摘要：
1.对象关系的不匹配使得把面向对象的“圆的对象”挤到面向关系的“方的表”中是那么的困难和费劲，而这一切是可以避免的。 2.关系模型静态、刚性、不灵活的本质使得改变schemas以满足不断变化的业务需求是非常困难的。由于同样的原因，当开发小组想应用敏捷软件开发时，数据库经常拖后腿。 3.关系模型很不适 阅读全文
摘要：
如果一个人在工作中，只是致力于完成自己的工作，以做好自己的工作为主要目标，那么最多只能成为一个工匠，无法成为一个架构师。因为这个过程解决的还是自己的问题，并没有时间的压力，可以随意什么时候做完都可以。 当我们所做的工作是处于社会的分工的一环，需要帮助别人解决问题，并且按时解决别人的问题成为我们自己的 阅读全文
摘要：
1 曲线绘制 1.1 如果概率的序列是（1:0.9,2:0.7,3:0.8,4:0.6,5:0.5,6:0.4）。 与原来的序列一起，得到序列（从概率从高到低排） 110000 0.9 0.8 0.7 0.6 0.5 0.4 绘制的步骤是： 1）把概率序列从高到低排序，得到顺序（1:0.9,3:0. 阅读全文
摘要：
1.分类评估方法 1.1 精确率与召回率 1.1.1 混淆矩阵 在分类任务下，预测结果(Predicted Condition)与正确标记(True Condition)之间存在四种不同的组合，构成混淆矩阵(适用于多分类) 1.1.2 精确率(Precision)与召回率(Recall) 精确率：预 阅读全文
摘要：
1 背景介绍 数据介绍 原始数据的下载地址：https://archive.ics.uci.edu/ml/machine-learning-databases/ 数据描述 （1）699条样本，共11列数据，第一列用语检索的id，后9列分别是与肿瘤 相关的医学特征，最后一列表示肿瘤类型的数值。 （2） 阅读全文
摘要：
1 逻辑回归的应用场景 广告点击率 是否为垃圾邮件 是否患病 金融诈骗 虚假账号 看到上面的例子，我们可以发现其中的特点，那就是都属于两个类别之间的判断。逻辑回归就是解决二分类问题的利器 2 逻辑回归的原理 要想掌握逻辑回归，必须掌握两点： 逻辑回归中，其输入值是什么 如何判断逻辑回归的输出 2.1 阅读全文
摘要：
1 sklearn模型的保存和加载API from sklearn.externals import joblib 保存：joblib.dump(estimator, 'test.pkl') 加载：estimator = joblib.load('test.pkl') 2 线性回归的模型保存加载案例 阅读全文
摘要：
（1）开会沟通讨论：这个会可能是需求会，也有可能是设计评审会等。因为架构师需要针对软件需求中的业务场景和流程，功能性需求进行功能性架构设计。因此，沟通和讨论要占工作的很大一部分。（2）技术架构设计：当然如果不是资深架构或技术总监，那么未必会设计一套全新的架构，往往是在现有基础上改进，比如做扩容，分库 阅读全文
摘要：
1 API sklearn.linear_model.Ridge(alpha=1.0, fit_intercept=True,solver="auto", normalize=False) 具有l2正则化的线性回归 alpha:正则化力度，也叫 λ λ取值：0~1 1~10 solver:会根据数据 阅读全文
摘要：
1 Ridge Regression (岭回归，又名 Tikhonov regularization) 岭回归是线性回归的正则化版本，即在原来的线性回归的 cost function 中添加正则项（regularization term）: 以达到在拟合数据的同时，使模型权重尽可能小的目的,岭回归代 阅读全文