大数据与知识工程实验室周总结 (西南石油大学)

  • 用Python实现岭回归算法与Lasso回归算法并处理Iris数据集

    在介绍岭回归算法与Lasso回归算法之前,先要回顾一下线性回归算法。根据线性回归模型的参数估计公式可知可知,得到的前提是矩阵可逆。换句话说就是样本各个特征(自变量)之间线性无关。然而在实际问题中,常常会出现特征之间出现多重共线性的情况,使得行列式的值接近于0,最终造成回归系数无解或者无意义。 为了解
    国梁   2019-05-12 18:02   0   6926
  • Swift 基本语法和数据类型

    Swift 引入 我们可以使用 import 语句来引入任何的 Objective-C 框架(或 C 库)到 Swift 程序中。例如 import cocoa 语句导入了使用了 Cocoa 库和API,我们可以在 Swift 程序中使用他们。 Cocoa 本身由 Objective-C 语言写成,
    py_learning   2019-05-12 17:52   0   151
  • 序言:深度学习模型基本要素和表示方法

    1、模型 模型,即函数。根据给定输入,通过相应函数映射出一个输出值。例如,在线性回归模型中,输入与输出之间即为线性关系,模型输出即为预测值或估计值,与真实值有一定偏差。 2、模型训练 在一大堆样本数据中,找到一个能很好的根据样本输入估计得到样本输出的函数的过程即为模型训练,一个好的训练模型会使得函数
    棽棽   2019-05-12 17:04   0   445
  • vue表格合并行的一个实例

    一、element控件实现 在平常的应用中,需要用到合并单元格的操作,在Excel中,这种操作很好实现,但在实际项目中,常常需要借助element控件来实现。 下面是element中的一个实例: 实现的代码如下: 二、原生方法实现 但是,这种局限性很大,要是需要合并的单元格和实例中的不匹配,那就不行
    L-Consen   2019-05-12 17:02   0   4890
  • 数据分析------数据处理(1)

    1、数据导入 数据存在的形式多种多样,如文件有 csv、Excel、txt 格式,数据库有 MySQL、Access、SQL Server 等形式。 1.1 导入 txt 文件 read_table 函数,导入 txt 文件,格式如下: 其中,file 为文件路径与文件名; names 为列名,默认
    终是双曲线   2019-05-12 14:50   0   600
  • 模块简介与matplotlib基础

    模块简介与matplotlib基础 1、基本概念 1.1数据分析 对已知的数据进行分析,提取出一些有价值的信息。 1.2数据挖掘 对大量的数据进行分析与挖掘,得到一些未知的,有价值的信息。 1.3数据挖掘过程 定义目标 获取数据(爬虫采集或下载统计网站发布的数据) 数据探索 数据预处理(数据清洗【去
    coldpills   2019-05-12 11:44   0   161
  • Django学习

    一.使用Django框架的基本步骤 1.创建工程,设置虚拟环境 2.配置数据库 2.1 安装pymysql 2.1 修改settings.py配置数据库 3.创建应用 3.1 在_init_.py中引入pymysql模块 import pymysql pymysql.install_as_MySQL
    Zoroaster   2019-05-11 21:51   0   96
  • java 深浅copy

    1.深浅copy的定义 1.浅拷贝:只复制一个对象,对象内部存在的指向其他对象数组或者引用则不复制。 2.深拷贝:对象,对象内部的引用均复制。 1.1浅拷贝图示 为了更好的理解它们的区别我们假设有一个对象A,它包含有2对象对象A1和对象A2,如图: 对象A进行浅拷贝后,得到对象B但是对象A1和A2并
    hahahaer   2019-05-11 17:06   0   110
  • 安全帽识别系统-------不同内网集群之间的相互通信问题---解决方案:反向TCP隧道

    2019年5月8日问题:在不同的路由中的IP摄像头无法调取 解决方案:建立反向TCP隧道,实现内网之间相连 以下总结,如有错误,请留言,谢谢! 一. 计算机网络基础总结: 1. TCP/IP: “协议”:就是通信计算机双方必须共同遵从的一组约定,例如怎样建立连接、怎样互相识别等,网络协议的三要素是:
    CoyLee   2019-05-11 16:53   0   540
  • 阅读论文笔记5-10

    《一种利用差集的加权频繁项集挖掘算法 》提出了在研究概念格模型和差集 Diffsets 理论的基础上,构建一种利用差集的加权频繁项集格结构,该格结构通过差集性质快速计算加权支持度,满足向下封闭特性,更有利于高效生成加权频繁项集.。该方法能显著提高生成加权频繁项集的效率。 关联规则的挖掘是数据挖掘研究
    丹色调   2019-05-10 20:33   0   196