摘要：
Jupyter Notebooks是一款非常便利，功能强大的Python IDE，能为数据科学家提供强大的交互能力和工具，被广泛用于以更具教学性的方式展示代码。 一，如何安装 Jupyter Notebooks？ 首先需要在机器上安装 Python开发包，推荐安装Python 3.3 及以上版本。然 阅读全文
摘要：
SQL Server在服务器级别和数据库级别都有默认的安全主体（Principal），用户经常遇到的有sa 登录，dbo 用户，guest 用户和public角色，public 角色分为服务器级别和数据库级别。 一，sa 登录 sa login 是服务器级别的特殊安全主体，登录名是sa，是服务器级别 阅读全文
摘要：
评估分类模型性能的方法是：混淆矩阵，其总体思路是统计A类别实例被预测（分类）为B类别的次数。召回率(Recall)和精度(Precise)是广泛用于统计学分类领域的两个度量值，用来评估分类结果的质量。 召回率(Recall Rate，也叫查全率)是检索出的相关文档数和文档库中所有的相关文档数的比率， 阅读全文
摘要：
从表中删除数据，或导致行移动的更新操作，通常会把数据从表中就地删除，并释放行所占用的存储空间，但是在某些情况下，该行实际上可以作为幽灵数据保留在数据页上。一行数据从索引页面的叶级别删除，并不总是实时从数据页中物理删除，而是把该记录标记为已删除，这个记录称作幽灵（ghost）记录。这意味着该行数据仍然 阅读全文
摘要：
产品数据库的环境是： Microsoft SQL Server 2017（14.x），有一个ETL运行失败，从系统中查看到错误消息是： Cannot continue the execution because the session is in the kill state. 从错误消息中推测，应 阅读全文
摘要：
在回归分析中，线性模型的一般预测公式是： 是预测值，读作"y hat"，是特征的线性组合，把向量w称作 coef_（系数），公式是： 把w0称作intercept_（截距），这两个属性是线性模型的共有属性。 一，线性回归 最基本的线性模型是线性回归，也称作最小二乘法（OLS），线性回归的原理是：计算 阅读全文
摘要：
sklearn.neighbors 提供了针对无监督和受监督的基于邻居的学习方法的功能。监督的基于最邻近的机器学习算法是值：对带标签的数据的分类和对连续数据的预测（回归）。 无监督的最近算法是许多其他学习方法的基础，尤其是流形学习（manifold learning）和频谱聚类（spectral c 阅读全文
摘要：
基于最邻近算法的分类，本质上是对离散的数据标签进行预测，实际上，最邻近算法也可以用于对连续的数据标签进行预测，这种方法叫做基于最邻近数据的回归，预测的值（即数据的标签）是连续值，通过计算数据点最临近数据点平均值而获得预测值。 一，sklearn的knn回归 scikit-learn实现了两个不同的最 阅读全文
摘要：
SQL Server 列存储系列： SQL Server 列存储索引 第一篇：概述 SQL Server 列存储索引 第二篇：设计 SQL Server 列存储索引 第三篇：维护 SQL Server 列存储索引 第四篇：实时运营数据分析 实时运营数据分析（real-time operational 阅读全文
摘要：
SQL Server 列存储系列： SQL Server 列存储索引 第一篇：概述 SQL Server 列存储索引 第二篇：设计 SQL Server 列存储索引 第三篇：维护 SQL Server 列存储索引 第四篇：实时运营数据分析 列存储索引分为两种类型：聚集的列存储索引和非聚集的列存储索引 阅读全文
摘要：
SQL Server 列存储系列： SQL Server 列存储索引 第一篇：概述 SQL Server 列存储索引 第二篇：设计 SQL Server 列存储索引 第三篇：维护 SQL Server 列存储索引 第四篇：实时运营数据分析 列存储索引可以是聚集的，也可以是非聚集的，用户可以在表上创建 阅读全文
摘要：
SQL Server 列存储系列： SQL Server 列存储索引 第一篇：概述 SQL Server 列存储索引 第二篇：设计 SQL Server 列存储索引 第三篇：维护 SQL Server 列存储索引 第四篇：实时运营数据分析 在2017年，我第一次接触列存储索引（ColumnStore 阅读全文
摘要：
对于数据框，可以按照行或列，计算相邻两个元素的之间的差值或变化百分比， 有如下数据框： >>> df = pd.DataFrame({'a': [1, 2, 3, 4, 5, 6], ... 'b': [1, 1, 2, 3, 5, 8], ... 'c': [1, 4, 9, 16, 25, 36 阅读全文
摘要：
游标（Cursor）是SQL Server的一种数据访问机制，它使得程序可以逐行处理数据，即允许用户访问单独的数据行，对每一行数据进行单独的处理。 一，创建游标对象 创建游标对象，注意不是游标变量，游标名称不需要带前导@： DECLARE cursor_name CURSOR [ LOCAL | G 阅读全文
摘要：
查看Windows 用户和组 查看Windows 用户和组，可以使用扩展命令： xp_logininfo [ [ @acctname = ] 'account_name' ] [ , [ @option = ] 'all' | 'members' ] [ , [ @privilege = ] var 阅读全文
摘要：
时间序列是在时间点上形成的数值序列，时间序列预测是通过观察历史数据预测未来的值。ARIMA模型（Autoregressive Integrated Moving Average model）是时间序列预测分析方法之一，全称叫做自回归差分移动平均模型。 本文是看网上博客整理而来，原始文章是： 时间序列 阅读全文
摘要：
计算两个数字向量u和v之间的距离函数 1，欧氏距离（Euclidean distance） 在数学中，欧几里得距离或欧几里得度量是欧几里得空间中两点间“普通”（即直线）距离。使用这个距离，欧氏空间成为度量空间。计算公式为 二维空间中的欧氏距离： 三维空间中的欧式距离： n维空间中的欧式距离： x = 阅读全文
摘要：
简单来说，每一个以扩展名py结尾的Python源代码文件都是一个模块（Module），其他文件可以通过导入一个模块的内容。从本质上来说，导入就是载入另一个文件，并能够读取该文件的内容。 默认情况下，第一次导入模块之后，后续的导入将不再工作。这是因为导入是一个开销很大的操作，需要编译成字节码，并且运行 阅读全文
摘要：
pyodbc是Python包，使用ODBC驱动器来连接SQL Server数据库，pyodbc的基本类型是Connection，Cursor和Row，其中，Connection表示客户端和数据库的连接，并用于提交事务；Cursor表示向数据库发送的查询请求，Row表示获取的结果集。 从微软官方文档来 阅读全文
摘要：
pymssql包是Python语言用于连接SQL Server数据库的驱动程序（或者称作DB API），它是最终和数据库进行交互的工具。SQLAlchemy包就是利用pymssql包实现和SQL Server数据库交互的功能的。 一，pymssql包的基本组成 pymssql包由两个模块构成：pym 阅读全文