03 2021 档案
摘要：特征工程通常包括：数据清洗、特征设计、特征变换和特征选择等环节。 **数据和特征决定了机器学习的上限，而模型和算法只是不断地逼近这个上限。**模型训练的好坏，也取决于特征设计、加工的效果。 特征工程是机器学习，甚至是深度学习中最为重要的一部分，也是课本上最不愿意讲的一部分，特征工程往往是打开数据密码
阅读全文
摘要：now 返回当前系统日期+时间 SELECT NOW（）； curdate 返回当前系统日期，不包含时间 SELECT CURDATE（）； curtime（） 返回当前时间不包含日期 SELECT CURTIME（）； year（） mouth（） SELECT MOUTH（）；返回中文月份 SE
阅读全文
摘要：round 四舍五入 SELECT round（1.66，2）；1.66四舍五入并保留两位 ceil 向上取整，返回＞＝该参数的最小整数 SELECT CEIL（1.02）；结果为2 floor 向下取整，返回＜＝该参数的最大整数 truncate 截断 SELECT TRUNCATE（1.9999
阅读全文
摘要：字符函数 length（）：获取输入的字节个数 SELECT LENGTH（'john'） concat（）：拼接字符串 upper（），lower（）：将字符串变为大/小写 substr（）：裁剪字符，注意：索引从1开始 instr（）：返回子串在原字符串的起始索引，若找不到返回0 trim（）：
阅读全文
摘要：语法 SELECT 函数名（实参列表）FROM 表名 类别： 1.单行函数：输入一个值，返回一个值 2.分组函数（统计函数）：输入一组值，返回一个值，作统计用
阅读全文
摘要： 
阅读全文
摘要：语法 asc（升序），desc（降序），可以不写，默认升序。 支持单字段，多字段，表达式，函数。别名 order by子句一般放在最后面（limit子句除外）
阅读全文
摘要：  对输入的tensor数据的某一维度求和，一共两种用法 １．torch.sum(input, dtype=None) ２．torch.sum(input, list: dim, bool: keepdim=False, dtype=None) → Tensor input:输入一
阅读全文
摘要：第一遍：了解文章主要讲了什么问题 第二遍：思维导图 开头：事件，总论点 问题与危害 原因 措施：政府监管，企业（社会责任）、家庭和学校（引导） 总结 第三遍：
阅读全文
摘要：torch.unsqueeze(input, dim, out=None) 作用：扩展维度 返回一个新的张量，对输入的既定位置插入维度 1 注意： 返回张量与输入张量共享内存，所以改变其中一个的内容会改变另一个。 如果dim为负，则将会被转化dim+input.dim()+1 参数: tensor
阅读全文
摘要：hasattr(object, name) hasattr() 函数用于判断对象是否包含对应的属性。如果对象有该属性返回 True，否则返回 False。
阅读全文
摘要：主要为like，between and，in，is null，is not null 首先需要声明。通配符%为任意多个字符，包括0个；任意单个字符 like 也可以指定转义符： WHERE last_name like '$_%' ESCAPE '%' between and 区间包含临界值，可以简
阅读全文
摘要：torch.nn.init.constant(tensor, val) 用val的值填充输入的张量或变量 参数： tensor – n维的torch.Tensor或autograd.Variable val – 用来填充张量的值
阅读全文
摘要：torch.nn.init.uniform(tensor, a=0, b=1) 从均匀分布U(a, b)中生成值，填充输入的张量或变量 参数： tensor - n维的torch.Tensor a - 均匀分布的下界 b - 均匀分布的上界
阅读全文
摘要：torch.nn.init.normal(tensor, mean=0, std=1) 从给定均值和标准差的正态分布N(mean, std)中生成值，填充输入的张量或变量 参数： tensor – n维的torch.Tensor mean – 正态分布的均值 std – 正态分布的标准差
阅读全文
摘要：（1）tensor .data 返回和 x 的相同数据 tensor,而且这个新的tensor和原来的tensor是共用数据的，一者改变，另一者也会跟着改变，而且新分离得到的tensor的require s_grad = False, 即不可求导的。（这一点其实detach是一样的） （2）使用te
阅读全文
摘要：首先可以把这个函数理解为类型转换函数，将一个不可训练的类型Tensor转换成可以训练的类型parameter并将这个parameter绑定到这个module里面(net.parameter()中就有这个绑定的parameter，所以在参数优化的时候可以进行优化的)，所以经过类型转换这个self.v变
阅读全文
摘要：类型转换, 将list ,numpy转化为tensor a = torch.tensor([[1, 2], [3, 4]]) print(torch.FloatTensor(a.size()))
阅读全文
摘要：np.choose(a, choices, out=None, mode='raise')：按照序号a对choices中的数进行选择。 a: index array，其中的数必须是整数 mode=‘raise’，表示a中数必须在[0,n-1]范围内 mode=‘wrap’，a中数可以是任意的整数（s
阅读全文
摘要：首先明确百分位数的概念： 第p个百分位数是这样一个值，它使得至少有p%的数据项小于或等于这个值，且至少有(100-p)%的数据项大于或等于这个值。 举个例子： 高等院校的入学考试成绩经常以百分位数的形式报告。比如，假设某个考生在入学考试中的语文部分的原始分数为54分。相对于参加同一考试的其他学生来说
阅读全文
摘要：IFNULL（） IFNULL（A，x）：将A中为NULL的项换成x 示例： SELECT IFNULL( commission_pct, 0 ) AS sal FROM employees 条件查询 语法： 示例： 1， SELECT * FROM employees WHERE salary >
阅读全文
摘要：concat（）：将若干字段连接并输出 示例 SELECT CONCAT( first_name, ' ',last_name ) AS 姓名 FROM employees NULL和任何字段拼接结果都为NULL
阅读全文
摘要：ndnarry为numpy中narry数组，tensor为TensorFlow中的张量 相同： tensor内部的数据类型为ndarray类型 区别： tensor可以有加速器内存（如GPU）支持，既可以在CPU上运行也可以在GPU上运行。ndarray只能在CPU上运行。 ndarray在CPU上
阅读全文
摘要：model.train（）将模型设置为训练状态，作用：使Dropout，batchnorm知道后有不同表现（具体参考Dropout，batchnorm源码），只有这两个关心True or False。 将模型设置为测试状态有两种方法： 1.model.train(mode=False) 2.mode
阅读全文
摘要：语法 开头：USE 库名 select 查询列表 from 表名 特点 1.查询列表可以是：表中的字段，常量值，表达式，函数 2.查询的结果是一个虚拟的表格 双击想要查询的表即可，F12标准化 查询所有项： SELECT * FROM 表名 查询常量值： SELECT 100； SELECT 'jo
阅读全文
摘要：数据存在的问题：不完整，有噪声，不一致 解决方法：填充缺失值，光滑噪声并识别离群值，纠正数据中的不一致 缺失值 1.忽略元组，适用于多个属性缺失 2.人工填写 3.使用一个全局常量填写，如：“Unknown”，“-∞” 4.使用属性的中心度量填充，对称的数据分布用均值，倾斜数据分布用中位数 5.使用
阅读全文
摘要：低质量的数据导致低质量的挖掘结果。（包括准确性，完整性，一致性） 数据清理：清除数据中的噪声 数据集成：将多个数据源合并成统一的数据存储 数据归约：PCA，聚类来降低数据规模 数据变换：把数据压缩到较小的区间
阅读全文
摘要：1.不区分大小写 2.每条命令用；结尾 3.根据需要进行缩进或换行 4.注释
阅读全文
摘要：启动mysql服务：net start mysql 停止mysql服务：net stop mysql 登录数据库：mysql -uroot -p 需注意：在服务停止的状态下无法登录 退出登录：exit 查看数据库：show databases; 进入某一个数据库：use XXX; 查看有哪些表：sh
阅读全文
摘要：DB：数据库（database）；保存一系列有组织的数据。 DBMS：数据库管理系统（Database Management System），创建和操作数据库的容器。 SQL：结构化查询语言（Structure Query Language），与数据库通信的语言。 SQL的优点：1.几乎所有DBMS
阅读全文
浙公网安备 33010602011771号