清风佐鸣琴

原创 MySQL之拼接字段

concat(str1, str2,…)函数把多个串连接起来形成一个较长的串select concat(vend_name, '(', vend_country, '(')from vendorsorder by vend_name;concat_ws(separator, str1, str2, …)函数该函数可以一次性指定分隔符group_concat( DISTINCT expressionORDER BY expressionSEPARATOR)将group by产生的同.

原创 异常检测

原创 特征工程之分类变量的处理

分类变量是表示类别或标记的。与数值型变量不同，分类变量的值是不能被排序的，故而又称为无序变量。one-hot编码独热编码（one-hot encoding）通常用于处理类别间不具有大小关系的特征。独热编码使用一组比特位表示不同的类别，每个比特位表示一个特征。因此，一个可能有k个类别的分类变脸就可以编码成为一个长度为k的特征向量。若变量不能同时属于多个类别，那这组值就只有一个比特位是‘开’的。独热编码的优缺点：独热编码解决了分类器不好处理属性数据的问题，在一定程度上也起到了扩充特征的作用。它的值只有

原创 KMeans算法之鸢尾花聚类

# 导入数据from sklearn.datasets import load_irisfrom sklearn.cluster import KMeansimport matplotlib.pyplot as plt# 数据实例化iris = load_iris() iris.dataarray([[5.1, 3.5, 1.4, 0.2], [4.9, 3. , 1.4, 0.2], [4.7, 3.2, 1.3, 0.2], [4.6, 3.1

原创 sklearn之聚类算法

from sklearn.datasets import make_blobsimport matplotlib.pyplot as pltx, y = make_blobs(n_samples=500, n_features=2, centers=4, random_state=42)fig, ax1 = plt.subplots(1)ax1.scatter(x[:,0],x[:,1], marker='o', s=8)plt.show()[外

原创 KNN算法实战之糖尿病预测

#导入库import numpy as npimport pandas as pdfrom sklearn.model_selection import train_test_splitfrom sklearn.neighbors import KNeighborsClassifierfrom sklearn.metrics import accuracy_score#读取数据，数据下载链接https://www.kaggle.com/uciml/pima-indians-diabetes-d

原创 sklearn实现朴素贝叶斯

高斯朴素贝叶斯GaussianNB高斯朴素贝叶斯假设P(xi∣Y)P(x_i|Y)P(xi​∣Y)服从高斯正态分布，来估计每个特征下每个类别上的条件概率。参数含义priors:array-like of shape (n_classes,)可输入任何类数组结构，形状为（n_class,）表示类的先验概率。如果指定，则不根据数据调整先验，如果不指定则自行根据数据计算先验概率。var_smoothing:float, default=1e-9在估计方差时，为了追求估计得稳定性，

原创 sklearn之概率类模型的评估指标

sklearn.metrics.brier_score_losssklearn.metrics.brier_score_loss(y_true, y_prob, *, sample_weight=None, pos_label=None)[source]¶概率预测的准确程度被称为“校准程度”，是衡量算法预测出的概率和真实结果的差异的一种方式。一种比较常用的指标叫做布里尔分数，它被计算为是概率预测相对于测试样本的均方误差，表示为：Brier Score = 1N∑i=1n(

原创 力扣MySql刷题

编写一个 SQL 查询，查找 Person 表中所有重复的电子邮箱。https://leetcode-cn.com/problems/duplicate-emailsselect Emailfrom Persongroup by Emailhaving count(Email)>=2;如果一个国家的面积超过300万平方公里，或者人口超过2500万，那么这个国家就是大国家。编写一个SQL查询，输出表中所有大国家的名称、人口和面积。https://leetcode-cn.com/pro.

原创 SQLZOO刷题之Using Null

Using Nullteacher id dept name phone mobile101 1 Shrivell 2753 07986 555 1234102 1 Throd 2754 07122 555 1920103 1 Splint 2293 104 Spiregrain 3287 105 2 Cutflower 3212 07996 555 6574106 Deadyawn 3345 …dept id name1 Co

原创 决策树——泰坦尼克号幸存者分析

import pandas as pdfrom sklearn.tree import DecisionTreeClassifierfrom sklearn.model_selection import train_test_splitfrom sklearn.model_selection import GridSearchCVfrom sklearn.model_selection import cross_val_scoreimport matplotlib.pyplot as pltd

原创 SQL进阶之复杂查询与视图

一. SQL语言之子查询运用运用情形：a. 集合成员资格：某一元素是否是某一个集合的成员b. 集合之间的比较：某一个集合是否包含另一个集合c. 集合基数的测试：测试集合是否为空，测试集合是否存在重复元组子查询定义：出现在where子句中的select语句被称为子查询（subquery），可以通过与这个集合的比较来确定另一个查询集合。（NOT）IN子查询基本语法：表达式 【NOT】 IN （子查询）判断某一表达式的值是否在子查询的结果中示例：列出张三、王三同学的所用信息Select

原创 决策树的基本原理与经典算法(1)

概念分类：分类任务就是通过学习得到一个目标函数（target function）f，把每个属性集x映射到一个预先定义的类标号y。注意：类标号必须是离散属性，这是区别分类与回归（regression）的关键特征。回归是一种预测建模任务，其中目标属性y是连续的。解决分类问题的一般方法首先，需要一个训练集（training set），其由类标号已知的记录组成。使用训练集建立分类模型，该模型随后将用于检验集（test set），检验集由类标号未知的记录组成。分类模型的性能根据模型正确和错误预测的检验记录计

原创 sklearn实现决策树

sklearn.tree.DecisionTreeClassifierclass sklearn.tree.DecisionTreeClassifier(*, criterion=‘gini’, splitter=‘best’, max_depth=None, min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features=None, random_state=None, max_leaf_nodes=