抱富的博客

1、处理本地数据将excel转为csv格式，并将列名删除，只保留数据2、在HDFS上创建文件夹，并上传本地数据3、在hive中建表CREATE EXTERNAL TABLE `abc.info`( `a` string COMMENT 'ID', `b` string COMMENT '名称', `c` string COMMENT '需求' )row format delimited fields terminated by ',' stored as textfi

3GPP查询/下载网址：https://www.3gpp.org/dynareport/SpecList.htm?release=Rel-15&tech=4&ts=1&tr=11、选择技术类型：5G/4G ,发行版本2、可通过检索关键字，查找涉及的协议3、知道目标协议编号的前提下，直接下载。如在主页选择23.501，点击目标版本即可完成下载...

1、逻辑回归模型1.1逻辑回归含义逻辑回归其实是一个分类算法，用于对样本数据进行分类的场景1.2、逻辑回归算法模型分类的依据为计算一个阈值，超过为A类，未超过为B类。逻辑回归的算法模型，与线性回归类似模型的理解：如2个参数即因变量x1和x2，那么阈值（决策边界的线）就是w1x1+w2x2+b=0这条直线（x1作为x轴，x2作为y轴，以此将平面分为2块，w1x1+w2x2+b结果即z大于0的部分为A类，z小于0的部分为B类）1.3、sigmoid函数理解sigmoid函数把z值（﹣

PYTHON中join的使用方法：将序列中的元素以指定的字符连接生成一个新的字符串。可连接的序列包括：字符串，列表，集合，元祖，字典应用：对于DataFrame，取出某列后，利用apply函数分别对每行进行join1、连接的序列为列表如name列目前为列表方式存储，需要将每个列表中的名字使用空格间隔开，而不是逗号df1=pd.DataFrame({'sex':list('FFMFMMF'),'smoker':list('YNYYNYY'),'name':[["zho","ds"],["def","

列表数据有序，可重复，查找某个元素方式为逐个遍历；时间复杂度为列表的长度，即从第一个元素遍历到最后一个元素为止，O(len(list))集合数据无序，不可重复，查找某个元素方式为哈希。即某个元素通过哈希计算，他的位置永远固定（顺序却不按输入元素顺序，解释了为什么集合无序），查询时通过哈希即可一次找到该元素。时间复杂度为O(1)总结，对于大量数据，集合效率极高#1、创建空表方式a=list()b=set()#2、查找某个元素list1=['haha','heihei','neinei.

1.通过ip过滤抓包方法tcpdump -i any -s 0 -w 100.pcap net 172.16.1.139 or 172.16.1.1592.通过端口过滤抓包方法tcpdump sctp or udp port 2123 or udp portrange 10000-11000 -i any -s 0 -w 01.pcap

import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom keras.models import Sequentialfrom keras.layers.core import Dense, Activation, Dropoutfrom keras.layers.recurrent import LSTMfrom sklearn.preprocessing import MinMaxScalerfrom

1、七问法5W2H：why（何因）、what（何事）、who（何人）、when（何时）、where（何地）、how（如何做）、how much（何价）

pip --default-timeout=1000000 install -U -i https://pypi.doubanio.com/simple/ --upgrade tensorflow-gpu==2.3.0 这样还可以防止超时，还是指定版本conda config --add channels https://pypi.doubanio.com/simple/ --upgrade tensorflow-gpu==2.3.0按enter（%%这句指定了清华镜像下载资源路径）再输入：co

1、KNN概念KNN算法：K-Nearest Neighbor，K近邻算法，即K个最近的邻居（近朱者赤近墨者黑）KNN即可用于分类，也可用于回归分类预测时，使用K个邻居中，类别数量（或加权后）作为预测的结果回归预测时，使用K个邻居的均值（或加权后），最为预测结果2、超参数概念超参数：人为指定，超参数不同对模型效果影响很大2.1、K值K值大，容错性增加，敏感性降低，易导致欠拟合K值小，容错性降低，敏感性增加，易导致过拟合极端情况，使用整个样本数量作为K值，那么无论预测值在哪，结果都

enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标，一般用在 for 循环当中。Python 2.3. 以上版本可用，2.6 添加 start 参数。遍历列表，并得到索引，索引值从0开始x=['d','e','f']for i,j in enumerate(x): print(i,j)结果0 d1 e2 f配合笛卡尔积使用for循环，相当于双层for循环笛卡尔积用于遍历很好用a=['g','h']b=[

int计算a=1b=2print(f'A+B={a+b}')结果A+B=3字符串显示name='xiaoming'print(f"他的名字是:{name}")结果他的名字是:xiaoming说明：{}内的会进行格式化输出，无论是int计算，还是字符串格式显示。相对于“{} {}”.format(“hello”, “world”)方式更加简化...

1、线性回归评价指标#MSE均方误差from sklearn.metrics import mean_squared_error#MAEXfrom sklearn.metrics import mean_absolute_error#R^2决定系数from sklearn.metrics import r2_score2、分类指标：混淆矩阵confusion_matrix(y_true, y_pred, labels=None, sample_weight=None):通过计算混淆矩

前提：是数组，即查询的type结果为numpy.ndarray。列表不行X和y赋值，X的行数需要同y元素个数相同X = np.arange(0,32).reshape(8,4)print(type(X))print(X)y=np.arange(0,8)print(y)结果<class 'numpy.ndarray'>[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15] [16 17 18 19] [20 2

np.random.seed(3)#所有的随机数都是伪随机，种子相同，随机数就相同random_state 随机种子train_test_split(X,y,test_size=0.25,random_state=0),其中random_state用于打乱样本顺序，设置为0为了排除在调整超参数建立模型的时候，顺序对模型的影响线性回归的结果为了损失最小（∑（实际y-预测y））bais：偏置weight：权重...

1、概述总体、个体、样本2、点估计和区间估计2.1、点估计2.2、区间估计置信度：总体参数有多大的概率位于置信区间置信区间：

单独

1、相关概念数理统计：以概率论为基础，研究大量随机现象的统计规律性。描述统计推断统计描述性统计：从总体数据中提取变量的主要信息（总和，均值等），从总体层面上，对数据进行统计性描述2、统计量2.1、频数与频率导入相关模块import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsfrom sklearn.datasets import load_irisimp