当尝试安装 Office 时可能会收到以下错误消息或包含错误代码 0-1018 的错误消息：很抱歉，无法安装 Office。 正在进行其他安装，请稍后重试。 如果尝试安装 Office 前正在运行 Office 安装、更新或卸载，则会出现此错误。 在 Windows 系统任务栏中找到并单击 Office 图标，查看安装进程。 如果安装已在运行，请等待安装完成后再开始 Office 安装。
田齐齐
2020-04-17
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），会让特征之间的距离计算更加合理。 独
田齐齐
2020-04-16
打开jupyter notebook无法自动跳转到浏览器 显示如下： 这时需要将红框里网址复制到谷歌浏览器 就可以打开jupyter notebook了。 如果不想每次打开都复制网址，可以更改默认浏览器，请参考：https://blog.csdn.net/weixin_43751243/article/details/104260134
田齐齐
2020-04-15
启动power bi 显示 计算机丢失api-ms-win-crt-runtime-l1-1-0.dll 解决方法一： 把api-ms-win-crt-runtime-l1-1-0.dll下载到电脑 下载链接： http://download.csdn.net/download/su749520/10190779 http://www.greenxf.com/soft/125654.htm
田齐齐
2020-04-15
点击电脑左下角的开始菜单，选择【Microsoft Office工具】，选择【office语言首选项】。 Office语言设置中，选择【与Microsoft Windows匹配】，在下方选择【中文（中国）】，最后点击确定保存设置。
田齐齐
2020-04-15
安装到这一步时，无法进行下一步，port3306 后面显示红色叹号，这是因为电脑此前安装了其他版本的MySQL，占用了3306这个端口号，将3306改为3307，就可以进行下一步安装了。
田齐齐
2020-04-15
在机器学习的二分类问题中，IV值主要用来对输入变量进行编码和预测能力评估。特征变量IV值的大小即表示该变量预测能力的强弱。 衡量的是某一个变量的信息量。 根据IV值来调整分箱结构并重新计算WOE和IV，直到IV达到最大值，此时的分箱效果最好。 分组一般原则： 1.组间差异大 2.组内差异小 3.每组占比不低于5% 4.必须有好、坏两种分类
田齐齐
2020-04-14
每次处理数据时，缺失值是必须要考虑的问题。但是手工查看每个变量的缺失值是非常麻烦的一件事情。 missingno提供了一个灵活且易于使用的缺失数据可视化和实用程序的小工具集，是基于matplotlib的，接受pandas数据源，使您可以快速直观地总结数据集的完整性。 安装程序包并加载： pip install missingno import missingno as msno 如果在安装
田齐齐
2020-04-13
1.基础查询公式的用法： =VLOOKUP(检索关键字，查找范围，返回第几列，是否精确匹配) 2.反向查找的固定公式用法： =VLOOKUP(检索关键字，IF({1,0},检索关键字所在列，查找值所在列)，2，是否精确匹配) 注意：这里使用了数组的公式，不能直接回车，需要使用Ctrl Shift Enter，否则会出错 3.多条件查找的固定公式用法： =VLOOKUP(关键字1
田齐齐
2020-04-09
count（*）是对返回的表中的所有行进行计数，是包含空值的。 count(字段名)是对返回的表中的本字段下进行非空计数，忽略空值。
田齐齐
2020-04-09
在学习机器学习的时候，我们遇到的数据集大多是类别平衡的，即数据集中各个类的样本数都 很接近。但是实际问题中我们遇到的大部分数据集都是不均衡的。常用的处理方法如下： 1.对数据进行预处理，进行欠采样或者过采样等处理，使数据分布较为均衡。 2.对算法进行改进，使其对少数类更加敏感。 python提供了就是一个处理不均衡数据的imblearn库；其基于机器学习常用sklearn开发而成，使用方法和s
田齐齐
2020-04-07
SVM本身是一个二值分类器，SVM算法最初是为二值分类问题设计的，当处理多类问题时，就需要构造合适的多类分类器。 目前，构造SVM多类分类器的方法主要有两类： （1）直接法，直接在目标函数上进行修改，将多个分类面的参数求解合并到一个最优化问题中，通过求解该最优化问题“一次性”实现多类分类。这种方法看似简单，但其计算复杂度比较高，实现起来比较困难，只适合用于小型问题中； （2）间接法，主要是通过组
田齐齐
2020-04-04
在求解机器学习算法的模型参数，即无约束优化问题时，梯度下降（Gradient Descent）是最常采用的方法之一。梯度下降法是一个最优化算法，通俗的来讲就是沿着梯度下降的方向迭代求解某个函数的最小值。梯度下降法是一个最优化算法，通常也称 最速下降法，常用于机器学习和人工智能中递归性逼近最小偏差模型，梯度下降的方向就是用负梯度方向为搜索方向，沿着梯度下降的方向求解极小值。在训练过程中，每次的正向传
田齐齐
2020-04-03
在工作中很多时候我们想要查看对应数据并不在一个sheet里，比如下面这个Excel表里 销售流水表： 商品说明表： 我们如果想将商品说明表中的prod_name对应到销售流水表中去，就需要用到vlookup函数的跨表匹配 方式如下： 观察可知，销售流水表和商品说明表的prod_id是对应的 所以我们可以如下书写公式：=VLOOKUP(A2,商品说明表!$A$1:$B$3315,2,F
田齐齐
2020-04-03
安装代码： pip install xgboost -i https://pypi.tuna.tsinghua.edu.cn/simple 安装成功后然后倒入xgboost就可以啦！ import xgboost
田齐齐
2020-04-03
核函数就是一个很投机取巧的函数 一般来说，在多维空间下计算svm的结果，首先需要将每一个低维空间中的点全部投射到高纬空间当中，这部操作特别麻烦，耗时间， 并且有可能高维空间的维度是正无穷的。在投射之后，需要对每两个点走点乘，从而可以带到svm的损失函数中，求一个最优质 而对于核函数来说，投射到高维空间后做点乘的结果！！正好！！是低维空间中点乘的结果的一个函数。从而可以省略麻烦的身维操作
田齐齐
2020-04-03
感知机(preceptron)是线性分类的二分类模型，输入为实例的特征向量，输出为实例的类别，分别用 1 和 -1 表示。感知机将输入空间(特征空间)中的实例划分为正负两类分离的超平面，旨在求出将训练集进行线性划分的超平面，为此，导入基于误分类的损失函数，利用梯度下降法对损失函数进行极小化，求得最优解。感知机是神经网络和支持向量机的基础。 感知机的函数公式为： 其中， w和 b 为感知机模型
田齐齐
2020-04-01
