- 博客(34)
- 收藏
- 关注
RSS订阅原创 # 深圳宝安教师招聘面试感悟
1、关于面试时间千万不要相信面试时间，发短信说地是上午八点到中午十二点，结果等到下午三点办我打电话之后才等到进入会议地短息，进入之后又是漫长地等待，等了四十分钟才进入面试，面试果不其然是三分钟2、面试内容面试1、自我介绍，2、宝安数学教师招聘地一个自我评价？没太明白这个问题3、你有多高，站起来全身照5、如何看待能和学生达成一篇又有老师威严地（估计是我答地太啰嗦了直接打断了）。以上就是关于这次面试地全部。嗯，估计是面多了，对不好的结局也不做勉强了。...
2022-07-08 16:49:14
181
1
原创 SQL39 筛选昵称规则和试卷规则的作答记录
SQL39 筛选昵称规则和试卷规则的作答记录描述现有用户信息表user_info（uid用户ID，nick_name昵称, achievement成就值, level等级, job职业方向, register_time注册时间）：试卷信息表examination_info（exam_id试卷ID, tag试卷类别, difficulty试卷难度, duration考试时长, release_time发布时间）：试卷作答记录表exam_record（uid用户ID, exam_id试卷ID, st
2022-03-11 13:56:29
364
原创 SQL35 每月及截止当月的答题情况
SQL35 每月及截止当月的答题情况描述现有试卷作答记录表exam_record（uid用户ID, exam_id试卷ID, start_time开始作答时间, submit_time交卷时间, score得分）：请输出自从有用户作答记录以来，每月的试卷作答记录中月活用户数、新增用户数、截止当月的单月最大新增用户数、截止当月的累积用户数。结果按月份升序输出。分析1、题目并不是很难，所有的函数其实都已经知道，但是就是没有想到那一层上面，2、一层先选出所有的字段、月份、最小的月份3、二层 选出月
2022-03-04 22:06:42
326
原创 SQL中计算字符串的长度函数
SQL中计算字符长度的函数有1、len(str) mysql中并不支持这个函数2、char_length(str) 计算的是字符串中个数的问题，例如char_length('a好的')--输出的是33、length(str) 计算的是字符串的长度char_length('a好的')--输出 54、连接两个字符串函数 concat...
2022-03-02 20:12:05
17193
原创 SQL33 对试卷得分做min-max归一化
SQL33 对试卷得分做min-max归一化现有试卷信息表examination_info（exam_id试卷ID, tag试卷类别, difficulty试卷难度, duration考试时长, release_time发布时间）：试卷作答记录表exam_record（uid用户ID, exam_id试卷ID, start_time开始作答时间, submit_time交卷时间, score得分）：在物理学及统计学数据计算时，有个概念叫min-max标准化，也被称为离差标准化，是对原始数据的线性变
2022-02-27 18:09:26
1194
原创 SQL29 连续两次作答试卷的最大时间窗
SQL29 连续两次作答试卷的最大时间窗1、函数lead (str1,number) over(partition by str2 order by str3)题目现有试卷作答记录表exam_record（uid用户ID, exam_id试卷ID, start_time开始作答时间, submit_time交卷时间, score得分）：请计算在2021年至少有两天作答过试卷的人中，计算该年连续两次作答试卷的最大时间窗days_window，那么根据该年的历史规律他在days_window天里平
2022-02-27 16:12:40
64
原创 牛客网刷题SQL27 每类试卷得分前3名
SQL27 每类试卷得分前3名题目现有试卷信息表examination_info（exam_id试卷ID, tag试卷类别, difficulty试卷难度, duration考试时长, release_time发布时间）：试卷作答记录表exam_record（uid用户ID, exam_id试卷ID, start_time开始作答时间, submit_time交卷时间, score得分）：找到每类试卷得分的前3名，如果两人最大分数相同，选择最小分数大者，如果还相同，选择uid大者。select
2022-02-24 22:09:43
355
1
原创 SQL19 未完成试卷数大于1的有效用户
SQL19 未完成试卷数大于1的有效用户题目现有试卷作答记录表exam_record（uid用户ID, exam_id试卷ID, start_time开始作答时间, submit_time交卷时间, score得分），示例数据如下：还有一张试卷信息表examination_info（exam_id试卷ID, tag试卷类别, difficulty试卷难度, duration考试时长, release_time发布时间），示例数据如下select a.uid ,count(a.s
2022-02-20 10:41:40
174
原创 牛客网刷题笔记
SQL17 平均活跃天数和月活人数用户在牛客试卷作答区作答记录存储在表exam_record中，内容如下：exam_record表（uid用户ID, exam_id试卷ID, start_time开始作答时间, submit_time交卷时间, score得分）select month ,round(sum(cnt)/count(uid),2) ,count(uid)from(select month ,uid ,count(di
2022-02-19 10:10:34
330
原创 SQL中的增删改查
SQL中的增删改查1、增2、删删除某条记录delete from user_infowhere timestampdiff(hour,start_time,submit_time)<1order by scorelimit 3;删除表中的内容truncate table user_info;删除某列(其实可以归为改那一类)alter table user_info drop column id;3、改--在某一列后面增加一列alter table user_info
2022-02-10 22:31:34
431
原创 sql中提取相关字段
sql中提取相关字段select substring_index(name,' ',number)from table从字段中按照特定的分隔符划分，提取第几个字段。
2022-02-08 19:55:22
1199
原创 sql匹配
SQL模糊匹配字符匹配 1、_ ：匹配一个字符 例如：查找姓张且名字为三个字的学生信息select * from student where name like '张__'2、%：匹配0个或多个字符串 例如：查找姓张的学生的信息select * from student where name like '张%3、[]匹配框中的任意一个字符 例如查找姓李、张、宋的学生信息select * from student where name like '[张李宋]%'4、不匹配[]中的字符 例如
2022-02-06 21:33:56
1519
原创 sql中count(*),count(1)和count(字段名)的区别
sql中count(*),count(1)和count(字段名)的区别1、count(1)和count(*)的区别不大都是不忽略空值，计算整个表格的行数2、count(字段名)计算的是字段所在列中非缺失值的数量
2021-12-26 09:51:35
398
原创 2021-10-02
模考总结2021、10、2第一次模考成绩60，排名1665/3554，2865/6371第一次参加模考，行测130题，120分钟，做题总结如下1、做题速度太慢，导致数量关系，资料分析题根本做不完2、做题的难度有待提高，从这次测验来看，很多的题目计算量都很大，特别是资料分析，跟之前做的完全是两个等级，之前做的选调只能说是基础类型的题目，现在看来，要加大难度了。各模块总结正确率1、判断推理：0.72、常识判断：0.453、言语理解与表达：0.74、数量关系：0。65、资料分析：0.3
2021-10-07 09:04:49
41
原创 EXCEL小技巧
每天一个Excel小技巧，强大的excel20210928使用excel实现阶梯计算分档范围执行价格一0-2600.5二261-5000.6三501以上0.8计算函数=sum(text(B2-{0,260,500},“0;!0”)*{0.5,0.1,0.2})如当数字为400的好时候，计算的是400-0，400-260，400-500，当出现负数的时候后面的参数"0;!0"会将之转换为0，进行计算！后面一大括号中的数据是阶梯之间的差额！.
2021-09-28 20:49:54
130
原创 sql函数知识点
sql函数1、internal view explore(a) 将a列爆炸2、nvl（a,’ '）如果为空值则返回空，避免输出的时候出错3、cast( a as int) 改变数据的类型 这里是改为整数型变量4、concate(a,b)将a,b整合在一起5、count(*) over(partition by a order by m)6、row_number() over(partition by a)...
2021-08-17 19:31:30
98
原创 统计学习方法总结
第一章数据挖掘方法概述#mermaid-svg-O4limIwZqenIz35k .label{font-family:'trebuchet ms', verdana, arial;font-family:var(--mermaid-font-family);fill:#333;color:#333}#mermaid-svg-O4limIwZqenIz35k .label text{fill:#333}#mermaid-svg-O4limIwZqenIz35k .node rect,#mermaid-sv
2021-06-16 11:24:16
246
原创 python知识点
每天一个python知识点1 将变量转换为分类变量import numpy as npimport pandas as pdunique_class=list(["a","b","c","c"])unique_class=unique_class.unique().tolist()#将列表中的元素变为唯一变量data1 = {"one":pd.Series(["a","b","c","a","c"]), "two":pd.Series(np.random.rand(4))
2021-05-29 16:12:35
96
原创 广义线性回归
广义线性回归总结无序变量广义线性回归是指通过连接函数将随机成分和系统成分连接起来，其中连接函数是一一对应，连续可导的变换。因变量服从指数族分布，就可用广义线性逻辑回归。二分类变量使用logistic连接函数，也可用probit连接函数，互补从log连接函数，三者的主要区别是收敛到01的速度不一样，速度越来越快logistic一般用来直接判别类别，probit一般用来判断每一个类别的概率多分类变量可用softmax来进行分类有序变量...
2021-05-08 18:57:08
1430
原创 ggplot2 总结
画密度函数图像 library(ggplot2)ggplot(iris,aes(x=Petal.Length,fill=Species))+ geom_density(alpha=0.1)在图像中添加线data(mtcars)p<-ggplot(mtcars, aes(wt, mpg)) + geom_point()p+ geom_vline(xintercept = 5)p + geom_vline(xintercept = 5)p + geom_vline(xinterce
2021-05-08 09:28:11
94
原创 多元统计中的降维的方法
主成分分析法主成分分析步骤（1）、构造输入变量的少数线性组合，尽可能解释数据的变异性，这些线性组合被称为主成分（2）、分析步骤寻找第一主成分，使得系数与变量的线性组合的方差最大寻找第i主成分，使得系数一之前的系数正交，线性组合的方差最大主成分分析的主要理论结果各主成分之间互补线性相关每一主成分的方差为协方差矩阵对应的特征值，据此可以求出累计方差还可以求出主成分和变量之间的相关系数主成分个数的选择碎石图累计方差和达到一定的比例主成分方差大于平均方差保留成分在实际中有可解释性变量标准
2021-04-08 10:36:01
1066
原创 关联规则
关联规则关联规则的目的和意义从大量数据中寻找有意义的关联性关系将关联性运用到实际生产生活中，提高利润，如：有两种相关性很高的商品，对其中一种商品促销，广告等，另外一种产品也会增加销量，合理的控制两种商品的距离可以增加顾客的逗留时间，适当缩短关联商品的距离，可以增加销量关联规则的具体内容1找到频繁项集2、从频繁项集中生成所有的强关联规则（1）一个频繁项集的任何自己必然是频繁项集（2）一个非频繁项集的超级必然不是频繁项集3、采用apriori算法实现关联规则有意义的关联规则关联规则中需要设
2021-04-08 09:27:21
254
原创 R分箱处理无监督 等频 均值
#无监督分箱library(infotheo)nbins<-3#等宽分箱equal_width <- discretize(Bankloan$income,"equalwidth",nbins)table(equal_width)plot(Bankloan$income, col = equal_width$X)#等频分箱equal_freq <- discretize(Bankloan$income,"equalfreq",nbins)table(equal_fr
2021-03-30 15:48:18
178
原创 SQL RANK
sql8.0 rank 函数的小知识点select emp_no,salary,dense_rank() over(order by salary desc)as rankfrom salarieswhere to_date = '9999-01-01'order by rank,emp_no;这样会显示错误：SQL_ERROR_INFO: “You have an error in your SQL syntax; check the manual that corresponds to yo
2021-03-21 21:33:38
95
原创 R笔记
R 笔记第二章1、调用程序包2、设置路径（需要注意的是R 中不能识别中文，路径要用反斜杠）3、读入数据read.scv，可用colClasses 设置字段的类型4、转换为日期函数，as.Date(productapurshase$date)5、查看变量：str(productapurshase)str(productapurshase)str(productapurshase)6、排序：productapurshase[Order(productapurshase$accountno),]（
2021-03-16 09:40:29
145
原创 机器学习 Boosting 和 xgboost
机器学习 Boosting 和 xgboostBoosting工作机制：先从初始训练集练出一个基学习器，再根据基学习器的表现对训练的样本分布进行调整，使得先前基学习器的训练样本在后续受到更多的关注，然后基于调整后的样本分布来训练下一个基学习器；如此循环往复，直至学习器达到事先指定的值T，最终将这T个基学习器进行加权结合。Boosting有很多实现版本，比如Adaboost,GBDT 和XGBoost,由于书中已经详细的讲解了Adaboost，我们将主要介绍GBDT 和XGBoost。1． CART—
2021-03-16 08:53:18
1042
原创 建模课的笔记
建模课的笔记第一次课传统的统计学数据已经给出，或者说已经清洗好了，用来做回归做分析。数据挖掘就是要挖掘出数据背后的信息数据集的类型：记录数据集：每个记录包含固定的属性，列成为属性数据矩阵：每一个属性都是数值型的，每行一个数据对象每列一个属性文本数据：文档转换成一个“单词项”向量，分类型向量使用频数进行分析，包括频率分布，卡方分布，事务数据：每一个数据包含一个项的集，例如顾客购买商品的集合与记录数据集的区别，每个项的属性不一定相同图：图形和HTML连接不通过属性的类型：1分类型（1）
2021-03-16 08:50:10
76
原创 SQL一些易错点
SQL的一些总结函数汇总函数需要注意的一些点limit n offset m 取区间[m,m+n][m,m+n][m,m+n]内的数join = inner joinfull join = full outer joindistinct 只能放在开头where 一定要在group by 的前面计算幂次：power(n,m)计算nmn^mnm保留小数位数：rand(n,2)保留两位小数一些经常忘记的点【难题】按角色分组算出每个角色按有办公室和没办公室的统计人数(列出角色，数量，有无办
2021-03-16 08:47:51
87
原创 关于SOA考试IFM科目的一些感悟和总结
关于SOA考试IFM科目的一些感悟和总结考试复习时间这一次的考试最考试是2020年上半年还在汨罗二中的时候开始复习的，应该是复习了20来天的样子，当然也可能没有，只看到了10章，后面就搁置了，再次捡起来是2020年的1月份，刚考完期末考试，找到了华昱丰的实习，一边实习一边看书，白天工作晚上看书，看书的效率并不是很高，工作不顺利，导致看书的时间没有那么长，效率也不高（这个等辞职之后在写一篇总结细说），期间寒假放了15天假，在家过年，效率时高时低，特别是过年期间有几天心情真的很崩溃，导致那几天真的没有心思看
2021-03-06 22:46:49
2702
原创 计算定积分
计算定积分import sympyfrom sympy.abc import x #导入符号变量values = sympy.integrate(sympy.sin(x)*sympy.cos(x), (x, 0, sympy.pi/2))
2020-12-21 17:23:42
352
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人