原创 精細解說機器學習模型:XGBoost模型

這篇應該是你見過的講xgboost的文章裏最細的。 簡單介紹 首先需要介紹GBDT,它是一種基於boosting增強策略的加法模型,訓練的時候採用前向分佈算法進行貪婪的學習,每次迭代都學習一棵CART樹來擬合之前 t-1 棵樹的預

原创 掘金筆記:樸素貝葉斯模型

樸素貝葉斯模型 1 - 基礎定理與定義 條件概率公式: P(A∣B)=P(AB)P(B) P(A|B)=\dfrac{P(AB)}{P(B)} P(A∣B)=P(B)P(AB)​ 全概率公式: P(A)=∑j=1NP(AB

原创 MXNet框架中Fashion-MNIST數據集載入失敗或過慢問題

mxnet有以下語法可以下載讀取數據集: mnist_train = gl.data.vision.FashionMNIST(train=True) mnist_test = gl.data.vision.FashionMNIST

原创 常見的特徵降維方法

主成成分分析(PCA) 線性判別分析(Linear Discriminant Analysis,LDA) 映射後類內方差最小,類間方差最大 局部線性嵌入(Locally Linear Embedding,LLE) Is

原创 傳統機器學習模型解說01:一元線性迴歸模型

引入 年薪和工作年限有關嗎? 可見兩個變量之間存在明顯的線性關係,而根據常識,工作年限是因,年薪是果。 那麼,是否存在某個模型,如圖中的一次函數直線,來描述兩個變量之間的關係呢? 原理簡述與背景介紹 一元線性迴歸模型也被稱爲簡單

原创 Jupyter Notebook 菜單欄選項全解說

本文將逐個解說Jupyter Notebook菜單欄中的每個選項。 1 - File:文件   File New Notebook 新建筆記本。二級菜單可以選擇新建筆記本的內核(語言),我這裏只有Python3的,Jupyter Not

原创 一條龍!關於Anaconda與PyCharm的安裝與基礎配置中出現的常見問題與解決方案

本篇小文針對一些新手可能會碰到的問題推薦一些有用的方法,給出鏈接,省去了網上查找篩選的過程,具體不作細講。 Anaconda原網下載速度太慢? 別去原網下載,慢的很。用清華的鏡像快得多: Tsinghua Open Source Mirr

原创 LeetCode.184. 部門工資最高的員工

思路: 首先先對返回表頭命名,之後連接兩表並設置連接鍵。接下來不可使用group by語句分組,可能是連表導致的問題將導致最後的結果中姓名不匹配。因此使用二次子查詢。 代碼: select d.name as Departmen

原创 LeetCode.177. 第N高的薪水

思路: 由於n不確定,因此不可再參考第二高薪水中的優化思路,只可先排序後取值。 代碼: CREATE FUNCTION getNthHighestSalary(N INT) RETURNS INT BEGIN declare m

原创 LeetCode.178. 分數排名

思路: 即無間隔排名。對於每個數字比較分數中有多少個大於等於自己的數,即爲自身排名。 代碼: select Score, (select count(distinct Score) from Scores as s2 where

原创 LeetCode.626. 換座位

思路: 檢索每一個id值,如果爲奇數則設爲i+1,如果是偶數則設爲i-1,注意末位是奇是偶,重新輸出即可。 代碼: select if(id<(select count(*) from seat),if(id%2=0,id-1,id

原创 LeetCode.180. 連續出現的數字

分析: 自連接兩次,每次差值爲1,檢索第一個表即可。 代碼: select distinct l1.Num as ConsecutiveNums from Logs l1 left join Logs l2 on l1.Id=l

原创 LeetCode.620. 有趣的電影

思路: 組合條件,降序排列。 代碼: SELECT * FROM cinema HAVING description != 'boring' AND id % 2 = 1 ORDER BY rating DES

原创 LeetCode.176. 第二高的薪水

思路1: 即降序排序後取第二個。這裏難搞的是空值情況。最後使用isnull函數,如果選擇爲空,則返回爲空。 代碼1: SELECT ifnull( ( SELECT DISTINCT Salary FROM Employee

原创 LeetCode.197. 上升的溫度

思路: 依然是創建兩個對象,進行比較。需要用到to_day函數,可將日期線性轉化爲整數值,兩個日期的差值可以相減得到。 代碼: SELECT w1.Id FROM Weather w1, Weather