Jinlong_Xu的博客

数据挖掘笔试题（二）                                                     1、深度学习是当前很热门的机器学习算法。在深度学习中，涉及到大量矩阵相乘，现在需要计算三个稠密矩阵A,B,C的乘积ABC，假设三个矩阵的尺寸分别为m*n,n*p,p*q,且mA、A(BC)B、(AB)CC、(AC)BD、所有效率都相同解析：首先根据基

数据挖掘笔试题（一）晚饭后，突然有些兴致，想刷刷题，就去了牛客网做题。虽然战况惨烈，但是还是发现了一些有意思的题。基础很重要，基础很重要，基础很重要！！！重要的事说三遍。以下说法中正确的是()A、SVM对噪声(如来自其他分布的噪声样本)鲁棒B、在AdaBoost算法中,所有被分错的样本的权重更新比例相同C、Boosting和Bagging都是组合多个分类器投票的方法,二

申明：本文由浪叫兽对京东JData算法大赛的总结，行文略微口语化，但是不得不说，真正琢磨过数据的人才能发          现更多内在的东西。Mark，学习一下。0.055规则很简单的，就是type5 大于 2，就这一条就可以了。我们搞的是kdd，主要是知识发现，所以大多是重复 eda（探索分析） etl（数据清洗），数据清洗和探索，使用现有的数据挖掘框架。重头戏还是在eda 

今天下午参加了网易游戏春招/实习生招聘（中大专场）的笔试，同时也打算记录一下自己做到的笔试题，在这里分享给大家。        首先要吐槽的一点是，中大的限外令真的很严。还好我带校园卡了，同学忘拿了，直接回宿舍拿的。同时，即使是网易游戏的工作人员也不得不打报告，上面同意才放进来的。第二点，为啥网易游戏的数据挖掘居然不考算法？在这里，提醒各位想做数据挖掘算法的小伙伴，不太建议投网易游戏的

今天看到一个画图函数觉得挺有意思的，就试了一下。直接上代码片段：ax1 = plt.subplot2grid((3,3), (0,0), colspan=3)ax2 = plt.subplot2grid((3,3), (1,0), colspan=2)ax3 = plt.subplot2grid((3,3), (1, 2), rowspan=2)ax4 = plt.subplot2g

在这里我介绍一下plot方法的函数的使用。Series.plot方法的函数：参数说明label用于图例的标签ax要在其上进行绘制的matplotlib subplot对象。如果没有设置，则使用当前matplotlib subplotstyle将要传给matplotlib的风格

首先要理清楚一个概念，直方图与条形图。直方图与条形图的区别：条形图是用条形的长度表示各类别频数的多少，其宽度（表示类别）则是固定的；直方图是用面积表示各组频数的多少，矩形的高度表示每一组的频数或频率，宽度则表示各组的组距，因此其高度与宽度均有意义。由于分组数据具有连续性，直方图的各矩形通常是连续排列，而条形图则是分开排列。条形图主要用于展示分类数据，而直方图则主要用于展示数据型数据

Python 2.7IDE Pychrm 5.0.3sci-kit learn 0.18.1前言抖了个机灵，不要来打我，这是没有理论依据证明的，只是模型测试出来的确有效，并且等待时间下降(约)为原来的十分之一！！刺不刺激，哈哈哈。原理基本思想：先找重点在细分，再细分，伸缩Flexible你怕不怕。以下简称这种方法为FCV不知道

XML文件结构和基本语法分类： html java2010-03-12 17:04 903人阅读 评论(1) 收藏 举报4.1.1 XML文件结构一个XML文件通常包含文件头和文件体两大部分1. 文件头XML文件头由XML声明与DTD文件类型声明组成。其中DTD文件类型声明是可以缺少的，关于DTD声明将在后续的内容中介绍，而XML声明是必须要有的，以使文件符

介绍ipython notebook¶1.简单介绍ipython notebook的安装和使用，在ubuntu上:sudo apt-get install ipython但是并不是所有的版本都支持notebook功能，本人的系统安装的是0.13的版本有notebook，但是有个重要的功能没有，什么功能等会再说，所以本人手动安装的ipython 1.1.0版本，你可以

最近有个“摩拜杯”算法大赛，看了下数据，发现里面的起点和终点都进行了编码，需要用geohsah来解码成坐标。先介绍一下安装geohash：pip install geohash显示安装成功：然后我发现import 模块的时候是会报错的：我的解决方法是：1、将Geohash文件夹改成geohash；2、将文件夹下的 __init__

摘要最近打各种比赛，在这里分享一些General Model，稍微改改就能用的环境： python 3.5.2XGBoost调参大全： http://blog.csdn.net/han_xiaoyang/article/details/52665396 XGBoost 官方API： http://xgboost.readthedocs.io/en/latest/

实验环境是linux 16.10， Python3.6，其他平台应该也一样。没试过，大家可以去试试看，应该差不多。1. 正确下载字体文件simhei.ttf点击下载字体2. 将上面下载的文件copy到matplotlib里的对应目录，我的目录是~/anaconda3/lib/python3.6/site-packages/matplotlib

目前，Python 科学栈中的所有主要项目都同时支持 Python 3.x 和 Python 2.7，不过，这种情况很快即将结束。去年 11 月，Numpy 团队的一份声明引发了数据科学社区的关注：这一科学计算库即将放弃对于 Python 2.7 的支持，全面转向 Python 3。Numpy 并不是唯一宣称即将放弃 Python 旧版本支持的工具，pandas 与 Jupyter noteb

scikit-learn Preprocessing data 本文主要是对照scikit-learn的preprocessing章节结合代码简单的回顾下预处理技术的几种方法，主要包括标准化、数据最大最小缩放处理、正则化、特征二值化和数据缺失值处理。内容比较简单，仅供参考！首先来回顾一下下面要用到的基本知识。一、知识回顾均值公式：

机器学习 特征工程之特征选择 概念首先看一下维基百科中关于特征选择的介绍：在机器学习和统计学中，特征选择 也被称为变量选择、属性选择 或变量子集选择 。它是指：为了构建模型而选择相关特征（即属性、指标）子集的过程。在机器学习中，每个特征对于目标类别的影响并不相同，所以需要从特征集中挑选出一组最具统计意义的特征子集，把其他无用数据删掉，达到降维的目的。特征选择的目标是寻找最优

十分钟入门Matplotlib 数据的处理、分析和可视化已经成为 Python 近年来最重要的应用之一。这种现象又进一步引出“大数据”分析等类似的话题，而大数据分析在人们所能预见的诸多领域内都有广泛应用，这其中就包含笔者个人感兴趣的机器学习。Python 在处理数据、分析数据以及数据可视化方面拥有很多功能强大的工具，这也是 Python 在科学领域中能够迅速发展的一个主要原因。在接

一文学会 Python 多线程编程 Threading 模块从 Python 1.5.2 版开始出现，用于增强底层的多线程模块thread 。Threading 模块让操作多线程变得更简单，并且支持程序同时运行多个操作。注意，Python 中的多线程最好用于处理有关 I/O 的操作，如从网上下载资源或者从本地读取文件或者目录。如果你要做的是 CPU 密集型操作，那么你需要使用 Py

Python多进程编程入门 多进程(multiprocessing)模块是在 Python 2.6 版本加入的。它最初由 Jesse Noller 和 Richard Oudkerk 在PEP 371 中定义。multiprocessing 模块生成进程的方式就和你使用 threading 模块生成线程是一样的。但是在这里，因为你使用的是多进程，所以你可以规避全局解释锁(GIL)，充分

DataCastle［猜你喜欢］赛事算法分享关于竞赛DC的小伙伴们大家好，我是Yes,boy! ，来自东北大学计算机学院。在猜你喜欢推荐系统竞赛中，很幸运以7.89465的得分取得第一名，看到大家在群里对推荐系统的热情很高，所以在这里我简单介绍下竞赛中我的思路。本次比赛的赛题背景是给出了约3400万条数据，包含一个商品网站站内顾客在某一时刻对某一个商品的打分值，分值范围为1至5

数据城堡参赛代码实战篇（一）---手把手教你使用pandas小编们最近参加了数据城堡（ http://www.pkbigdata.com/ ）举办的“大学生助学金精准资助预测 ”比赛，分组第19名的成绩进入了复赛，很激动有木有！在上一篇文章中，小编带大家回顾了参赛的心路历程，虽然看上去生动有趣，十分轻松，但是小编们在背后也是付出了不少的汗水呀。本篇，小编文文将带你一起分析如何用pa

最近在做JData算法大赛，作为一个新手，第一次参加这样的比赛，还处于没入门的状态，但是还是希望可以慢慢做，慢慢玩数据，来提高自己。其中有一个数据文件——JData_Action_1604， 这是一个用户行为文件，我看在数据的时候，第一个用户User_id——100259在短短的时间内就出现了很多的交互（行为）。为此，我想提取出在JData_Action_1604文件中有关User_id—

XGBoost-安装(Windows/VS2015)昨天想装theano的时候，误删了之前的一些Python包，导致xgboost无法使用。索性重新安装了anaconda平台，方便自己后续的使用。 Anaconda是python科学计算的集成。使用起来给人matlab的感觉。并且预装了numpy，scipy，matplotlib,pandas, scikit-learn等多个常

XGBoost-Python完全调参指南-介绍篇 在analytics vidhya上看到一篇<Complete Guide to Parameter Tuning in XGBoost inPython>,写的很好。因此打算翻译一下这篇文章，也让自己有更深的印象。具体内容主要翻译文章的关键意思。原文见：http://www.analyticsvidhya.com/blog/2

XGBoost-Python完全调参指南-参数解释篇 在analytics vidhya上看到一篇<Complete Guide to Parameter Tuning in XGBoost inPython>,写的很好。因此打算翻译一下这篇文章，也让自己有更深的印象。具体内容主要翻译文章的关键意思。原文见：http://www.analyticsvidhya.com/

本文是对pandas 官方网站上《10 Minutes to pandas》的一个简单的翻译，原文在这里 。这篇文章是对pandas的一个简单的介绍，详细的介绍请参考： Cookbook 。习惯上，我们会按下面格式引入所需要的包：一、创建对象可以通过 Data Structure Intro Setion 来查看有关该节内容的详细信息。 1、可以通过

pandas常用函数                         import numpy as np  import pandas as pd  import matplotlib.pyplot as plt    ---------------numpy-----------------------  arr = np.array([1,2,3], dtype=np.float6

这篇文章主要介绍 MySQL 新建数据库，新建表，插入数据以及基本数据类型的相关知识。我们接下来将创建一个名为 mysql_shiyan 的数据库，其中包含两张表 employee 和 department。一、新建数据库首先，我们创建一个数据库，取名为 mysql_shiyan ， 语句的格式为 CREATE DATABASE  ;创建成功后输入命令 show databas

昨天下午六点多接到京东成都研究院HR的电话通知，告诉我，明天（11号）下午四点到六点之间会有电话面试，要我提前做好准备。之前投的时候，意向岗位是数据挖掘岗位。没想到居然过了简历关，进入到了电面。第一次面试自然要好好准备一下。就回顾一下常见的数据挖掘的算法，还有之前做过的项目。觉得自己准备的差不多了，到了四点就一直守在电话前等着，一直没来电话，我就等到五点十分左右，然后来了电话。

Python数据分析笔记——Numpy、Pandas库 Numpy库Numpy最重要的一个特点是就是其N维数组对象，即ndarray，ndarray是一个通用的同构数据多维容器，其中的所有元素必须是相同类型的。每个数组都有一个shape（一个表示各维度大小的元组，即表示有几行几列）和dtype（一个用于说明数组数据类型的对象）。本节将围绕ndarray数组展开。

python seaborn画图在做分析时候，有时需要画几个图看看数据分布情况，但总记不住python的绘图函数。今天有空顺便整理下python的seaborn绘图函数库。 Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn就能做出很具有吸引力的图，而使用matplotlib能制作具有更多特色的图。应该把Seaborn...