与数据和AI有关的东西

# -*- coding: utf-8 -*-import numpy as npimport matplotlib.mlab as mlabimport matplotlib.pyplot as plt '''朴素贝叶斯分类器的原理 事件H的先验概率P(H)，即无条件概率事件H在X发生时的后验概率P(H|X) 这里面H通常是指某一个分类X是指样本事

# -*- coding: utf-8 -*-import numpy as npimport matplotlib.mlab as mlabimport matplotlib.pyplot as pltfrom copy import copy #加载训练数据#文件格式：属性标号，是否连续【yes|no】，属性说明attribute_file_dest = 'F:

# -*- coding: utf-8 -*-#参数设定data_file = 'F:\\user_match_stat\\itemset.txt' #文件格式csv，形如：item1,item2,item3 #每个事务占一行frequent_itemsets_save_file = 'F:\\user_match_stat\\frequent_itemsets.txt'r

from pyspark import SparkConf , SparkContextconf = SparkConf().setMaster("local").setAppName("My app")sc = SparkContext(conf=conf)'''从关系对的数据中，找出所有最大的互不关联的连通子网络源数据格式为1，22，34，5节点的关

# -*- coding: utf-8 -*-#import sys   #sys.setrecursionlimit(1000000) #例如这里设置为一百万  from random import randomfrom math import floor'''这样一个场景：n为一个正整数m为一个正整数在【0 ， n）之间产生m次随机数， 求这些随机数

# -*- coding: utf-8 -*-import numpy as npfrom random import random#转移矩阵trans_matrix = np.array([[0.5   , 0.1 , 0.25 , 0.05], [0.15 , 0.5   , 0.2 , 0.05], [0.1 , 0.2 , 0.5   , 0.4],

# -*- coding: utf-8 -*-import numpy as npfrom random import random'''场景描述：一个由多个节点构成的流通系统，系统中存在能量的流动；如果这个系统是每个节点都是无损的，那么最终各个节点上的能量会稳定下来；稳定的状态由转移矩阵决定，与能量从哪个节点进行系统没有关系；（充分联通的系统）然而很多

# -*- coding: utf-8 -*-'''计算斗地主一手牌的所有可能组合数原创算法'''#计算Cn x  组合数def get_combinations(n , x) :    t1 = n - x     if t1         x = t1                if x == 0 :

# -*- coding: utf-8 -*-#k均值算法 主要部分 简单实现from random import random'''因为单次只能收敛到局部最优解 所以需要多次尝试 最所有对象的误差的平方和最小的结果。二维数据'''#设定K值K = 3#从文本中获取对象列表src_file_name = 'F:\\study\

数据清洗的目标使数据都是意义明确的、正确的、规范的；提高数据的可用性。 数据清洗的前提条件在数据清洗之前需要具备以下条件：1. 数据已经接入。2. 已经有基本的业务范围信息。3. 已经有基本的数据语义信息（表和字段说明）。4. 数据一致性校验已经完成（保证数据在传输过程中没有损失）。 数据清洗的四个方面1. 明确数据的业务范围    数据的业务范围的

对于一种拆牌中每一个牌型（如3334， 22），定义两个值，一个是承载力，一个是驱动力承载力：在某一个条件下，此牌型带出任意另一个牌型的可能性。比如王炸总是可以带出任意的一个牌型，那么它的承载力总是1。在某些情况下，34567也有0.9的可能性不被打住，那么它在这时候就有0.9的承载力。驱动力：在某一个条件下，此牌型可以打住（不管之后会不会被另外的牌打住）一手牌的可能性。王

观点一，如上图所示，数据是信息的载体，信息是数据的本质观点二，任何对于数据的分析和挖掘的做法，实质上都是对于信息的加工和转换。观点三，在将信息记录成数据的过程中，可能产生信息的损失。观点四，在数据的传输过程中可能产生数据的损失，同时也就是信息的损失。观点五，在从数据还原成信息的过程中很可能产生理解的偏差，造成信息的损失。如上图所示，数据分析挖掘的过程也就

首先，Anaconda2 直接安装在远程服务器上。 pip  install bit_arraypip  install thrift_saslpip  install thrift==0.9.3#为了能连接Hive或者Impalapip  install impyla   配置远程登陆1. 登陆远程服务器2. 生成配置文件$jupyter no

网络结构层数：2 输入个数：3 隐藏层节点数：10 输出层节点数：1数据结构用一个dict表示整个网络： ｛’input_layer’ : 输入节点列表 ， ‘hidden_layer’ : 隐藏层节点列表 ， ‘output_layer’ : 输出层节点列表 ｝输入节点：{‘input_value’ : num}隐藏节点：{‘bias

create table teams (id varchar2(3) primary key , name varchar2(20) not null ) ;create table match_results (team1 varchar2(3) references teams(id) not null, team1_goals integer not null ,team2 va