摘要：
探索数据 TODO：使用pandas.get_dummies()对'features_raw'数据进行独热编码 features = pd.get_dummies(features_raw) display(features.head(n = 2)) TODO：将'income_raw'编码成数字值 阅读全文
摘要：
映射技巧 将'income_raw'编码成数字值 income_mapping = {'50K': 1} income = income_raw.map(income_mapping) "很好的编码实例" 阅读全文
摘要：
找对方法 1. 听足100小时 2. 时不时蹦点英语出来 3. 从身边的事物说起 4. 找自己感兴趣的东西学 5. 运用到生活中去 单词学习方法 语法学习方法 巧用汉语拼音 there was such a heavy rain. i was glad of it. i never like I u 阅读全文
摘要：
例子： true positive(真正例)： 把 Colin power预测为Colin power（55） false positive(假正例)： 把 其他人预测为Colin power（4+1+3+1+3） false negative(假负例)： 把 Colin power预测为其他人（8 阅读全文
摘要：
机器学习架构方法论 数据预处理 探索数据 1. 数据的存储格式csv，xls等，每行每列存储的是什么内容 2. 数据的内容，有哪些特征，特征是文本还是数字，是离散还是连续 3.数据的取值范围某几个数据的取值是什么，数据值的分布是什么？ 数据处理 1. 对数转换，数据若是非正态分布，进行对数转换；算法 阅读全文
摘要：
Spring Cloud 先决条件 Spring cloud 基于spring boot，spring，java Spring Cloud解决的问题 分布式微服务架构和微服务监控、注册于发现、跟踪等一箩筐功能 Spring Cloud 1. Spring boot actuator 会提供应用程序的 阅读全文
摘要：
为什么交叉验证 1. 一个模型建立起来，首要任务就是要评估这个模型的好坏！然而，交叉验证对模型好坏的评估有至关重要的作用 2. 交叉验证把数据集随机分成训练集和测试集，可以有效评估一个模型的泛化能力 如何交叉验证 1. 导入sklearn.model_selection.train_test_spl 阅读全文
摘要：
bias 偏差 1. 偏差反应的是算法的预测值与真实值的差距，偏差越大，越偏离真实的数据，也就越学不到东西。 variance 方差 1. 方差反应的是预测值的范围，离散程度，也就是离平均值的距离。 方差越大，数据的分布越分散。 variance =sum of squared deiviation 阅读全文
摘要：
互联网有几个特点 1. 互联网的参与人特别多 2. 互联网参与者分布方位广，不集中 3. 参与者有可能在同一时间，集中干同一件事情 互联网架构一般都是从最初的MVC web应用，随着业务量的发展，为了适应业务增长，而重构成分布式的web应用。 业务发张，开始的要求，可以通过本地缓存，分布式缓存，Me 阅读全文
摘要：
如何给他人有效的分配任务呢？ 今天学习了TEND方法： 1. T Task,先明确说明什么任务 2. E Example，在举个例子，形象的说明task的要求 3. N Not，具体说明什么是我不想要的 4. D Deadline , 明确任务截止时间 任务明确具体，执行结果才是自己想看到的，避免分 阅读全文