小水滴真的是太可爱了吧 - 个人主页动态 - 牛客网

发布(971) 评论刷题

2020-09-22 19:51

已编辑

门头沟学院产品经理

LeetCode力扣刷题数据库（180）：连续出现的数字

问：为什么没有179题 答：因为最近在更新数据库，179不是数据库，都是按照leetcode的模块来的，不会落下的大家放心 问题 编写一个 SQL 查询，查找所有至少连续出现三次的数字。 例如，给定上面的 Logs 表， 1 是唯一连续出现至少三次的数字。 分析过程 1.查看表的所有内容 select * from logs; 2.创建2个表l1，l2看一下效果 select * from logs as l1, logs as l2; 3.改成三个表l1，l2和l3 select * from logs as l1, logs as l2, lo...

0 点赞评论收藏

分享

2020-09-22 19:50

门头沟学院产品经理

LeetCode力扣刷题数据库（181）：超过经理收入的员工

文章目录 题目 分析 1.查看表格 2.连接两个表 3.找到比自己经理薪水多的行 4.按照题目要求，显示名字和行名 解答 相关企业 题目 Employee 表包含所有员工，他们的经理也属于员工。每个员工都有一个 Id，此外还有一列对应员工的经理的 Id。 给定 Employee 表，编写一个 SQL 查询，该查询可以获取收入超过他们经理的员工的姓名。在上面的表格中，Joe 是唯一一个收入超过他的经理的员工。 分析 1.查看表格 SELECT * FROM employee; ...

0 点赞评论收藏

分享

2020-09-22 19:50

已编辑

门头沟学院产品经理

LeetCode力扣刷题数据库（182）：查找重复的电子邮箱

文章目录 题目 分析 方法一：使用 GROUP BY 和临时表 方法二：使用 GROUP BY 和 HAVING 条件 方法三：自连接 1.查看表格 2.自连接两个表 3最终结果 解答 第一种 第二种 第三种 相关企业 题目 编写一个 SQL 查询，查找 Person 表中所有重复的电子邮箱。 示例： 根据以上输入，你的查询应返回以下结果： 说明：所有电子邮箱都是小写字母。 分...

0 点赞评论收藏

分享

2020-09-22 19:49

已编辑

门头沟学院产品经理

LeetCode力扣刷题数据库（183）：从不订购的客户

文章目录 题目 分析 1.查看customers表 2.查看orders表 3.查看订单表中下单了的客户id--cunstomersid 4.过滤出顾客表中的id不在订单表中的顾客信息 5.将过滤出的那些没有下过单的顾客选择出我们题目结果需要的列并改变列名 解答 相关企业 题目 某网站包含两个表，Customers 表和 Orders 表。编写一个 SQL 查询，找出所有从不订购任何东西的客户。 Customers 表： Orders 表： 例如给定上述表格，你的查询应返回： ...

0 点赞评论收藏

分享

2020-09-22 19:49

门头沟学院产品经理

机器学习与深度学习：网格搜索和交叉验证

文章目录 1.什么是网格搜索(Grid Search) 2.什么是交叉验证(cross validation) 3.API调用 1.什么是网格搜索(Grid Search) 通常情况下，有很多参数是需要手动指定的（如k-近邻算法中的K值），这种 叫超参数。但是手动过程繁杂，所以需要对模型预设几种超参数组合。每组 超参数都采用交叉验证来进行评估。最后选出最优参数组合建立模型。 在代码的执行过程中是一个循环的过程，将每个不同的超参数进行笛卡儿积 组合，生成大量的模型，记录模型每次的准确率值，并找到准确率比较高的 模型。是一种暴力尝试的方法。 2.什么是交叉验证...

0 点赞评论收藏

分享

2020-09-22 19:49

门头沟学院产品经理

机器学习与深度学习：模型的保存和加载

我们再建模完毕以后，并不需要每次都把数据重新执行，而是将数据模型给保留下来 from sklearn.externals import joblib #保存： joblib.dump(estimator, 'test.m') #加载： estimator = joblib.load('test.m') 详细案例： import numpy as np import pandas as pd import pickle as pk from sklearn.externals import joblib cancer=pd.read_csv('cancer.csv',sep='\t'...

0 点赞评论收藏

分享

2020-09-22 19:48

门头沟学院产品经理

特征工程-幅度调整-无量纲化（二）：归一化和标准化案例，看不懂你打我

import numpy as np import matplotlib.pyplot as plt import seaborn as sns 归一化 一般泛指把数据压缩到0到1之间的浮点数。 data = np.random.randint(10,100,size=(100,2)) target = [0]*50 + [1]*50 plt.scatter(data[:,0],data[:,1],c=target) class MinMax(object): #构造函数 def __init__(self,feature_range=(0,1)): ...

0 点赞评论收藏

分享

2020-09-22 19:48

已编辑

门头沟学院产品经理

机器学习线性回归（一）：线性回归的基本概念和案例

LinearRegression(线性回归) 回归是一种解题的方法，或者说是“学习的方法”，也是机器学习中比较重要的概念。 回归一词的英文是Regression,单词原型regress大概的意思是“回退，倒退，退化”。 其实Regression回归分析的意思借用了这么一层含义，是由果索因的过程，是一种归 纳的思想。当看到大量的事实所呈现的状态，推断出原因是如何的；当看到大量的数 字的时候，推断出他们之间的关系是什么样的。 线性回归是利用数理统计中回归分析来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。公式为： e为误差服从均值为0 的高斯分布。 现实生活中有很多的东西和线...

0 点赞评论收藏

分享

2020-09-22 19:48

门头沟学院产品经理

机器学习线性回归（二）：线性回归的特征与目标的关系分析

线性回归的特征与目标的关系分析 线性回归当中主要有两种模型，一种是线性关系，另一种是非线性关系。在这里我们只能画一个平面更好去理解，所以都用单个特征或两个特征举例子。 线性关系 单变量线性关系 多变量线性关系 注释：单特征与目标值的关系呈直线关系，或者两个特征与目标值呈现平面的关系 非线性关系 注释：为什么会这样的关系呢？原因是什么？ 如果是非线性关系，那么回归方程可以理解为：w1x1+w2x22+w3x32

0 点赞评论收藏

分享

2020-09-22 19:47

已编辑

门头沟学院产品经理

机器学习线性回归（三）：机器学习中需要掌握的导数知识

导数 引自书中知识： （1）常见的函数导数 （2）导数的四则运算 （3）矩阵求导

0 点赞评论收藏

分享

2020-09-22 19:47

已编辑

门头沟学院产品经理

机器学习线性回归（四）：线性回归的损失函数

线性回归的损失函数 假设以波士顿房价为例子，真实的数据之间存在这样的关系 真实关系：真实房子价格 = 0.02×中心区域的距离 + 0.04×城市一氧化氮浓度 + (-0.12×自住房平均房价) + 0.254×城镇犯罪率 那么现在呢，我们随意指定一个关系（猜测） 随机指定关系：预测房子价格 = 0.25×中心区域的距离 + 0.14×城市一氧化氮浓度 + 0.42×自住房平均房价 + 0.34×城镇犯罪 上述的问题中真实结果与我们预测的结果之间会存在一些误差。 既然存在这个误差，那我们就将这个误差给衡量出来，那么衡量误差的公式就是损失函数。 预测目标公式为: 损失公式定义为...

0 点赞评论收藏

分享

2020-09-22 19:47

已编辑

门头沟学院产品经理

机器学习线性回归（五）：线性回归公式求解

import numpy as np X = np.array([[3,3.2],\ [3.5,3.6]]) X y = np.array([[118.4],\ [135.2]]) y 矩阵求解的公式 #转置 XT = X.T XT #方阵 XTX = np.dot(XT,X) XTX #逆矩阵 INV = np.linalg.inv(XTX) INV # 继续 A =np.dot(np.dot(INV,XT),y) A #验证 np.dot(X,A) 接下来用API调用求线性回归...

0 点赞评论收藏

分享

2020-09-22 19:46

门头沟学院产品经理

线性回归的常用求解方法之最小二乘法（一）：最小二乘回顾意义通俗理解+工资和年龄对贷款金额的影响案例案例

文章目录 平方误差 对w求导 一个线性回归的例子 平方误差 平方误差可以写作 对w求导 对w求导，当导数为0的时候，平方误差最小，此时w等于 解释：我们的目的是求y=wx+b+e中的w和b，先使平方误差最小，也就是导数为0，此时w就求出来了，然后b就也求出来了了。 一个线性回归的例子 数据：工资和年龄（2个特征） 目标：预测银行汇贷款给我多少钱（标签） 考虑：工资和年龄都会影响最终银行贷款的结果那么它们各自有多大的影响呢（参数） 公式： 多少个公式，w1和w2的结果会不一样，找到一个比较综合的w1和w2让他们都能体现出来。 通俗解释： X1...

0 点赞评论收藏

分享

2020-09-22 19:46

已编辑

门头沟学院产品经理

线性回归的常用求解方法之最小二乘法（二）：最小二乘回归的数据计算意义

文章目录 基础知识 高斯分布 误差是服从高斯分布的 代码 3个样本 5个样本 基础知识 误差ε^(i)是独立并且具有相同的分布,并且服从均值为0方差为θ2的高斯分布 独立:张三和李四一起来贷款,他俩没关系 同分布:他俩都来得是我们假定的这家银行 高斯分布:银行可能会多给,也可能会少给,但是绝大多数情况下这个浮动不会太大,极小情况下浮动会比较大,符合正常情况 高斯分布 蓝点是薪资 用线连起来，距离越长，误差越大。 误差是服从高斯分布的 预...

0 点赞评论收藏

分享

2020-09-22 19:45

门头沟学院产品经理

线性回归的常用求解方法之最小二乘法（三）：最小二乘法回归带来的问题

文章目录 损失的部分可以叫做残差，考虑大部分人生成了系数，所以有残差也很正常 最大的问题是： 每添加一条数据，残差都不一样。 评估方法： 最常用的评估项 R^2的取值越接近1我们认为模型拟合的越好

0 点赞评论收藏

分享

关注他的用户也关注了：

牛客网
牛客企业服务