做梦当财神

摘要： （一）SPC与常规控制图 （二）计量值控制图 （三）计件值控制图 （四）计点值控制图 表4-1所示的4种计量控制图中，目前均值-标准差（）控制图、均值-极差（）控制图应用广泛。 1. “ 均值-标准差“控制图 1. “均值-标准差”控制图的控制限 参数x的总体服从均值为μ、标准差为σ的正态分布，即x 阅读全文

摘要： （一）SPC与常规控制图 （二）计量值控制图 （三）计件值控制图 （四）计点值控制图 这篇随笔介绍SPC（Statistical Process Control）概念和控制图的基本原理，剖析在实践中经常将加工结果是否合格与生产过程是否处于统计受控状态混淆的问题。 1. SPC基本概念 1. 结果起伏 阅读全文

摘要： 举例：饮料的颜色共有四种，分别为橘黄色、粉色、绿色和无色透明。这四种饮料的营养含量、味道、价格、包装等可能影响销售量的因素全部相同，先从地理位置相似、经营规模相仿的五家超级市场上收集了前一期该种饮料的销售量情况，见表1： 超市 无色 粉色 橘黄色 黄色 1 26.5 31.2 27.9 30.8 2 阅读全文

摘要： Apriori算法用来找出频繁出现的数据集合。 1. 频繁项集的评估标准 常用的频繁项集的评估标准有支持度、置信度、提升度三个。 支持度：几个关联数据在数据集中出现的次数占总数据集的比重。或者说几个关联数据出现的概率。 比如两个想分析关联性的数据X和Y，则支持度为： 以此类推，三个想分析关联性的数据 阅读全文

摘要： 特征选择（2） 1.选择合适的特征 特征集合有时会很大，在尝试降维之前，有必要用特征工程的方法选择较为重要的特征集合。 最简单的方法就是方差筛选。方差越大的特征，认为特征越重要。方差较小，比如小于1，认为特征可能对算法没什么作用。最极端的，特征方差为0，即所有的样本在该特征的取值都是一样的，那么它对 阅读全文

摘要： 1.概要 sklearn.preprocessing.OneHotEncoder，将类别变量、顺序变量转化为二值化的标志变量。 2. 解析 格式： OneHotEncoder(n_values=’auto’, categorical_features=’all’, dtype=<class ‘num 阅读全文

摘要： 朴素贝叶斯（Nave Bayes）法是基于贝叶斯定理与特征条件独立假设的分类算法。它的思想可以概括为先验概率+数据=后验概率。 1.朴素贝叶斯模型 下面是分类模型样本： 假设有m个样本，每个样本有n个特征，特征输出有K个类别，定义为 从样本得到朴素贝叶斯的先验分布， 接着得到条件概率分布， 然后用贝 阅读全文

摘要： 1. 前言 判别式模型：只有一个模型，把测试数据往里一丢，结果就出来了。如 SVM。 生成式模型：有多个模型（一般有多少类就有多少个），把测试数据丢到各个模型里面，最后比较结果，选择最优的最为结果。如 朴素贝叶斯。 2.基本概念 判别模型，就是判别（数据输出量）的模型。 生成模型，就是生成（数据的分 阅读全文

摘要： grep命令提取符合条件的行，cut命令提取符合条件的列。 [kirk@kirk shell]$ cut [选项] 文件名 选项： -f 列号： 提取第几列 -d 分隔符： 按照指定分隔符分割列 -c 字符范围： 不依赖分隔符来区分列，而是通过字符范围（行首为 0）来进行字段提取。 “n-”表示从第 阅读全文

摘要： Linux的主分区与拓展分区加起来不能超过4个，而且拓展分区最多一个且不能放入数据文件及不能格式化，拓展分区唯一作用就是包含逻辑分区，逻辑分区可以放入数据和格式化。这种限制不是Linux限制，而是硬盘本身的限制。 分区过程就是将大硬盘分成小硬盘，此时小硬盘不能直接使用，必须先格式化。 格式化（高级格 阅读全文