1 基本概念：FP-growth，即 Frequent Pattern Growth，它通过构建 FP 树(即 Frequent Pattern Tree)这样的数据结构，巧妙得将数据存储在 FP 树中，只需要在构建 FP 树时扫描数据库两次，后续处理就不需要再访问数据库了。这种特性使得 FP-growth 算法比 Apriori 算法速度快。FP 树是一种前缀树，由频繁项的前缀构成。2 两个名词

1 原理1.1 随机森林算法：随机森林就是通过集成学习的思想将多棵树集成的一种算法，它的基本单元是决策树，每棵决策树都是一个分类器（假设现在针对的是分类问题），那么对于一个输入样本，N棵树会有N个分类结果。而随机森林集成了所有的分类投票结果，将投票次数最多的类别指定为最终的输出，这就是一种最简单的 Bagging 思想。1.2 Matplotlib和SeabornMatplotlib：高度定制化绘

1 介绍DBSCAN（Density-Based Spatial Clustering of Applications with Noise）是一个出现得比较早（1996年），比较有代表性的基于密度的聚类算法。DBSCAN能够将足够高密度的区域划分成簇，并能在具有噪声的空间数据库中发现任意形状的簇。聚类的时候不需要预先指定簇的个数，最终簇的个数不确定。DBScan需要二个参数： 扫描半径 (Eps

小前言：一般对于办公软件的使用博客少之又少，而且关键词描述不太清楚，导致搜索的内容质量极低，又限于是软件版本的问题，有些教程根本行不通。于是将自己在工作和学习之中用到的软件技巧和公式功能记录下来，用来之后的总结提高。PS：对于之前办公软件使用频率不高的童鞋，我真真切切的感受到办公软件技能的提升真的可以提升自己的算力。本篇小博客为excel应用1：公式1：对于时间戳的转换以及计算时间戳早晚的公式在e

1 介绍DBSCAN（Density-Based Spatial Clustering of Applications with Noise）是一个出现得比较早（1996年），比较有代表性的基于密度的聚类算法。DBSCAN能够将足够高密度的区域划分成簇，并能在具有噪声的空间数据库中发现任意形状的簇。聚类的时候不需要预先指定簇的个数，最终簇的个数不确定。DBScan需要二个参数： 扫描半径 (Eps

1 pandas介绍：pandas是基于NumPy的一种工具，它是python的一个数据分析包，最初由AQR Capital Management于2008年4月开发，并于2009年底开源出来，目前由专注于Python数据包开发的PyData开发team继续开发和维护，属于PyData项目的一部分。常用数据结构有：Series：一维数组，与Numpy中的一维array类似。二者与Python基本的

1 前言：本篇博客运用的背景是：控制并发数量；防止恶意恶意侵占资源，导致正常的请求无法响应；用于接口限制的其它用途。2 使用到的技术：2.1 Java过滤器：过滤器是处于客户端与服务器资源文件之间的一道过滤网，在访问资源文件之前，通过一系列的过滤器对请求进行修改、判断等，把不符合规则的请求在中途拦截或修改。也可以对响应进行过滤，拦截或修改响应。简单理解就是过滤器是客户端请求服务器的一种规则设定，符

java获取本月开始时间和结束时间、上个月第一天和最后一天的时间以及当前日期往前推一周、一个月

本篇博客意在总结一下数据采集/交互的方式，直白点说就是接口/通信的问题，即怎样建立和对端的通信连接，数据怎样传送，采用什么方式入库等。我们的世界就是一个万物互联的世界，本质上讲日常生活中我们都在做信息交互，像古代战争时候的烽火台，到近现代战争的电报/电话，再到现在的互联网/信息化，信息的交互非常重要。网络编程的三要素：IP地址：每个设备在网络中的唯一标识，本地回路地址127.0.0.1，广播地址2

1 PostgreSQL清理表膨胀之vacuumPostgreSQL的表膨胀清理就需要依赖vacuum，vacuum的主要任务就是清理表和索引中不需要的数据（dead tuples），为新加入的数据清理出来空间。vacuum完成清理工作后，那些空间并没有真正被释放给操作系统，只能被vacuum清理过的表和索引所利用。2 PostgreSQL清理表膨胀之vacuum fullVacuum Full和