饭饭认认米的博客

新公司入职115天了，刚刚参加完试用期结束百阿培训并且去三亚outing了一趟，似乎一切都挺顺利的，工作休闲都有了，突然陷入了一种很困扰的状态。百阿脱产1周+outing4天，占用7个工作日，体验了下现有的岗位没有你依旧照常运行，没有因为你的缺席有一丝波澜，深刻体验到自己只是一个工具人，对接着不那么重要的业务，做着价值感不高的事情；我的困扰：1、感觉自己很闲；2、不知道自己要做什么，怎么做3、没有任何成就感；4、周围的人还蛮优秀，看着差距有着无形的焦虑感； 除了硬性需求，没有人给你安排工作

首先先吐槽，成功安装fbprophet真的使用了九牛二虎之力，也是最开始没找到正确的方法，一直没用这个方法做于预测，希望能有个好的结论，因为不想要下载Anaconda，一直尝试不使用他进行安装，最终还是安装了它，成功之后回想一下好像也挺简单的呢，之前真笨；环境准备windows10Anaconda3python3.7（安装最新的3.8版本，过程中发现竟然只支持3.8以下的版本）Anaconda3安装后，需要配置环境变量，便于在cmd中调用过程中使用到的命令conda create -

从神经单元到LSTM循环神经网络

记录一下，部分工作中首次遇到的小问题，当时却花费了很多时间去解决的东西。linux批量关键词删除文件 find /data/work/ptop/ -name '*_201810*' |xargs rm -rfpython调用cx_Oracle包时，定时器不起作用，原因：cx_Oracle需要依赖oracle的ORACLE_HOME环境。环境变量定义时，ORACLE_HOME定义...

模型训练及验证之前，需进行好坏用户的划分，可通过有贷后表现根据阈值进行划分，其中坏用户定义为1，好用户定义为0.基于此对模型验证指标进行说明。混淆矩阵（confusion matrix）混淆矩阵（confusion matrix） 实际表现 1 0 预测表现 1 TP(true positive 预测正确的坏用户个数...

翻看以前的工作记录，发现以前写过的在影片上映之前写的电影分析报告（2016-04-06），觉得还蛮有意思，在这里分享一下，时间匆匆啊，竟然已过两年。1. 项目概况 2. 愤怒的小鸟系列分析2.1. 游戏IP分析《愤怒的小鸟》是由Rovio Entertainment Ltd.开发的一款休闲益智类游戏，于2009年12月首发于iOS，而后在其他平台发行,是一款基于技能的...

前期做了一些用户画像的数据支持工作，都是哪里需要往哪搬，没有进行过系统的总结，总归不是自己的东西，只知道要这么做，却不知为何要这么做，所以在这里进行一个归纳总结。 用户画像一般用于研究当前客户需求以及挖掘潜在客户，用户画像需要结合具体的场景进行分析，不同场景下分析也是存在差异的，自己工作中接触的数据主要为目标客群的消费流水数据，画像分析的内容主要是对当前分析客群基本属性如性别、年龄段、家庭结构，...

聚类&决策树

绘制累积分布图

留下一篇blog摘抄喜欢的现代诗。对于现代诗，是从大一的时候开始喜欢的，在学校图书馆上自习，无意间发现落在书桌上的一本顾城的诗集，好奇心翻阅了一下，竟一下从此喜欢上了，后面不仅仅是顾城，也陆续从学校图书馆借一些其他人的诗集来看。 对于诗，不同的人有不同的看法，或喜欢或不喜欢，每个人都不同，需要尊重每个人的偏好。诗对于我，我是喜欢的，但有时觉得浮躁的自己不配喜欢它，只有心静的时候，才能够品...

随机森林是基于决策树的组合模型，若因变量为分类变量则建立分类判别模型，若为连续变量则建立非线性回归分析模型。随机森林在分类中返回得票数最多的分类选项，在回归中返回所有决策树输出的平均值。随机森林是由多个回归树组合而成的模型，广泛用于分类研究，随机森林回归能够有效的分析非线性、具有共线性和交互作用的数据，效果要优于多元线性回归，并且不需要预先给定模型的形式假定，回归效果比回归树更好。随机森林在实际应用

- 环境准备系统：centos6.5 虚拟机：VMware Workstation jdk文件:jdk-7u67-linux-x64.tar.gz hadoop文件：hadoop-2.6.5.tar.gz

最近整理一下聚类相关的东西；数据说明凸集：在欧氏空间中，凸集是对于集合内的每一对点，连接该对点的直线段上的每个点也在该集合内；非凸（non-convex）数据：类比上述可知；距离&相似度首先我们要了解衡量对象间差异的方法对象可能是一个值，也可能是序列，聚类的方式的大都通过距离或相似度来衡量，常用距离如下： 对于两个对象的n维指标（x1,x2,….xn）|（y1,y2,…

写在前面上学的时候，有一门综合评价的课程，那时候没觉得以后会用到它，现在才发现是那么实用，实际应用中如果采用单指标进行评价给人的感觉总是有偏驳的，除非是那种极其可靠且明确其重要性的指标。近期基本上把老课本里的方法翻了个老底，以前觉得这门课程似乎挺难的，现在看来只是以前没有深入的好好看，方法简单且实用。 综合评价的方法一般是主客观结合的，方法的选择需基于实际指标数据情况选定，最为关键的是指标的选取，

R语言处理excel文件

分词的方法模型很多种，最大概率法、隐式马尔可夫模型、索引模型以及混合模型等，字典的类型也分为很多种，混合模型的结果一般情况下效果较优，下面利用R语言简单绘制云图，达到可视化的效果。

最早接触爬虫是利用java写脚本，后来自学了利用python进行爬虫来做入门，会用scrapy，最近用了下R，找了几个不同类型的字段获取，当作好玩吧。

对于地域信息的描述，采用地图的形式展现会比语言描述或者一般的条形图、饼图更直观，近期需要展现不同地区数据差别，可以借鉴一些网站例如地图惠等导入数据制作，但很多都有一定限制,例如注册收费等，故利用R进行了绘制。参考openthings的博客成功制作出了漂亮的地图，他的博客写的很详细，很赞。

我们都很幸运

最近学习了下复杂网络相关的东西，总结了部分基础的理论，与使用R语言igraph包，总结如下，还需要继续深入，目前只学了皮毛。