发现新版本
网站好像有新内容,是否更新(゚⊿゚)ツ?
置顶
2024-06-01
1.3k 字
5 分钟
GPT食用分享
GPT4
注意,套壳网站注册的时候,千万别用自己的qq邮箱还有手机号,密码记得随机生成,容易被开盒(亲身吃瓜)
官网:
openAI⭐⭐⭐(什么实力就不用说了吧):https://chat.openai.com/
Claude⭐⭐⭐(唯一一家在正面上能力比OpenAI强的):https://claude.ai/
Copilot⭐⭐⭐(最早联网的AI,微软的心头宝):https://copilot.microsoft.com/
DeepSeek(写报告不错,就是敏感词太严格):https://chat.deepseek.com/
智谱清言(国内的免费挡
2024-09-26
103 字
1 分钟
Java--Relearn
集合框架
Java的集合框架分为Collection、Map
Collection
/ | \
List Set Queue
| | |
ArrayList HashSet LinkedList
LinkedList TreeSet PriorityQueue
Deque
|
ArrayDeque
对不起,已乱码鐨勫皬鏍戝眿紝涓氬姟鍒嗘瀽宸叉垚涓轰紒涓氬喅绛栧拰鎴樼暐鍒跺畾鐨勬牳蹇冦€傛湰鏂囧皢浠嬬粛涔濈甯哥敤鐨勪笟鍔″垎鏋愭柟娉曪紝杩欎簺鏂规硶鑳藉府鍔╁垎鏋
2024-09-06
1.8k 字
6 分钟
数据分析之业务拆解和分析
在当今数据驱动的商业环境中,业务分析已成为企业决策和战略制定的核心。本文将介绍九种常用的业务分析方法,这些方法能帮助分析师和管理者更好地理解复杂的业务问题,并制定有效的解决方案。
MECE原则:业务拆解的基础
在开始介绍具体的分析方法之前,我们需要了解MECE原则。MECE是"Mutually Exclusive Collectively Exhaustive"的缩写,意为"相互独立,完全穷尽"。这个原则要求我们在分析问题时,将问题分解为不重叠(相互独立)且无遗漏(完全穷尽)的部分。遵循MECE原则可以帮助我们更系统、全面地分析问题。
九种常用业务分
2024-07-25
8.7k 字
35 分钟
数据分析之MySQL食用指南
MySQL作为一种广泛使用的关系型数据库管理系统,是每个数据分析师必备技能,下面让我们来探讨如何利用MySQL进行高效的数据分析。
基础语句
为了帮助小伙伴们清晰理解SQL查询的语法结构和运行顺序,我们应该知道下面的:
语法结构:select–from–where–group by–having–order by–limit
运行顺序:from–where–group by–having–order by–limit–select
SELECT & FROM
基本语法
在MySQL中,使用 SELECT 语句来指定要查询的字段。语法如下:
1SELECT 字段名1, 字段名2
2024-07-15
692 字
3 分钟
随机森林如何调参
随机森林是一种强大的集成学习方法,通过构建多个决策树并取它们的平均值来进行预测。为了获得最佳性能,需要对随机森林模型进行调参。以下是一些常见的参数和调参方法:
常见参数
n_estimators: 决策树的数量。通常,增加树的数量可以提高模型的性能,但也会增加计算成本。
max_depth: 每棵树的最大深度。限制树的深度可以防止过拟合。
min_samples_split: 内部节点再划分所需最小样本数。增加这个值可以防止过拟合。
min_samples_leaf: 叶子节点最少样本数。增加这个值可以防止过拟合。
max_features: 寻找最佳分割时要考虑的特征数量。通常,默认值(
2024-07-12
6.7k 字
22 分钟
数据分析之Tableau食用指南
Tableau:最易上手且功能强大的可视化操作BI工具
Tableau是一款广受欢迎的商业智能(BI)工具,以其直观的用户界面和强大的数据可视化功能而闻名。无论是数据分析师、业务用户还是IT专业人员,都能快速上手并利用Tableau进行高效的数据分析和可视化展示。
相对于Excel,Tableau可以处理以亿为级别的数据,展现出其卓越的数据处理能力。而Excel在处理几十万条数据的时候,往往会出现卡顿现象,限制了其在大型数据集上的应用。
相较于MySQL,Tableau不仅提供了强大的数据连接和处理功能,还以其可视化操作和丰富的图表选项著称。用户可以通过Tableau直观地展示数据,进行深入的
2024-07-02
8.5k 字
29 分钟
数据分析之Excel食用指南
Excel,作为微软公司开发的一款强大电子表格软件,不仅在数据分析、财务计算、项目管理、统计分析等领域发挥着重要作用,还因其丰富的数据处理和计算功能,以及多样化的图表和图形工具,成为高效管理和分析数据的得力助手。
如下图,是拉姆在系统学习Excel时制作的某店铺报表,其中利用了切片器灵活筛选美团、饿了么的数据情况,这是初级数据分析师所必须掌握的。接下来,我们要介绍关于excel的各类用法,帮助大家胜任数据分析师。
基础篇
首先,为了确保数据的安全性和便于分析计算结果,我们需采取以下步骤:
创建一个新的工作簿(例如工作簿2),专门用于存储和分析计算结果。
这样做的好处是可以避免在原始数据工
2024-06-15
2.4k 字
9 分钟
数据分析食用指南2-优化与连接
优化算法
曾经有一次面试的时候,HR问拉姆优化算法都是有哪些,拉姆很懵,因为拉姆下意识以为这是算法岗的内容,就磕磕绊绊得回答的很糟糕。
现在了解一下,其实数据分析和数据挖掘中常用的优化算法是有很多的,这些算法可以帮助我们找到最优或近似最优的解决方案。
以下是一些常见的优化算法及其应用场景:
梯度下降(Gradient Descent)
梯度下降是一种迭代优化算法,用于最小化一个函数。在机器学习中,它通常用于最小化损失函数,以找到模型的最佳参数。
应用场景:线性回归、逻辑回归、神经网络等模型的参数优化。
随机梯度下降(Stochastic Gradient Descent, SGD)
随机
2024-06-05
2k 字
7 分钟
回归与分类
回归(Regression)和分类(Classification)是机器学习中两种常见的监督学习任务,它们在目标和方法上有所不同。
回归(Regression)
回归分析是一种预测性的建模技术,它研究的是因变量(目标)和自变量(预测器)之间的关系。这种技术通常用于预测一个具体的数值,如房价、股票价格、温度等。
关键特点:
目标变量:连续值。
输出:一个数值。
例子:线性回归、多项式回归、决策树回归、随机森林回归等。
应用场景:
房价预测
销售预测
股票价格预测
线性回归
线性回归(Linear Regression)是统计学和机器学习中最基础的预测建模技术之一,它用于建立和估计一个
2024-05-31
2.4k 字
8 分钟
数据分析之特征提取-PCA
常见方法
在数据分析中,特征提取是一个关键步骤,它涉及从原始数据中提取有意义的特征,以便用于后续的分析和建模。以下是一些常用的特征提取方法:
主成分分析(PCA):
PCA是一种线性降维技术,通过将数据投影到新的正交坐标系中,提取出数据的主要成分。这些主成分是原始特征的线性组合,能够最大程度地保留数据的方差。
独立成分分析(ICA):
ICA是一种用于分离混合信号的技术,它假设数据是由独立的非高斯信号源线性混合而成的。ICA的目标是找到这些独立的信号源。
线性判别分析(LDA):
LDA是一种监督学习方法,用于在保持类间差异最大化的同时,减少数据的维度。LDA通过找到一