摘要：
https://zhuanlan.zhihu.com/p/64421933 经常有朋友问，当把文本字段放到坐标轴或者切片器上，显示的顺序都乱了，完全不是自己想要的，就像下面这些， ↑月份坐标轴 ↑星期切片器 ↑奖牌切片器 以上这些都是文本类的数据，文本数据默认是按照字母来排序的，但是这样的排序明显与 阅读全文
摘要：
https://zhuanlan.zhihu.com/p/64418072 源数据常常包含各种差错值，为了进行下一步的分析，我们必须先找出并更正这些差错，做这些工作几乎不会有什么快乐感可言，但却往往需要耗费很多精力。如果利用数据准备工具就能够发现这些数据质量问题，我们就可以节省大量时间。 Power 阅读全文
摘要：
https://zhuanlan.zhihu.com/p/67932754 在PowerBI报表中，切片器绝对是最常用的控件了，利用它可以进行各种维度的动态切换，同一个页面中的所有图表可以同步响应；利用PowerBI的同步切片器功能，不同页面也可以设置同步响应。 同步切片器 在【视图】选项卡下，勾选 阅读全文
摘要：
https://zhuanlan.zhihu.com/p/67564062 进行数据分析时，每个分析维度并不总是独立的，比如省份是一个维度，城市也是一个维度，而这两个维度之间是有逻辑关系的，那么在进行切片分析时，我们希望能达到动态联动的效果。在PowerBI中，只要维度表的数据有关系并建立了层次结构 阅读全文
摘要：
例1 极大似然佑计 第一步：先验概率及条件概率 先验概率 条件概率 第二步： 第三步：确定实例x的类 例2 贝叶斯佑计 第一步：先验概率及条件概率 先验概率 条件概率 第二步： 第三步：确定实例x的类 阅读全文
摘要：
1 简介 先验概率分布 后验概率分布 2 模型 3 策略 朴素贝叶斯法将实例分到后验概率最大的类中。这等价于期望风险最小化。 4 算法 4.1 极大似然佑计 4.2 贝叶斯佑计 阅读全文
摘要：
1. kd树简介 构造kd树的方法如下:构造根结点，使根结点对应于k维空间中包含所有实例点的超矩形区域;通过下面的递归方法，不断地对k维空间进行切分，生成子结点。在超矩形区域(结点)上选择一个坐标轴和在此坐标轴上的一个切分点，确定一个超平面，这个超平面通过选定的切分点并垂直于选定的坐标轴，将当前超矩 阅读全文
摘要：
1 简介 k近邻法的输入为实例的特征向量，对应于特征空间的点;输出为实例的类别，可以取多类。k近邻法假设给定一个训练数据集，其中的实例类别已定。分类时，对新的实例，根据其k个最近邻的训练实例的类别，通过多数表决等方式进行预测。因此，k近邻法不具有显式的学习过程。k近邻法实际上利用训练数据集对一特征向 阅读全文