好好学习，天天向上

摘要： 异常检测——高维数据异常检测 小结 高维数据的特点: 维度爆炸后，数据可能会一场稀疏 在高维空间中，所有点对的距离几乎都是相等的（距离集中），这使得一些基于距离的方法失效 集成方法: Feature Bagging (特征组合) 属于集成方法的一种，探索不同维度的子集，将这些基学习器集合起来 可以自 阅读全文

摘要： 异常检测——基于相似度的方法 小结 主要算法对比： 基于距离的度量 (异常点的k近邻距离要远大于正常点) K近邻: 两次循环暴利求解K个最近的点 单元分区法: 在距离计算中实现额外的节省,比较使用; 同时按单元格为最小判定标准——不够精细 基于索引: 构造索引来加快循环遍历（代价是构建索引需要额外的 阅读全文

摘要： 异常检测——线性相关方法 小结 主要内容包括： 线性回归 ：适用于数据基本上符合简单的线性的多项式模型，含最小二乘法/梯度下降法等方法 主成分分析：适用于维度爆炸的情况 其他 转jupyter的命令：jupyter nbconvert --to markdown E:\PycharmProjects 阅读全文

摘要： #异常检测——基于统计学的方法 主要内容包括： 高斯分布 箱线图 小结 转换命令: 转换命令 jupyter nbconvert --to markdown E:\PycharmProjects\TianChiProject\00_山枫叶纷飞\competitions\011_dw_AnomalyD 阅读全文

摘要： 排查 报错日志 org.springframework.dao.CannotAcquireLockException: ### Error updating database. Cause: com.mysql.jdbc.exceptions.jdbc4.MySQLTransactionRollba 阅读全文

摘要： Task 11 综合练习 小结 题目链接: http://datawhale.club/t/topic/579/6 其他 转换命令 jupyter nbconvert --to markdown E:\PycharmProjects\TianChiProject\00_山枫叶纷飞\competiti 阅读全文

摘要： 异常检测概述 1、什么是异常检测 异常检测（Outlier Detection），顾名思义，是识别与正常数据不同的数据，与预期行为差异大的数据。 识别如信用卡欺诈，工业生产异常，网络流里的异常（网络侵入）等问题，针对的是少数的事件。 1.1 异常的类别 点异常：指的是少数个体实例是异常的，大多数个体 阅读全文

摘要： 第十章 时序数据 小结 原文链接: https://datawhalechina.github.io/joyful-pandas/build/html/%E7%9B%AE%E5%BD%95/ch10.html Offset aliases的freq链接速查: https://pandas.pydat 阅读全文

摘要： 第九章 pandas 类别型数据(categories) 小结 原文指路：(joyful-pandas)[https://datawhalechina.github.io/joyful-pandas/build/html/%E7%9B%AE%E5%BD%95/ch9.html#cat] jupyte 阅读全文

摘要： 现实原因的冲突 https://cn.bing.com/search?q=%E5%9B%BD%E5%A4%96%E7%9A%84%E5%91%A8%E6%98%AF%E4%BB%8E%E5%91%A8%E5%87%A0%E5%BC%80%E5%A7%8B 每星期的开始时间各国有所不同。许多英语国家、 阅读全文