九九乘法表import java.util.Scanner;public class Main{public static void main(String[] args){Scanner reader = new Scanner(System.in);while (reader.hasNext()){...

一：CART回归树问题一：GBDT为什么用CART回归树,而不用CART分类树？答：因为GBDT每次迭代要拟合的是梯度值，是连续值所以要⽤回归树。问题二：CART回归树划分最佳的划分点的判断标准是什么？答：回归树因为样本标签是连续数值，所以再使⽤熵之类的指标 不再合适，取⽽代之的是平⽅误差，它能很好的评判拟合程度。...

一：js反解析思路：1：抓包先找到请求url:2：分析请求要携带的参数：请求头，参数。3：抓包分析哪些参数是改变的，哪些是不变的。4：分析参数的生成过程—在js中寻找参数的生成过程。案例：分析有道翻译：1： 找到请求的url:2：分析请求要携带的参数：请求头，参数。先分析出最常见的要携带的请求头参数：3：分析请求参数，哪些是改变的：4：在js中搜索，salt或者sign返回的地方：5：找到代码位置

目录一：requests模块1：cookieJar与字典的转换：2：证书认证问题：3：设置超时时长：4：一：requests模块1：cookieJar与字典的转换：1：requests.utils.dict_from_cookiejar（）：将cookiedir类型转换成字典类型。2：requests.utils.cookiejar_from_dict（）：将字典类型转换成cookiejar类型。

【代码】Docker---python项目部署。

目录一：逻辑回归介绍：二：逻辑回归问题的原理：三：逻辑回归的损失问题：四：逻辑回归的优化：五：逻辑回归API介绍：六：分类评估方法：1：混淆矩阵：2：精准率和召回率：3：TPR 与FPR：4：ROC曲线：5：AUC指标：一：逻辑回归介绍：1： 逻辑回归解决的是分类问题，不是回归问题。2：逻辑回归解决的是二分类问题。3： 逻辑回归问题处理的样本大多数是样本不均衡的。4：逻辑回归用到的业务场景：广告点

目录一：什么是集成学习？二：Bagging介绍：一：什么是集成学习？1：集成学习 (Ensemble Learning) 算法的基本思想：将多个分类器组合，从而实现一个预测效果更好的集成分类器。2： 工作原理：生成多个分类器/模型，各自独立地学习和作出预测。这些预测最后结合成组合预测，因此优于任何一个单分类的做出预测。3：集成算法的分类：Bagging，Boosting 和Stacking等类型。

一：CART回归树问题一：GBDT为什么用CART回归树,而不用CART分类树？答：因为GBDT每次迭代要拟合的是梯度值，是连续值所以要⽤回归树。问题二：CART回归树划分最佳的划分点的判断标准是什么？答：回归树因为样本标签是连续数值，所以再使⽤熵之类的指标 不再合适，取⽽代之的是平⽅误差，它能很好的评判拟合程度。...

目录一：线性回归介绍：1： 线性回归的应用场景：2：定义与公式：二：线性回归API使用：三：求导回顾：1：常见函数的导数：2：导数的四则运算：四：线性回归的损失和优化1：损失函数的定义：2：正规方程：3：梯度下降：4：正规方程和梯度下降的对比：一：线性回归介绍：1： 线性回归的应用场景：1：房价预测。2：销售额度预测。3：贷款额度预测。2：定义与公式：1：线性回归(Linear regressio

目录一：聚类算法描述：二：聚类算法的API使用：三： k-means聚类：1：聚类算法的计算流程：2：聚类算法的案例分析：四：模型评估方案：1：误差平方和（SSE）：2：“肘”方法确定K值3：轮廓系数法：4：CH系数：五：聚类算法的优化：1：聚类算法存在哪些缺点？2：Canopy算法过程：3：Canopy算法的优缺点：4：K-means++：5：一：聚类算法描述：1：聚类算法属于无监督学习，所以是