异常检测学习笔记04 基于相似度的方法异常检测——基于相似度的方法包括：1.基于距离的度量2.基于密度的度量主要思想是异常点的表示与正常点不同1.基于距离的度量——适用各种数据域所谓基于距离的度量，即通过最近邻距离来定义异常值。其假设前提：异常点的 kkk 近邻距离要远大于正常点。计算：嵌套循环。 第一层循环遍历每个数据，第二层循环进行异常判断，需要计算当前点与其他点的距离，一旦已识别出多于 kk

知识图谱学习笔记 02 基于医疗知识图谱的问答系统操作介绍运行环境：python3.0及以上neo4j 3.5.0及以上jdk 1.8.01搭建知识图谱安装好neo4j 和 jdk后，运行以下命令：python3 build_graph.py注：由于数据量比较大，所以该过程需要运行几个小时导入的数据的知识图谱如下：2 启动问答测试运行以下命令：python kbqa_test.py运行结果如下图所

“AI Earth”人工智能创新挑战赛 baseline调试记录2.21简单mlp+soda数据训练baseline参考:team-learning-data-mining/WeatherOceanForecasts/Dockerfile参考：构建镜像并推送遇到的一些问题：1.Dockerfile中需要添加：##Install Requirements（requirements.txt包含pyth

知识图谱学习笔记 02 基于医疗知识图谱的问答系统操作介绍运行环境：python3.0及以上neo4j 3.5.0及以上jdk 1.8.01搭建知识图谱安装好neo4j 和 jdk后，运行以下命令：python3 build_graph.py注：由于数据量比较大，所以该过程需要运行几个小时导入的数据的知识图谱如下：2 启动问答测试运行以下命令：python kbqa_test.py运行结果如下图所

知识图谱学习笔记03 Neo4j图数据库导入数据1. Neo4j简介Neo4j使用图相关的概念来描述数据模型，把数据保存为图中的节点以及节点之间的关系，数据主要由三部分构成：节点:节点表示对象实例，每个节点有唯一的ID区别其他节点，节点带有属性关系：就是图里面的边，连接两个节点，另外这里的关系是有向的并带有属性属性：key-value对，存在于节点和关系中1.1 索引通过建立索引，Neo4j可加速

“AI Earth”人工智能创新挑战赛 baseline调试记录2.21简单mlp+soda数据训练baseline参考:team-learning-data-mining/WeatherOceanForecasts/Dockerfile参考：构建镜像并推送遇到的一些问题：1.Dockerfile中需要添加：##Install Requirements（requirements.txt包含pyth