摘要： 自己在家捣鼓了很久还是没弄明白什么是多值依赖，今天网课老师留了题“举出三个多值依赖的例子”，最后看了老师的例子，听了讲解，终于弄明白了怎么判断，怎么举例，什么是多值依赖。 先放上多值依赖的定义： 设R(U)是属性集U上的一个关系模式。X,Y,Z是U的子集，并且Z=U-X-Y。关系R(U)中多值依赖X 阅读全文

摘要： 决策树和贝叶斯分类 阅读全文

摘要： 一. 函数依赖 定义： 设R（U）是属性集U上的关系模式，X,Y是U的子集。若对于R（U）的任意一个可能的关系r，r不可能存在两个元组在X上的属性值相等，而在Y上的属性值不等，则称X函数确定Y或Y函数依赖于X，记作X->Y。若函数Y不函数依赖于X，则记作X-/->Y。 例如： 一个身份证号码可以确定 阅读全文

摘要： 一. 数据预处理 数据不平衡时，无法体现模型好坏，就像让一群硕士去做小学题，并不能区分他们的能力，宁愿把题目设置成高考题。 · 过采样和欠采样可以同时采用。 留出法的缺点：可能会导致划分在测试集内的数据有一些特征没有在训练集内发现，会有误差。 k-折交叉验证法的优点：假如划分为10个互斥子集，我们就 阅读全文

摘要： 一. 什么是机器学习 机器学习是从人工智能中产生的一个重要学科分支，是实现智能化的关键。 机器学习是一门多领域的交叉学科，设计概率论，统计学，逼近论，凸分析，算法复杂度理论等多门学科，专门研究计算机怎样模拟或实现人类的学习行为，以获取新知识或技能，重新组织已有的知识结构使之不断改善自身的性能。 —— 阅读全文

摘要： Hadoop平台的搭建流程之单机/伪分布配置 所需工具：VMware Workstation / Virtual Box 虚拟机; Hadoop安装文件； 实验环境：Ubuntu 32位或64位系统 / CentOS系统； ps: 该实验教程采用Ubuntu 64位系统进行讲解。 Ubuntu安装系 阅读全文

摘要： 前言：Windows和Linux系统之间共享文件的方式大致分为三种，一是通过ftp或sftp协议，二是通过http协议，三是通过ssh协议。 前两者一般都需要在远程服务器配置ftp或http服务后才能使用，而ssh协议基本上是所有的linux系统都默认支持的，可用来远程登录。 SSH Secure 阅读全文

摘要： 当数据集中包含大量特征时： - 有些特征包含丰富的预测信息； - 有些特征之间具有一定的相关性； - 有些特征只包含噪声或不相关信息； 只保留有意义的特征不仅可以使数据集易于管理，而且可以使预测结果不受数据中噪声的影响，预测精度更好。 维数约简 消除输入数据集的某些特征，创建一个有限特征的数据集（包 阅读全文

摘要： 当特征和目标变量不是很相关时，可以修改输入的数据集，应用线性，非线性变换（或者其他相似方法）来提高系统的精度。 - 数据是“死”的，人的思维是“活”的。 - 数据科学家负责改变数据集和输入数据，使数据更好的符合分类模型。 基本方法：A. 特征的线性修正 B. 特征的非线性修正 K近邻方法（K-Nea 阅读全文

摘要： 数据加载和数据预处理： （1）利用Pandas库进行数据加载和预处理：处理问题数据，日期格式解析，NaN值的处理，分组和聚类，排序和索引，文本数据的编码，词频统计等； （2）利用Numpy库进行数据处理：数组的创建，矩阵运算，数组切片，堆叠等。 数据分析： （1）数据的探索性分析； （2）高维数据的 阅读全文