還記得那首火爆全網(wǎng),根據(jù)沙漠駱駝改編的大膽神曲《釋放自我》嗎? 當時可謂掀起了巨浪,其歌詞精煉,一針見血,令人印象最深刻的是“干活的累死累活,有成果那又如何,到頭來干不過寫PPT的”。 歌詞 ...
2020-07-09作者:吳至文 郭葉軍 宗煒 李鵬 趙娟 來源:大數(shù)據(jù)DT(ID:hzdashuju) 內(nèi)容摘編自《OpenCV深度學習應用與性能優(yōu)化實踐》 導讀:本文將介紹OpenCV的源碼結(jié)構(gòu)、OpenCV深度學習應用的典型流程,以及深度學習 ...
2020-07-091、Numpy NumPy 是一個 Python 包。 它代表 “Numeric Python”。 它是一個由多維數(shù)組對象和用于處理數(shù)組的例程集合組成的庫。它是Python創(chuàng)建的所有更高層工具的基礎(chǔ)。以下是它提供的一些功能: a、N維數(shù)組 ...
2020-07-09計算機視覺是一門研究如何讓計算機“看”的學科。 簡單來說,就是指利用攝影機和電腦等機器,來代替人眼對目標進行識別、跟蹤以及測量等,并進一步對圖形進行處理,使之成為更適合人眼觀察或傳送、檢測的圖像。 ...
2020-07-09上采樣(upsampling)或圖像插值(interpolating)的主要目的是將源圖像放大,從而能夠更高分辨率的顯示設備上顯示。 上采樣的原理: 上采樣(upsampling),圖像放大幾乎都是采用內(nèi)插值方法,即在原有 ...
2020-07-09機器學習中,當原始數(shù)據(jù)的分類極不均衡,需要對不平衡數(shù)據(jù)進行處理,而下采樣就是處理方法之一。簡單來說就是從多數(shù)類中隨機抽取樣本從而減少多數(shù)類樣本的數(shù)量,使數(shù)據(jù)達到平衡。 下采樣,通常適用于 ...
2020-07-09梯度提升決策樹(GBDT),全稱為Gradient Boosting Decision Tree,是一種迭代的決策樹算法,由多棵決策樹組成,將所有樹的結(jié)論累加起來,產(chǎn)出最終答案。 這也就意味著在GBDT中,CART決策樹為基學習器,也就是每 ...
2020-07-09前面我們了解了決策樹的概念,現(xiàn)在來了解一下決策樹剪枝??赡軙腥藛枺簽槭裁匆糁?答案是:如果一棵決策樹完全生長,那么這棵決策樹所對應的每一個葉節(jié)點中只會包含一個樣本,就很有可能面臨過擬合問題,因此 ...
2020-07-09決策樹(Decision Tree)是機器學習中一種常見的算法,它的思想非常樸素,就像我們平時利用選擇做決策的過程。決策樹是一種基本的分類與回歸方法,當被用于分類時叫做分類樹,被用于回歸時叫做回歸樹。 一、決策 ...
2020-07-09XGBoost是誕生于2014年2月的一種專攻梯度提升算法的機器學習函數(shù)庫,它有很好的學習效果,速度也非???,與梯度提升算法在另一個常用機器學習庫scikit-learn中的實現(xiàn)相比,XGBoost的性能可以提升10倍以上。還有,X ...
2020-07-09用SQL語句添加字段并不難,下面小編整理了SQL添加和修改字段的基本命令,希望對各位小伙伴有所幫助。 增加字段: alter table 表名 add 字段名 type not null default 0 在指定位置插入新字段: alter ...
2020-07-09庫: show databases;顯示所有數(shù)據(jù)庫 create database <數(shù)據(jù)庫名> ;創(chuàng)建數(shù)據(jù)庫 use <數(shù)據(jù)庫名>;使用數(shù)據(jù)庫 drop <數(shù)據(jù)庫名> 直接刪除數(shù)據(jù)庫, 不提醒 show tables; 查看當前數(shù)據(jù)庫中的表 desc na ...
2020-07-09前面小編給大家簡單介紹過擬合和欠擬合時,提到了一個概念:學習曲線,我們通過學習曲線能夠很清晰的判別出模型現(xiàn)在說出的狀態(tài)是欠擬合還是過擬合,下面小編具體整理了學習曲線的相關(guān)內(nèi)容,希望對大家有所幫助。 ...
2020-07-09KNN的全稱是K-Nearest Neighbors,具體意思為K個最近的鄰居。KNN算法可以說是機器學習算法中最簡單、最基礎(chǔ)的算法了。既能用于分類,也能用于回歸。是通過測量不同特征值之間的距離來進行分類。 KNN的基本思路 ...
2020-07-09近來數(shù)據(jù)記錄和規(guī)模屬性都在急劇增長,由于大多數(shù)數(shù)據(jù)挖掘算法都是直接逐列處理數(shù)據(jù),因此導致算法越來越慢。為了保證減少數(shù)據(jù)列數(shù)的同時,丟失的數(shù)據(jù)信息盡可能少, 數(shù)據(jù)降維處理算法應運而生。 一、降維的 ...
2020-07-09數(shù)據(jù)標準化(normalization)是一個常用的數(shù)據(jù)預處理操作,就是對原始各項指標數(shù)據(jù)按比例進行縮放,將數(shù)據(jù)的單位限制去除,轉(zhuǎn)化為無規(guī)模、無量綱的純數(shù)值,減少規(guī)模、特征、分布差異等對模型的影響,以便于不同單位 ...
2020-07-09今天是2020年7月8日,高考第二天,小編祝各位考生超常發(fā)揮,取得好成績。 對很多人來說,高考都是人生的一次重要轉(zhuǎn)折,但小編覺得,其實應該是高考+志愿填報,才是真正的人生轉(zhuǎn)折點。 高考 ...
2020-07-09目前數(shù)據(jù)分析行業(yè)大火,人人都想學習數(shù)據(jù)分析,但是是應該把數(shù)據(jù)分析當成一種工具呢?還是一種職業(yè)? 其實小編是比較傾向于:數(shù)據(jù)分析是一種技能的,下面具體解釋一下。 我們先來看一下數(shù)據(jù)分析的定義: ...
2020-07-08集成算法(Emseble Learning)是構(gòu)建多個學習器,然后通過一定策略將這些學習器組合起來,讓它們來完成學習任務的,通??梢垣@得比單一學習顯著優(yōu)越的學習器。 常見的集成算法模型有:Bagging、Boosting、Stack ...
2020-07-08過擬合(over-fitting)是指機器學習模型或者是深度學習模型在訓練樣本中表現(xiàn)得過于優(yōu)越,導致在驗證數(shù)據(jù)集以及測試數(shù)據(jù)集中表現(xiàn)不佳。也就是referstoa模型對于訓練數(shù)據(jù)擬合程度過高的情況。 通過學習曲線來理解 ...
2020-07-08SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內(nèi)涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領(lǐng)域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10