目前公司没有人力开发数据可视化看板，因此考虑自己搭建开源可视化平台MetaBase。在此记录下部署过程~目前演示页面配置的是metabase从mysql读取数据进行展示和计算。metabase真没以前公司自研开发的可视化平台好用和灵活，凑合着用吧~地址为：部署容器的宿主机地址:3000，3000是端口号。

以前在安装xgb算法包时，看了网上很多篇教程都没有成功，但最后还是找到了解决方法，恰好最近在整理笔记就与大家分享一下：安装成功得益于如下网站下载的一个xgboost安装包的whl文件：https://www.lfd.uci.edu/~gohlke/pythonlibs/通过Ctrl+F后输入xgboost回车就可以到达xgboost所在的目录。根据自己的电脑系统选择对应的安装包，我的电...

目前公司没有人力开发数据可视化看板，因此考虑自己搭建开源可视化平台MetaBase。在此记录下部署过程~目前演示页面配置的是metabase从mysql读取数据进行展示和计算。metabase真没以前公司自研开发的可视化平台好用和灵活，凑合着用吧~地址为：部署容器的宿主机地址:3000，3000是端口号。

最近由于工作需要搭建MongoDB数据库，现公司只有服务器，因此考虑容器化部署MongoDB数据，特此记录一下~

以前在安装xgb算法包时，看了网上很多篇教程都没有成功，但最后还是找到了解决方法，恰好最近在整理笔记就与大家分享一下：安装成功得益于如下网站下载的一个xgboost安装包的whl文件：https://www.lfd.uci.edu/~gohlke/pythonlibs/通过Ctrl+F后输入xgboost回车就可以到达xgboost所在的目录。根据自己的电脑系统选择对应的安装包，我的电...

一、概念线性回归是一种有监督的回归分析技术，其是找出自变量与因变量之间的因果关系，本质上是一个函数估计的问题。回归分析的因变量应该是连续变量，若因变量为离散变量，则问题就转化为分类问题。回归分析主要应用场景为预测，常用的算法有如下：线性回归、二项式回归、岭回归、Lasso等。二、模型的表达式及推导现有如下训练集：D={(X1，Y1),(X2，Y2),...,(Xn...

当我们训练好模型后，我们要对得到的模型作出评价，那我们怎么评价我们的模型呢，主要有如下指标：一、对于回归模型，主要从下面四个指标出发：1、explained_variance_score：解释回归模型的方差得分，其值取值范围是[0,1]，越接近于1说明自变量越能解释因变量的方差变化，值越小说明效果越差。2、mean_absolute_error：平均绝对误差（Mean Absolut...

今天来聊聊聚类分析中最基础的一个算法：Kmeans。Kmeans思想及算法流程：      首先Kmeans是一种无监督的聚类算法。对于给定的样本集，按照样本之间的距离大小，将样本划分为K个簇，让簇内的点尽量紧密的连接在一起，而让簇间的距离尽量的大。算法流程：1、给各个簇中心以适当的初值。2、更新样本x1,x2,...,xn对应的簇标签y1,y2,...,yn。      ...

当我们训练好模型后，我们要对得到的模型作出评价，那我们怎么评价我们的模型呢，主要有如下指标：一、对于回归模型，主要从下面四个指标出发：1、explained_variance_score：解释回归模型的方差得分，其值取值范围是[0,1]，越接近于1说明自变量越能解释因变量的方差变化，值越小说明效果越差。2、mean_absolute_error：平均绝对误差（Mean Absolut...

今天来聊聊聚类分析中最基础的一个算法：Kmeans。Kmeans思想及算法流程：      首先Kmeans是一种无监督的聚类算法。对于给定的样本集，按照样本之间的距离大小，将样本划分为K个簇，让簇内的点尽量紧密的连接在一起，而让簇间的距离尽量的大。算法流程：1、给各个簇中心以适当的初值。2、更新样本x1,x2,...,xn对应的簇标签y1,y2,...,yn。      ...