HuZihu

摘要： 针对相同的表进行的连接被称为“自连接”（self join）。 那么为什么要把相同的一张表连接起来呢？一开始还是挺难理解的。把它想象成连接两张不同的表，这样容易理解一些。事实上，自连接还是有很多用处的。 自连接的用途： 1，在同一张表内进行比较 例子：查找收入超过各自经理的员工的姓名 Id | Na 阅读全文

摘要： 关联子查询和普通子查询的区别在于：1，关联子查询引用了外部查询的列。 2，执行顺序不同。对于普通子查询，先执行普通子查询，再执行外层查询；而对于关联子查询，先执行外层查询，然后对所有通过过滤条件的记录执行内层查询。 语法： SELECT column1, column2 FROM table1 AS 阅读全文

摘要： CASE表达式是用来判断条件的，条件成立时返回某个值，条件不成立时返回另一个值。 语法： CASE WHEN ComparsionCondition THEN result WHEN ComparsionCondition THEN result ELSE other END （注：各分支返回的数据 阅读全文

摘要： 在大多数编程语言中，代码是按照编码顺序执行的，但是在SQL语言中，尽管SELECT语句第一个出现，但却不是第一个被执行的。 SQL查询语句内部执行顺序： from子句 >where子句 >group by子句 >聚合函数 >having子句 >select 字段 >order by子句 每个执行步骤 阅读全文

摘要： 窗口可以理解为记录集合，窗口函数就是在满足某种条件的记录集合上执行的特殊函数。窗口函数也称为OLAP函数，OLAP即实时分析处理（Online Analytical Processing）。 语法： window_function (expression) OVER ( [ PARTITION BY 阅读全文

摘要： 我们用训练集训练出一个初步的模型后，并不能直接使用该模型，而是要对该模型进行诊断，并不断对模型进行调整。 现以普林斯顿大学教授工资数据集为例，来说一下如何对模型进行诊断和对结果进行解读。数据集下载地址：http://data.princeton.edu/wws509/datasets/salary. 阅读全文

摘要： 如何找出模型需要的特征？首先要找到该领域的业务专家，让他们给一些建议。比如我们需要解决一个药品疗效的分类问题，那么先找到领域专家，向他们咨询哪些因素（特征）会对该药品的疗效产生影响，较大影响和较小影响的因素都要。这些因素就是我们特征的第一候选集。（摘自：https://www.cnblogs.com 阅读全文

摘要： 线性回归模型比较常见的特征选择方法有两种，分别是最优子集和逐步回归。此外还有正则化，降维等方法。 1，最优子集（Best Subset Selection）：从零号模型（null model）M0开始，这个模型只有截距项而没有任何自变量。然后用不同的特征组合进行拟合，从中分别挑选出一个最好的模型（R 阅读全文

摘要： 在《机器学习 最小二乘线性回归模型的5个基本假设（Machine Learning Least Squares Linear Regression Assumptions）》一文中阐述了最小二乘线性回归的5个基本假设以及违反这些假设条件会产生的后果。那么，我们怎么检测出是否有违反假设的情况出现以及如 阅读全文

摘要： 一，定义 异常点（Outlier）：残差很大的点（即：因变量y的值是极端值的观测值） 高杠杆点（High Leverage Point）：远离样本空间中心的点（即：自变量x的值是极端值的观测值） 强影响点（Influential Point）：对模型有较大影响的点，如果删除该点能改变拟合回归方程 注 阅读全文