小白闯

摘要：1、with：用于指定临时命名的结果 2、select A from B 在B中查看A 3、into 插入语句 例如：select A、B into 表1 from 表2 4、where 指定搜索条件 （1）逻辑运算符（and、not、or） （2）比较运算符（常规） （3）like：匹配关键词 % 阅读全文

摘要：思路：通过改变训练样本权重，学习多个分类器，并将这些分类器进行线性组合，提高分类器性能。大多数提升方法都是改变训练数据的概率分布（数据的权值） 强可学习：存在一个多项式的学习算法能够学习他，并且正确率很高 弱可学习：存在一个多项式学习算法学习，正确率比随机猜测要好一些 具体问题： （1）在每一轮如何 阅读全文

摘要：K近邻法（k-NN）是一种分类与回归的算法。 优点：简单，直观 思路：给定一个训练集，对新输入的实例，在训练数据集中找到与该实例最邻近的K个实例。采用“少数服从多数”的方法，寻找实例所在的类。 K近邻算法：（没有显式的学习过程） input：训练集 T={(xi,yi) |i=1..n}， 实例x。 阅读全文

摘要：适用场景：存在为未测变量的情况下，对模型参数进行估计。 EM算法： input：观测数据Y，为观测数据Z，联合分布P(Y,Z|θ)，条件分布P(Z|Y,θ) output：模型参数θ 步骤： （1）选择参数的初值进行迭代 （2）E步：求期望 （3）M步：最大化当前θ （4）重复（2）（3）知道算法收 阅读全文

摘要：1、调用聚合函数 sum：返回所有值的和/非重复数据的和 avg：平均数且忽略空值 min：最小值 max：最大值 count：计数函数 distinct：去不重复记录 2、数学函数 abs：绝对值 power：乘方 。例如：power（2,2）：2的2次方 rand：随机浮点数，随机取0-1之间的 阅读全文

摘要：公式实在不好敲呀，我拍了我笔记上的公式部分。原谅自己小学生的字体（太丑了）。 聚类属于无监督学习方法，典型的无监督学习方法还有密度估计和异常检测。 聚类任务：将数据集中的样本划分为若干个不相交的子集，每个子集为一个类。 性能指标（有效性指标）：类内相似度高，类间相似度低。 性能度量： （1）外部指标 阅读全文

摘要：1、while循环（1~20的和） 2、while_break_continue（1~20偶数和） 3、if选择象限 4、return：在查询中无条件退出，return后面的语句将不会被执行。 5、goto：跳转，将程序跳到标识符指定的行再继续执行 6、wait for：挂起 （1）指定触发器，存储 阅读全文

摘要：贝叶斯决决策论 在所有相关概率都理想的情况下，贝叶斯决策论考虑基于这些概率和误判损失来选择最优标记，基本思想如下： （1）已知先验概率和类条件概率密度（似然） （2）利用贝叶斯转化为后验概率 （3）根据后验概率的大小进行决策分类 1、风险最小化 风险：根据后验概率可以获得将样本分为某类所产生的期望损 阅读全文