOB2表示放款后第二个完整的月份

1、xpath_string()语法: xpath_string(string xmlstr,string xpath_expression)返回值: string说明: 默认情况下，从 xml 字符串中返回第一个匹配到的表达式节点的值。hive> SELECT xpath_string ('<a><b>b1</b><b>b2</b></a>', '//b') FROM iteblog;OKb1//指定返回匹配到哪一

greatest (a,b,c,d,d)greatest 求的是某几列的最大值，横向求最大(一行的多列记录求最大)可在信贷额度策略的盖帽场景中使用。和max()的区别？max(a)纵向求最大(一列的多行记录求最大)

11

使用中文别名时，需要将中文别名用反单引号括起来（tab键上面的那个键可以敲出来）--例如把“ar”改为中文别名“通过率”select prod_name, ar as `通过率` from table_name;注意：上传csv文件建表时，不能使用中文的字段名称。使用命令建表时，也不要使用中文来命名字段名称。使用中文来命名字段，虽然不报错，但是建表后的字段名称是乱码的。因此，建表时注意使用英文名称来命名字段。...

1、随机取数MySql或Hive数据库，从样本数据中随机提取数据表中的N条记录，可以使用rand()函数，结合使用order by对数据排序，用limit N取topNselect * from TableName order by rand() limit N案例：每月信用卡支出总额超过1000美元的客户有机会赢得抽奖。假设您在2019年10月从所有符合条件的客户中随机选择100名幸运客户，您是否可以编写一个查询以返回“user_id”列表作为此次抽奖的结果？--Task 1. Lucky Dr

1、%：模糊查询的通配符使用场景：模糊查询然后进行剔除测试数据，例：客户名称 not like ‘%测试%’模糊搜索查询如查询test表中如下数据：（1）查询name以“张”开头的数据：select * from test where name like ‘张%’;（2）查询name以“三”年结尾的数据：select * from test where name like ‘%三’;（3）查询name中包含“测试”的数据：select * from test where name l

1.分区表删除某个partitionalter tablealter table table_name drop partition(partiton_name='xxx'))删除某个partition的部分数据可以换一种思路，用INSERT OVERWRITE TABLE满足WHERE后面条件的数据是表中这个分区需要保留的数据--下边代码table_name 是同一个表INSERT OVERWRITE TABLE table_name PARTITION(year='2018') S

ntile()函数的作用是等频分箱，把观测值进行有序排列（默认升序），根据观测值的总个数等分为k部分，每部分当作一个分箱，即百分位数的概念，可以根据箱号选取前或后n分之几的数据。函数方法：ntile(n) over(order by col) as bucket_numn是指定的分箱数量。如果不能平均分配，则优先分配较小编号的箱，并且各个箱中能放的行数最多相差1备注：NULL值的处理，可以设置单独为一组，或者默认为最小值select col -- NULL默认为最小值

数据的存储有时候存在一个主键对应多行数据记录的情况，如果我们想把数据做行转列（合并）操作，就可以使用concat_ws(’,’, collect_set(column_name))函数，返回string。仅仅使用collect_set(column_name)函数返回的是数组，见下边第3条说明。说明：collect_set()去重，collect_list()不去重，column_name的数据类型要求是string1、多行转列create table students_info(`sno` st

问题如何创建用于合并两个字符串变量的计算字段？环境Tableau Desktop答案使用加号 (+) 运算符合并两个字符串字段：转到“分析”>“创建计算字段”。为计算字段命名，并输入以下公式：[String1] + [String2]单击“确定”。其他信息使用加号 (+) 将两个字符串字段合并在一起 (“abc”+ “def” = “abcdef”)。如果两个字段之间需要空格，请修改上述公式 “abc” + " " + “def” = “abc def”需要注意：拼接的字符串

问题示例：问题描述：1月4号之后没有数据，但是累计曲线还有，水平的累计曲线解决方法（1）修改时间为【X年X月】（2）修改为【离散】修改完成之后，累计折线图的展示就正常了

ROC/AUC

如果我们需要将多个select语句查询的同样类型结果（字段数量必须一样，字段名称可以不一样，不一样时以第一个select语句的字段名称为准）一块同时显示出来，这时候就需要用到union或者union all关键字。1、union all（union表示联合的意思）对两个结果集进行并集操作，对相同的结果不进行剔重，包括重复行，不进行排序。2、union对两个结果集进行并集操作，对相同的结果进行剔重，不包括重复行，同时进行默认规则的排序。3、intersect对两个结果集进行交集操作，不包括重复行，

1、分组不连续排序rank() over(partition by order by )partition by进行分组，rank+order by 进行给每个分组内的记录进行排序2、分组连续排序dense_rank() over(partition by order by)注：不分组排序rank() over(order by )3、row_number() over(partition by order by )row_number()不会出现相同排序，就算两条记录参与排序的字段的

1、IV值2、信息熵、信息增益

Logistic回归模型是一般线性回归模型的改进，一般线性回归模型中，假定y∼N(μ,σ2)y \sim N(\mu , \sigma^2)y∼N(μ,σ2)。当反应变量yyy是二分类或0—1变量时，此时yyy是服从Bernoulli分布（也称0-1分布或两点分布）的随机变量，即y∼B(n,p)y \sim B(n, p)y∼B(n,p)。Logistic回归函数是yyy 值限制在[0, 1]区间内的连续函数，应用较多的是Logistic函数（也称Logit变换），其形式为：Logistic回归模型的参

为什么要编码？模型中的预测模型都只能对数值类型进行建模分析（Catboost模型可以直接对类别变量建模），所以需要对离散变量进行编码。编码原则：保证编码后变量的距离可计算且符合原始变量之间的距离度量。编码方法根据是否需要预测变量（也称目标、因变量、标签）分为有监督和无监督编码。无监督编码1、One-hot编码（一位有效编码）不可排序的离散变量编码，例如：性别2、Dummy variable编码（哑变量编码）不可排序的离散变量编码3、Lable编码（标签编码）可排序的离散变量编码，例如：学

基本原则：是将有较大相似性的对象归为同一类，而将差异较大（相似性较小）的个体归入不同的类。度量相似性的聚类统计量（指标）：距离和相似系数1、距离：欧式距离、马氏距离、兰氏距离2、相似系数：相关系数、夹角余弦用CijC_{ij}Cij​表示第iii个变量与第jjj个变量之间的相似系数，∣Cij∣\left\vert C_{ij} \right\vert∣Cij​∣满足∣Cij∣⩽1\left\vert C_{ij} \right\vert\leqslant1∣Cij​∣⩽1。∣Cij∣\left\v

LR模型对进入模型变量的要求1、变量间不存在较强的线性相关性和多重共线性2、变量具有显著性3、变量具有合理的业务含义，符合业务逻辑第1点，可以使用单变量分析和多变量分析得到一定的约束，但是未必充分；第2点，从系数的P值进行检验；第3点，从系数的符号进行检验。变量的显著性为了获取与目标变量有较高相关性的变量，要求最终入模的变量的系数的P值很小，例如低于0.1。如果发现模型中某些变量不显著，需要检验一下两种可能性：1、该变量本身不显著；2、该变量显著，但是由于有一定的线性相关性或者多重共线