99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

<sub id="5zdci"></sub>

熱線電話：13121318867

登錄

詹惠兒

mysql報錯：Eror Code: 1048.Column 'name'cannot be null

問：mysql報錯：Eror Code: 1048.Column 'name'cannot be null答：錯誤提示是name字段不能為空，說明在建立表時設置了非空約束，而輸入數(shù)據(jù)時出現(xiàn)null則會報錯，如果不能確定數(shù)據(jù)非空，可去掉非空約束。

150.0000

1

0

0

關注作者

收藏

詹惠兒

機器學習里面有哪些是聚類模型？有哪些是分類模型？

問：機器學習里面有哪些是聚類模型？有哪些是分類模型？答：聚類模型有：kmeans，meanshift，DBSCAN，層次聚類，譜聚類，GMM分類模型有：邏輯回歸，knn，SVM，貝葉斯，決策樹，集成學習，神經網絡回歸模型有：線性回歸，knn，SVR，決策樹，集成學習，神經網絡

150.0000

1

0

0

關注作者

收藏

詹惠兒

為什么需要對數(shù)值型的特征做歸一化？哪些模型需要歸一化？

問：為什么需要對數(shù)值型的特征做歸一化？哪些模型需要歸一化？答：對數(shù)值型的特征進行歸一化主要是為了統(tǒng)一不同特征的量綱，加快模型訓練，減少迭代次數(shù)；需要進行歸一化的模型有：線性回歸，邏輯回歸，SVM, 神經網絡，knn，kmeans。

150.0000

1

0

0

關注作者

收藏

詹惠兒

線性回歸優(yōu)化中，除了梯度下降法，還有什么別的優(yōu)化方法？

問：線性回歸優(yōu)化中，除了梯度下降法，還有什么別的優(yōu)化方法？答：還有牛頓法（同時利用一階和二階信息），擬牛頓法（正定矩陣代替黑塞矩陣的逆），共軛梯度法，坐標軸下降法等

150.0000

1

0

0

關注作者

收藏

詹惠兒

推薦系統(tǒng)案例中這個推薦指數(shù)為3怎么來的

問：推薦系統(tǒng)案例中根據(jù)商品4的相似向量，可以找出它的兩個鄰居為商品3和商品6，但是用戶1并沒有對商品3和6進行評分，因此無法得出用戶1對商品4的推薦指數(shù)，那這個推薦指數(shù)為3怎么來的呢答：你這里弄混了協(xié)同過濾的兩種算法的步驟，基于用戶的是先找鄰居，再根據(jù)鄰居的喜好來推薦；基于物品的是先找用戶購買過的商品，再根據(jù)購買的商品的相似商品計算推薦指數(shù)，所以UBCF的側重點是維護相似群體的愛好；而IBCF的側

240.0000

1

0

0

關注作者

收藏

詹惠兒

隨機森林如何判別不同類別間的特征重要性？

問：隨機森林分類可以知道整體特征重要性排序，但比如說有4類，是否有4個類別對應的特征重要性不同之說，如有，如何判別不同類別間的特征重要性？答：特征的重要性反饋的是區(qū)分因變量的能力，不能單獨將因變量拆開來看每個類別對應的重要性；如果是要看每個特征下不同分類對應的重要性，可以在sklearn中輸入分類數(shù)據(jù)時先進行編碼，像用啞變量處理就可以得到每一類別的重要性。

240.0000

1

0

0

關注作者

收藏

詹惠兒

集成模型選擇Bagging算法還是Boosting 好？

問：集成模型選擇Bagging算法還是Boosting 好？答：可以根據(jù)bagging和boosting的特點進行選擇：1. 并?計算方面Bagging：各個預測函數(shù)可以并??成，對于極為耗時的學習?法， Bagging可通過并?訓練節(jié)省?量時間開銷。Boosting：各個預測函數(shù)只能順序?成，因為后?個模型參數(shù)需要前?輪模型的結果。2. 擬合程度單個評估器存在過擬合問題的時候， Bagging能

240.0000

1

0

0

關注作者

收藏

詹惠兒

SQL怎么用列和另一列匹配，但是是模糊匹配？

問：SQL怎么用列和另一列匹配，但是是模糊匹配？答：將兩表進行連接后在where子句中使用模糊匹配，例如A表中的proj_dept字段包含了多個B表中的，用逗號分隔的dept_id，如果要實現(xiàn)A表和B表的關聯(lián)可以執(zhí)行以下代碼：select * from A,Bwhere concat(',',A.proj_dept,',') like concat('%,',cast(B.dept_id as

240.0000

1

0

0

關注作者

收藏

詹惠兒

SQL連接中的on and和on where兩種寫法的作用一樣嗎？

問：SQL連接中的on and和on where兩種寫法的作用一樣嗎？答：在使用left join時，on和where條件的區(qū)別如下： 1、on條件是在生成臨時表時使用的條件，它不管on中的條件是否為真，都會返回左邊表中的記錄。（實際上左連接中如果and語句是對左表進行過濾的，那么不管真假都不起任何作用。如果是對右表過濾的，那么左表所有記錄都返回，右表篩選以后再與左表連接返回） 2、wher

240.0000

1

0

0

關注作者

收藏

liting李

復購和回購率怎么理解

如何計算復購率/回購率計算方法一：復購的人復購率 = 單位時間內購買次數(shù)大于1的人/所有購買的人例如：一段時間內，10個人中有3個人購買2次，這3個人中有一個人又購買了一次，累計復購人數(shù)為3人，則這段時間內的復購率為30%。計算方法二：復購次數(shù) 復購率 = 單位時間內復購次數(shù)/所有購買的人例如：一段時間內，10個人中有3個人購買2次，這3個人中有一個人又購買了一次，累計復購次數(shù)為4次，則

200.0000

1

0

0

關注作者

收藏

詹惠兒

python報錯：TypeError: ‘>’not supported between instances of str and int

問：python報錯：TypeError: ‘>’not supported between instances of str and int答：這是因為原數(shù)據(jù)中的年齡字段是字符型，字符型的字段無法與數(shù)值型的‘50’進行比較，將年齡字段的數(shù)據(jù)類型改為數(shù)值型即可：df.年齡 = df.年齡.astype('int')。

108.9473

1

0

0

關注作者

收藏

詹惠兒

MySQL讀取數(shù)據(jù)后出現(xiàn)警告提示：1265 Data truncated for column'cno' at row 1

問題描述：MySQL讀取數(shù)據(jù)后出現(xiàn)警告提示：1265 Data truncated for column'cno' at row 1，是怎么回事？解決方法：一般出現(xiàn)此報錯是因為創(chuàng)建表時字段的長度沒有大于或等于實際讀取的字段長度，mysql默認將此字段超出長度截斷，解決方法是檢查創(chuàng)建表時字段'cno'的長度，將其設置為大于實際讀取文件中字段'cno'的長度，再重新讀取數(shù)據(jù)

108.9473

1

0

0

關注作者

收藏

詹惠兒

牛頓法的作用是什么？

問：牛頓法的作用是什么？答：牛頓法求解的作用使得代價函數(shù)達到最小，它是一種基于導數(shù)的算法，每一步迭代的方向都是沿著當前點函數(shù)值下降的方向；牛頓法的基本原理是利用迭代點Xk處的一階導數(shù)（梯度）和二階導數(shù)對目標函數(shù)進行二次函數(shù)近似，然后把二次函數(shù)的極小點作為新的迭代點，對于一個需要求解的優(yōu)化函數(shù)f(x),求解的問題轉換為求導函數(shù)f′(x)=0

108.9473

1

0

0

關注作者

收藏

詹惠兒

梯度下降中的BGD 和SGD 有什么區(qū)別？

問：梯度下降中的BGD 和SGD 有什么區(qū)別？答：BGD是指批量梯度下降算法，在每一次迭代使用全部的樣本，其特點是：? 能達到全局最優(yōu)解（凸函數(shù)情況下）? 當樣本數(shù)目很多時，訓練過程緩慢 SGD是指隨機梯度下降算法，在每一次更新參數(shù)只使用一個樣本，進行多次更新其特點是：? 迭代速度快? 準確度下降，每次不一定朝著收斂的方向

108.9473

1

0

0

關注作者

收藏

詹惠兒

線性回歸的最小二乘法法中是如何求參數(shù)θ？

問：線性回歸的最小二乘法法中是如何求參數(shù)θ？答：給定一個概率分布D，假定其概率密度函數(shù)（連續(xù)分布）或概率聚集函數(shù)（離散分布）為fD，以及一個分布參數(shù)θ，我們可以從這個分布中抽出一個具有n個值的采樣X1,X2,...,Xn，通過利用fD，我們就能計算出其概率：但是，我們可能不知道θ的值，盡管我們知道這些采樣數(shù)據(jù)來自于分布D。那么我們如何才能估計出θ呢？一個自然的想法是從這個分布中抽出一個具有n個值

108.9473

1

0

0

關注作者

收藏

詹惠兒

什么情況下算是滿秩？

問：什么情況下算是滿秩？答：滿秩是秩與方陣的列數(shù)相等，空間不降維例如，對于2*2矩陣，秩最大為2. 也就是基向量最多張成整個2維空間，此時det≠0，對于一個滿秩變換來說，唯一能在變換后落在原點的是零向量自身。

108.9473

1

0

0

關注作者

收藏

詹惠兒

統(tǒng)計學常說的偏度程度怎么判斷呢？

問：統(tǒng)計學常說的偏度程度怎么判斷呢？答：主要是看偏態(tài)系數(shù)偏態(tài)系數(shù)=0為對稱分布偏態(tài)系數(shù)> 0為右偏分布偏態(tài)系數(shù)< 0為左偏分布偏態(tài)系數(shù)大于1或小于-1，被稱為高度偏態(tài)分布；偏態(tài)系數(shù)在0.5～1或-1～-0.5之間，被認為是中等偏態(tài)分布；偏態(tài)系數(shù)越接近0，偏斜程度就越低下面是偏態(tài)系數(shù)的計算公式

171.4286

1

0

0

關注作者

收藏

詹惠兒

mysql中有哪些庫不可以刪除？

問：mysql中有哪些庫不可以刪除？答：默認情況下， MySQL 會自動安裝一些系統(tǒng)庫，不可以刪除，如果對 MySQL 不是很了解，也不要輕易修改這些數(shù)據(jù)庫里面的表信息。其中下面這四個庫千萬不要修改：? sys 庫： MySQL5.7 增加了 sys 系統(tǒng)數(shù)據(jù)庫，通過這個庫可以快速的了解系統(tǒng)的元數(shù)據(jù)信息。? information_schema 庫：提供了訪問數(shù)據(jù)庫元數(shù)據(jù)的方式。? MySQL

171.4286

1

0

0

關注作者

收藏

詹惠兒

worbench中可以設置默認使用的庫嗎？

問：worbench中可以設置默認使用的庫嗎？答：在 workbench 中，如果只是用一個數(shù)據(jù)庫，不經常切換數(shù)據(jù)庫，可以設定默認數(shù)據(jù)庫，操作如下：

171.4286

1

0

0

關注作者

收藏

詹惠兒

mysql怎么刪除主鍵表、保留外鍵表？

問：mysql怎么刪除主鍵表、保留外鍵表？答：如果要刪除主鍵表（父表）、保留外鍵表（子表），則只需將關聯(lián)的表的外鍵約束條件取消，然后就可以刪除父表。例：刪除 countries (主鍵表)，保留 authors 表（外鍵表）alter table authors drop foreign key hehe;drop table countries;

171.4286

1

0

0

關注作者

收藏

<1…282930…340>

CDA考試動態(tài)

CDA報考指南

聯(lián)系我們

<sub id="agwah"></sub>

^{<blockquote id="agwah"></blockquote>}