最近公司發(fā)了一臺新mac，需要搭建開發(fā)環(huán)境。于是重新復(fù)習了一下Git環(huán)境的配置，寫下步驟，希望能幫到需要的你。 第一步：下載Git windows電腦需要下載一個git ba...
發(fā)簡信
IP屬地：上海
-
程序員：拿到新電腦如何配置Git環(huán)境
-
清冷的秋天，面臨延畢和失業(yè)的我
時間兜兜轉(zhuǎn)轉(zhuǎn)，居然已經(jīng)研三上學(xué)期了。國慶過去之后最近天氣突然轉(zhuǎn)涼，早上出門得披件外套才行。天變涼了，然而可怕的是我的心也快涼了。想到最壞的情況可能要延畢，今年的秋招找工...
-
python爬蟲之坑1-IndexError: list index out of range
說起程序的bug，這是一個讓人崩潰、焦頭爛額，一萬句“XXX”在心中奔騰的詞語 就說起最近剛從老家上來，狀態(tài)迷糊中 雖然接觸爬蟲不是很久，看了一些基礎(chǔ)書籍，實戰(zhàn)爬了幾個網(wǎng)站，...
-
數(shù)據(jù)科學(xué)與人工智能知識分享<br>微信公眾號：大數(shù)據(jù)文摘<br>微博：@大數(shù)據(jù)文摘<br><br>大數(shù)據(jù)文摘經(jīng)授權(quán)翻譯李飛飛斯坦福CS231n計算機視覺、牛津xDeepMind自然語言處理、MIT6.S自動駕駛課程，地址<a href="http://study.163.com/course/introduction/1003223001.htm" rel="nofollow" target="_blank">http://study.163.com/course/introduction/1003223001.htm</a>
-
Windows下用pyspark連接mysql數(shù)據(jù)庫最近開始學(xué)spark，本來想在虛擬機上學(xué)的，但是配置完之后老是報錯，搜了半天也找不到解決方案，無奈只好回windows主機上學(xué)習了，用的語言是python（不是cs，只會py...
-
Kaggle初探--房價預(yù)測案例之模型建立概述 本文數(shù)據(jù)來源kaggle的House Prices: Advanced Regression Techniques大賽。 本文接著Kaggle 初探 -- 房價預(yù)測案例...
-
我也想問。。這是什么工具查詢的。。
Hive窗口函數(shù)總結(jié)
準備數(shù)據(jù) 查看結(jié)果 SUM(), MIN(),MAX(),AVG()等聚合函數(shù) 對一定窗口期內(nèi)的數(shù)據(jù)進行聚合 在這里根據(jù)cookieid進行分組，然后按照create_tim...
-
知道了。。改錯文件了，原來是改bin下的不是sbin下的，感謝樓主
Windows環(huán)境下Hadoop啟動錯誤“系統(tǒng)找不到指定的批標簽 - resourcemanager”
錯誤提示：中文：系統(tǒng)找不到指定的批標簽 - resourcemanager英文：The system cannot find the batch label specifie...
-
照樓主這么做了，還是一直報錯“系統(tǒng)找不到指定的批標簽 - resourcemanager”，弄了一下午快瘋了QAQ
Windows環(huán)境下Hadoop啟動錯誤“系統(tǒng)找不到指定的批標簽 - resourcemanager”
錯誤提示：中文：系統(tǒng)找不到指定的批標簽 - resourcemanager英文：The system cannot find the batch label specifie...
-
xgboost的原理沒你想像的那么難xgboost 已然火爆機器學(xué)習圈，相信不少朋友都使用過。要想徹底掌握xgboost，就必須搞懂其內(nèi)部的模型原理。這樣才能將各個參數(shù)對應(yīng)到模型內(nèi)部，進而理解參數(shù)的含義，根據(jù)需...
-
從“嚴禁早戀”到“瘋狂催婚”，中國家長只回答了一句話21歲那年，我還在上大學(xué)。 有一天晚上，我媽打來電話，神神秘秘地說家里鄰居要給我介紹個男朋友。 我一聽，張著嘴巴驚訝地下巴都快要掉了下來。 我說媽，你嚇到我了，我才21歲呢。...
-
請問交叉驗證找最優(yōu)λ時，能用全數(shù)據(jù)集么？
cv<-cv.glmnet(x, y, alpha = 0)
lambda_best<-cv$lambda.min
（cv.glmnet已經(jīng)是用了交叉驗證的方法，就不需要再人為地選取訓(xùn)練子集了吧。。不是很懂）多元線性回歸模型的特征壓縮：嶺回歸和Lasso回歸
多元線性回歸模型中，如果所有特征一起上，容易造成過擬合使測試數(shù)據(jù)誤差方差過大；因此減少不必要的特征，簡化模型是減小方差的一個重要步驟。除了直接對特征篩選，來也可以進行特征壓縮...
