navicat premium设置自动计划发Excel附件到邮箱首先打开navicat premium，新建查询将查询保存保存为查询名将查询结果导出选择自己想导出的文件类型默认即可勾选包含列标题将导出向导保存点击计划--新建批处理作业选择我们刚才保存的导出向导，添加附件（也就是sql的查询结果） ，记...

Power BI（十六）Power pivot使用链接回表进行RFM分析RFM模型是衡量客户价值和客户创利能力的重要工具和手段。在众多的客户关系管理(CRM)的分析模式中，RFM模型是被广泛提到的。该机械模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱3项指标来描述该客户的价值状况。原始表格如何划分RFM评价标准如何划分RFM里面的远近高低呢？是与其均...

决策树定义分类决策树模型是一种描述对实例进行分类的树形结构。决策树由节点(node)和有向边(directed edge)组成。节点有两种类型：内部节点和叶节点。内部节点表示一个特征或属性，叶节点表示一个类。用决策树分类，从根节点开始，对实例的某一特征进行测试，根据测试结果，将实例分配到其子结点；这时，每一个子结点对应着该特征的一个取值。如此递归的对实例进行测试并分类，直至达到叶节点。最后...

机器学习（五）降维技术---主成分分析、因子分析 降维（处理线性问题为主）一提到降维这个词，大家可能就会觉得非常高大上，到底是什么东西呢？降维通俗来讲就是把原先多个指标的计算降维为少量几个经过优化指标的计算，可能大家还是不理解，举个例子就是本来拿来参加建模的特征有100个，但是太多了，经过一些特征的一些组合变换衍生出一些新的特征变量，取对结果影响比较大的一些新的特征变量，现在问题就可以...

k-进邻算法概述原理存在一个样本数据集合，也称作为训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一个数据与所属分类的对应关系。输入没有标签的新数据后，将新的数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本最相似数据(最近邻)的分类标签。一般来说，我们只选择样本数据集中前k个最相似的数据，这就是k-近邻算法中k的出处，通常k是不大于20的整数。最后，...

机器学习（七）--支持向量机SVM支持向量机（support vector machines）是一种二分类模型，它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化（如下图B1边缘大于B2边缘），最终转化为一个凸二次规划问题来求解。 基本概念1.间隔最大化和支持向量如果一个线性函数能够将样本分开，称这些数据样本是线性可分的。那么什么是线性函数呢？其实很简单，在二...

机器学习（九）--聚类基于不同的聚类规则会有不同的方法，那么常见的有基于哪一些聚类呢？基于距离的聚类基于密度的聚类基于网格的聚类基于距离的聚类，我们先看下有多少种衡量距离的方法（具体的方法原理大家可以去查找相关的书籍）绝对值距离欧氏距离闵可夫斯基距离切比雪夫距离马氏距离Lance和Williams距离离散变量的距离计算在聚类之前我们要进行数据中心化和...

SAS（五）建立SAS数据集的方法1、data步自己输入数据建立。data oranges;input variety $ flav...

参数估计与假设检验的区别和联系统计学方法包括统计描述和统计推断两种方法，其中，推断统计又包括参数估计和假设检验。参数估计参数估计就是用样本统计量去估计总体的参数的真值，它的方法有点估计和区间估计两种。点估计就是直接以样本统计量直接作为相应总体参数的估计值。点估计的缺陷是没法给出估计的可靠性，也没法说出点估计值与总体参数真实值接近的程度。区间估计是在点估计的基础上给出总体参数估计...

model.fit() fit函数参数说明fit( x, y, batch_size=32, epochs=10, verbose=1, callbacks=None,validation_split=0.0, validation_data=None, shuffle=True,class_weight=None, sample_weight=None, initial_epoch=...