logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

【数据分析面试】22.补充缺失数据(Python:数据插值interpolate()用法)

线性插值是一种方法,用于在已知数据点之间的位置估算缺失值。它假设数据的变化是直线形式的。比如,如果你有两个点的数据,线性插值会用一条直线连接它们,然后根据这条直线上的位置来估算其他点的值。在时间序列数据中,线性插值通过已知时间点的数据来估算缺失时间点的数据,假设数据在时间上是线性变化的。举个例子,假设我们有一条线上有两个点 A 和 B,它们的坐标分别是 (x1, y1) 和 (x2, y2)。线性

文章图片
#数据分析#python#数据挖掘
计算机视觉入门 4)滑动窗口

介绍池化、步幅和填充的概念以及代码示例。

文章图片
#计算机视觉#人工智能
【机器学习】集成学习投票法:投票回归器(VotingRegressor) & 投票分类器(VotingClassifier)

本文介绍 VotingRegressor 和VoteClassifier的工作原理,并使用鸢尾花和糖尿病数据集作为示例,分别展示如何使用投票分类器解决分类/回归任务。

#机器学习#集成学习#回归 +1
【数据分析面试】54.员工信息(HR)数据库搭建

由于发展需求,进一步提高公司人员统筹管理的能力,公司决定要重新升级人力数据管理系统。现在,你的任务是为公司重新。

文章图片
#数据库#面试#sql +2
探索性数据分析(三)—— 异常值处理

异常值是什么?什么原因导致异常值。找出和剔除异常值的方法介绍

#数据分析#python
计算机视觉入门 1)卷积分类器

本文介绍了什么事卷积分类器,以及如何使用预训练模型解决图像分类问题。

文章图片
#tensorflow#计算机视觉#人工智能
【数据分析面试】58.计算均方根误差 (Python)

通过这种方法,我们可以计算并返回两个列表之间的均方根误差,从而评估预测模型的性能。均方根误差(RMSE)是衡量预测值与实际值之间差异的标准。来计算回归模型的均方根误差。该函数应接收两个列表,一个代表预测值。更多详细答案可关注公众号查阅。

文章图片
#python#数据分析#面试
【数据分析面试】40.20个数据开发治理基础问题

在当今数字化时代,数据已成为企业最重要的资产之一。如何管理数据、确保数据的安全性和质量,以及如何有效地利用数据来推动业务发展,这些都是我们面临的挑战。

文章图片
#数据分析#面试
【数据分析面试】39.银行交易滚动平均值 (SQL:滑动窗口ROWS)

我们有一个银行交易表,包含三列,`user_id`、存款或取款值(根据值是正数还是负数确定),以及每笔交易的 `created_at` 时间。计算存款的三天滚动平均值,并按日输出。

文章图片
#sql#面试
    共 78 条
  • 1
  • 2
  • 3
  • 8
  • 请选择