10 2021 档案
摘要：使用a标签下载： <!DOCTYPE html> <html> <head> <meta charset="UTF-8"> <title></title> </head> <body> <a href="321.png" download="test.png">点击下载</a> </body> </
阅读全文
摘要：MySQL版本大于5.0时，有个默认数据库information_schema，里面存放着所有数据库的信息(比如表名、 列名、对应权限等) 列名数据类型描述 TABLE_CATALOG nvarchar(128) 表限定符。 TABLE_SCHEMA nvarchar(128) 表所有者。 TABL
阅读全文
摘要：常用指令： flushdb清空当前库 FLUSHALL清空全部数据库set key value，move key，keys *查看所有key，type key查看key的类型 APPEND key 在key后追加STRLEN key key的长度Hash key-MAPhset key 字段 val
阅读全文
摘要：Student文档如下: { “name”: “zhangsan”, “score”: { “English”: 69, “Math”: 86, “Computer”: 77 } } { “name”: “lisi”, “score”: { “English”: 55, “Math”: 100, “
阅读全文
摘要：Student键值对如下： zhangsan:｛ English: 69 Math: 86 Computer: 77 ｝ lisi:｛ English: 55 Math: 100 Computer: 88 ｝ 1. 根据上面给出的键值对，完成如下操作： （1）用Redis的哈希结构设计出学生表Stu
阅读全文
摘要：学生表Student name score English Math Computer zhangsan 69 86 77 lisi 55 100 88 根据上面给出的学生表Student的信息，执行如下操作： （1） 用Hbase Shell命令创建学生表Student； （2） 用scan命令浏
阅读全文
摘要：Name English Math Computer zhangsan 69 86 77 lisi 55 100 88 根据上面给出的Student表，在MySQL数据库中完成如下操作： （1） 在MySQL中创建Student表，并录入数据； CREATE TABLE `student` ( `i
阅读全文
摘要：将商家的特征值提取出来，转成CSV文件 #问题企业决策树 def problem(): # 1.获取数据 data_titanic = pd.read_csv("key_data_fp.csv") # 2.获取目标值与特征值 x = data_titanic[[ "xf_count", "gf_co
阅读全文
摘要：案例：泰坦尼克号乘客生存预测 泰坦尼克号数据 在泰坦尼克号和titanic2数据帧描述泰坦尼克号上的个别乘客的生存状态。这里使用的数据集是由各种研究人员开始的。其中包括许多研究人员创建的旅客名单，由Michael A. Findlay编辑。我们提取的数据集中的特征是票的类别，存活，乘坐班，年龄，登陆
阅读全文
摘要：决策树API class sklearn.tree.DecisionTreeClassifier(criterion=’gini’, max_depth=None,random_state=None) 决策树分类器 criterion:默认是’gini’系数，也可以选择信息增益的熵’entropy’
阅读全文
摘要：#中文分词 def cut_word(text): text=" ".join(list(jieba.cut(text))) return text #中文文本的特征提取 def count_chinese_dome(): data=["10艘中俄军舰穿过津轻海峡，这一举措合乎国际法，无可指摘，却引
阅读全文
摘要：K-近邻算法API sklearn.neighbors.KNeighborsClassifier(n_neighbors=5,algorithm='auto') n_neighbors：int,可选（默认= 5），k_neighbors查询默认使用的邻居数 algorithm：{‘auto’，‘ba
阅读全文
摘要：方法 Filter(过滤式)：主要探究特征本身特点、特征与特征和目标值之间关联 方差选择法：低方差特征过滤 相关系数 Embedded (嵌入式)：算法自动选择特征（特征与目标值之间的关联） 决策树:信息熵、信息增益 正则化：L1、L2 深度学习：卷积等 4.1 低方差特征过滤 删除低方差的一些特征
阅读全文
摘要：#字典特征提取 def dict_dome(): data=[{"city":"北京","temperature":100},{"city":"上海","temperature":100},{"city":"深圳","temperature":100}] #1.实例化一个转换类器 transfer=
阅读全文
摘要：机器学习一般的数据集会划分为两个部分： 训练数据：用于训练，构建模型 测试数据：在模型检验时使用，用于评估模型是否有效 划分比例： 训练集：70% 80% 75% 测试集：30% 20% 30% 数据集划分api sklearn.model_selection.train_test_split(ar
阅读全文
摘要：使用Scikit-learn 安装 pip3 install Scikit-learn==0.19.1 安装好之后可以通过以下命令查看是否安装成功 import sklearn 注：安装scikit-learn需要Numpy, Scipy等 1 scikit-learn数据集API介绍 sklear
阅读全文
摘要：1.转换为csv文件 2.导入hive 创建表 create table clear_data (ID String, QA04 String, QA05 String,QA07 String,QA15 String, QA19 String,industry String,QB03 String,
阅读全文
摘要：如上图这张图将会随日期滚动动态展示不同日期的销售与销量情况。 echarts代码： var chartDom = document.getElementById('main'); var myChart = echarts.init(chartDom); var option_hive; var d
阅读全文
摘要：1.利用echarts实现可视化，首先是绘制部分 //bar1 var bar1_myChart = echarts.init(document.querySelector(".bar .chart")); var bar1_data=[["河北"],[300]] var bar1_option =
阅读全文
摘要：数据分析处理： （1）统计每天各个机场的销售数量和销售金额。 要求的输出字段 day_id,sale_nbr,,cnt,round 日期编号，卖出方代码，数量，金额 （2）统计每天各个代理商的销售数量和销售金额。 要求的输出字段 day_id,sale_nbr,,cnt,round 日期编号，卖出方
阅读全文
摘要：1、数据导入： 要求将样表文件中的（sales_sample_20170310）数据导入HIVE数据仓库中。 1.在hive中创建表 将数据到如到hive中 传输完成 1.在hive中创建表 将数据到如到hive中 传输完成
阅读全文
摘要：Sqoop: 查询导入 bin/sqoop import --connect jdbc:mysql://hadoop102:3306/company --username root --password 123456 --target-dir /user/company --delete-targe
阅读全文
