数据科学专业问答社区，好文章，一字千金--CDA答疑社区

热线电话：13121318867

登录

读童话的狼

安装WebEx时报错：无法获取正确参数

这是因为没有升级 Webex 安全策略TLS1.2，解决办法：参考官方链接：http://yunxue.isitestar.cn/page127?article_id=686

15.2822

1

0

0

关注作者

收藏

赵娜0418

Python机器学习损失函数

经典机器学习算法，他们最本质的区别是分类思想（预测y的表达式）不同，有的是基于概率模型，有的是动态规划，表象的区别就是最后的损失函数不同。损失函数分为经验风险损失函数和结构风险损失函数，经验风险损失函数反映的是预测结果和实际结果之间的差别，结构风险损失函数则是经验风险损失函数加上正则项(L0、L1（Lasso）、L2（Ridge）)。不同的算法常用的损失函数（Loss Function）有：

1.8598

5

3

0

关注作者

收藏

赵娜0418

关于MySQL出现2503的解决方式

a1. 打开任务管理器：Ctrl Alt Del。2. 点击任务管理器左上角的文件按钮： a 3. 再点击运行新任务(n)按钮。4. 手动输入所下载的MySQL安装文件的地址文件名。比如我放在D:\MySQL文件夹里，文件名为：mysql-installer-web-community-5.7.21.0.msi，就输入：D:\MySQL\mysql-installer-we

16.9449

5

1

0

关注作者

收藏

赵娜0418

Python机器学习之独热编码（三）

什么情况下不需要独热编码 1、如果特征是离散的，并且不用独热编码就可以很合理的计算出距离，就没必要进行独热编码。（比如，离散特征共有1000个取值，分成两组是400和600,两个小组之间的距离有合适的定义，组内距离也有合适的定义，就没必要独热编码） 2、有些并不是基于向量空间度量的算法，数值只是个类别符号，没有偏序关系，就不用进行独热编码。 3、如果原本的标签编码是有序的，就不必独热编码了，

16.9449

5

5

0

关注作者

收藏

liting李

MySQL连接有哪些？

内连接：select * from A inner join B on A.Key = B.Key;左连接：select * from A left join B on A.Key = B.Key;右连接：select * from A right join B on A.Key = B.Key;等值连接：select A_name,B_name,B_mobile from A, B whe

15.2822

1

2

0

关注作者

收藏

赵娜0418

Python机器学习之独热编码（二）

为什么要进行独热编码在回归，分类，聚类等机器学习算法中，特征之间距离的计算或相似度的计算是非常重要的。而常用的距离或相似度的计算都是在欧式空间的相似度计算，计算余弦相似性，基于的就是欧式空间。使用独热编码（One-Hot Encoding），将离散特征的取值扩展到了欧式空间，离散特征的某个取值就对应欧式空间的某个点。将离散型特征使用独热编码（One-Hot Encoding），会让特征之间的距

16.5673

5

2

0

关注作者

收藏

读童话的狼

python：str.strip()用法

函数原型：str.strip()作用：删除字符串头和尾的空格，以及位于头尾的\n \t之类等等eg1:str = " \n \n A B C \t"str.strip()结果:str = "A B C"eg2：str = "0000000this is string example....wow!!!0000000";print str.strip( '0' );结

15.2822

1

2

0

关注作者

收藏

赵娜0418

Python机器学习之独热编码（一）

在机器学习算法中，常会遇到分类特征是离散的，无序的。例如：性别有男、女，城市有北京，上海，深圳等。性别特征：["男"，"女"] => 0，1地区特征：["北京"，"上海，"深圳"] => 0，1，2工作特征：["演员"，"厨师"，"公务员"，"工程师"，"律师"] => 0，1，2，3，4 比如，样本(女，北京，工程师)=>(1，0，3)，但是，这样的特征处理并不能直接放入机器学

16.5673

5

2

0

关注作者

收藏

读童话的狼

python中lambda函数

lambda是Python预留的关键字lambda函数的特性：lambda argument_list:expersion1.lambda函数是匿名的：所谓匿名函数，通俗地说就是没有名字的函数。lambda函数没有名字。2.lambda函数有输入和输出：输入是传入到参数列表argument_list的值，输出是根据表达式expression计算得到的值。3.lambda函数一般功能

15.3955

2

2

0

关注作者

收藏

M17051121193254

Python中的lambda

lambda原型为：lambda 参数:操作(参数)lambda函数也叫匿名函数，即没有具体名称的函数，它允许快速定义单行函数，可以用在任何需要函数的地方。这区别于def定义的函数。lambda与def的区别：1）def创建的方法是有名称的，而lambda没有。2）lambda会返回一个函数对象，但这个对象不会赋给一个标识符，而def则会把函数对象赋值给一个变量（函数名）。3）

14.6116

1

4

0

关注作者

收藏

Kevin66832

开窗函数中三种序号函数的区别

1、row_number() 2、dense_rank() 3、rank()30000 1 1

14.7447

2

2

0

关注作者

收藏

shauna570392

什么是哑变量？

哑变量也叫虚拟变量将哑变量引入回归模型，虽然使模型变得较为复杂，但可以更直观地反映出该自变量的不同属性对于因变量的影响，提高了模型的精度和准确度。用一个例子说明：研究性别和工龄对基本工资的影响情况。工龄是定量数据；性别为二分类数据，因而分析时性别不能直接放入回归模型，正确做法是将变量转化成取值为1和0的哑变量。性别分为两类，因而需要设置2个虚拟变量（2列），分别表示男性和女性两个类

15.4153

2

0

0

关注作者

收藏

cxm272965

开窗函数的具体讲解——转自柯家媛老师

https://blog.csdn.net/kejiayuan0806/article/details/103297893

14.8251

4

2

0

关注作者

收藏

詹惠儿

为什么ZIP格式的文件打不开？

问：这个文件格式对吗？我这打不开答:这些是已进行压缩的文件，需要电脑上先下载解压软件，用解压软件先解压再打开，解压软件推荐使用以下2个：

50.9412

4

2

0

关注作者

收藏

bowan.

理解总结了一下mysql的开窗函数

MYSQL 开窗函数1.作用：对每一行都显示函数结果，并且可以调节计算的行数范围开窗函数和普通聚合函数的区别：（1）聚合函数是将多条记录聚合为一条；而开窗函数是每条记录都会执行，有几条记录执行完还是几条。（2）聚合函数也可以用于开窗函数中。2.基本语法：（相当于5个参数，函数，over() 这两个必须写，后面三个在over()里，看情况添加）select xx,开窗函数 over(

14.7974

5

2

0

关注作者

收藏

anranhui

推荐一些网站

https://arxiv.org/简介：arXiv是一项免费的分发服务，并且是针对1,711,060个物理，数学，计算机科学，定量生物学，定量金融，统计，电气工程和系统科学以及经济学领域的学术文章的开放获取存档。arXiv未对该站点上的材料进行同行评审。用途：可获得最前沿的信息。弊端：未经审核，所以需要自我甄别。https://www.icourse163.org/简介：中国大学慕课网

50.3024

6

1

0

关注作者

收藏

小懒爱科比

转存~如何在sql 8.0中导入文件~转自老师~

为了安全起见，MySQL8.0默认不允许客户端从本地载入文件。客户端local_infile默认关闭，因此需要在安全路径下导入本地文件。方法一：在workbench客户端操作查看安全路径show variables like '%secure%';找到安全路径，将数据文件放在此路径下然后执行如下命令导入数据（注意去掉local关键字）load data infile "C:/P

14.6433

3

3

0

关注作者

收藏

hujiahao

介绍一个刷SQL题目的一个好网站

网址：http://leetcode-cn.com1.登录后，选择题库-数据库 2.择适合自己的题目,开始愉快的刷题吧！

14.8583

10

2

0

关注作者

收藏

慢慢爬的Rui

dataframe 的索引

df索引看似比较复杂,但还是有规律可循: 1. [ ] 索引列时,形式为: df[[ ]] [ ] 无法单独索引某行,索引是需要借助; 例: df[ 2:5]2. df.loc 索引列时: 形式为: df.loc[: , ['A']] df.loc 索引行时,形式为 : df.loc[['a','b ' ]]3. 当同时索引列和行时, 推荐采用df.loc[ ]

14.7792

5

4

0

关注作者

收藏

啦啦啦29

子查询：一个select语句中包含另一个或多个完整的select语句子查询出现的位置：出现在where子句中：将子查询返回的结果作为主查询的条件出现在from子句中：将子查询返回的结果作为主查询的一个表子查询分类:标量子查询：返回的结果是一个数据（单行单列）行子查询：返回的结果是一行（单行多列）列子查询：返回的结果是一列（多行单列）表子查询：返回的结果是一张临时的表（多行多列）

14.7983

7

0

0

关注作者

收藏

<1…237238239…531>

CDA考试动态

CDA报考指南