针对快照读（普通 select 语句），是通过 MVCC 方式解决了幻读，因为可重复读隔离级别下，事务执行过程中看到的数据，一直跟这个事务启动时看到的数据是一致的，即使中途有其他事务插入了一条数据，是查询不出来这条数据的，所以就很好了避免幻读问题。数据库中同时存在多个版本的数据，并不是整个数据库的多个版本，而是某一条记录的多个版本同时存在，在某个事务对其进行操作的时候，需要查看这一条记录的隐藏列事

核心点：在半径Eps内含有超过MinPts数目的点边界点：在半径Eps内点的数量小于MinPts，但是落在核心点的邻域内噪音点：既不是核心点也不是边界点的点（离群点）

如果测试集上表现很好，也就是分数很高，但是训练集上表现非常糟糕，也就是分数很低，我们就知道是欠拟合的：我们就需要将模型更多地拟合到我们的训练集当中，从而修正我们的模型。因为我们这里的深度为3的这一点，过拟合还不是非常严重，我们把我们的这个指标换成entropy之后。如果我们训练集的曲线高于测试集的曲线很多，我们就知道模型是过拟合的：我们就需要剪枝操作。因为这样训练集的分数在3这个点应该会增高，因为

2） 聚合函数，如sum. avg, count, max, min等，聚和窗口函数和上面提到的专用窗口函数用法完全相同，只需要把聚合函数写在窗口函数的位置即可，但是函数后面括号里面不能为空，需要指定聚合的列名。dense_rank函数：这个例子中是5位，5位，5位，6位，也就是如果有并列名次的行，不占用下一名次的位置。比如正常排名是1，2，3，4，但是现在前3名是并列的名次，结果是：1，1，1，

2） 聚合函数，如sum. avg, count, max, min等，聚和窗口函数和上面提到的专用窗口函数用法完全相同，只需要把聚合函数写在窗口函数的位置即可，但是函数后面括号里面不能为空，需要指定聚合的列名。dense_rank函数：这个例子中是5位，5位，5位，6位，也就是如果有并列名次的行，不占用下一名次的位置。比如正常排名是1，2，3，4，但是现在前3名是并列的名次，结果是：1，1，1，

确保你已经正确安装了 Python，并知道其安装路径。打开 PyCharm，点击顶部菜单栏的 "File"，然后选择 "Settings"（或者 "Preferences"）。在弹出的窗口中，选择 "Project: [你的项目名称]"，然后点击左侧的 "Python Interpreter"。在右侧的 "Python Interpreter" 模块中，点击右上角的齿轮图标，选择 "Add..."

1.选取数据前几行oracle里用ROWNUM2.虚拟查询REGEXP或NOT REGEXP运算符 (或 RLIKE 和 NOT RLIKE) 来操作正则表达式3.正则表达式匹配的字符类：.：匹配任意单个字符。^：匹配字符串的开始。$：匹配字符串的结束。*：匹配零个或多个前面的元素。+：匹配一个或多个前面的元素。?：匹配零个或一个前面的元素。[abc]：匹配字符集中的任意一个字符。[^abc]：匹

确保你已经正确安装了 Python，并知道其安装路径。打开 PyCharm，点击顶部菜单栏的 "File"，然后选择 "Settings"（或者 "Preferences"）。在弹出的窗口中，选择 "Project: [你的项目名称]"，然后点击左侧的 "Python Interpreter"。在右侧的 "Python Interpreter" 模块中，点击右上角的齿轮图标，选择 "Add..."

1.选取数据前几行oracle里用ROWNUM2.虚拟查询REGEXP或NOT REGEXP运算符 (或 RLIKE 和 NOT RLIKE) 来操作正则表达式3.正则表达式匹配的字符类：.：匹配任意单个字符。^：匹配字符串的开始。$：匹配字符串的结束。*：匹配零个或多个前面的元素。+：匹配一个或多个前面的元素。?：匹配零个或一个前面的元素。[abc]：匹配字符集中的任意一个字符。[^abc]：匹