obsidian共 50 题，按业务领域分类：电商（14）、游戏（12）、社交（12）、供应链（12）。知识点覆盖：多表关联、窗口函数、条件筛选、常用指标、常见业务场景。语法以 MySQL 8.0 为准（含窗口函数），个别题目附方言说明。每题含：题目、参考答案、考点解析。题干中埋有边界/陷阱问题，，请在答题时自行识别。

前言：本文内容以游戏产品为基础进行讲解，内容为LTV的5中计算方法。定义：LTV值单个用户整个生命周期所产生的价值。说明：在谈论LTV的计算方法时，容易混淆的点：指标限定的时间范围。LTV的每种计算方法，都一定要明确到底在谈论单批用户的LTV，还是整个游戏所有用户的LTV。第一种计算方法：LTV=每用户平均生命周期（单位：天）*每天每用户平均收入；限定的时间范围为：从每天的数据计算整体的数据。用户

本章内容：如何使用Bayes_opt实现参数优化，及案例？如何使用HyperOpt实现参数优化，及案例？如何使用Optuna实现参数优化，及案例？HPO库优劣评价推荐指数bayes_opt✅实现基于高斯过程的贝叶斯优化 ✅当参数空间由大量连续型参数构成时⛔包含大量离散型参数时避免使用⛔算力/时间稀缺时避免使用⭐⭐hyperopt✅实现基于TPE的贝叶斯优化✅支持各类提效工具✅进度条清晰，展示美观，

本章内容：如何使用Bayes_opt实现参数优化，及案例？如何使用HyperOpt实现参数优化，及案例？如何使用Optuna实现参数优化，及案例？HPO库优劣评价推荐指数bayes_opt✅实现基于高斯过程的贝叶斯优化 ✅当参数空间由大量连续型参数构成时⛔包含大量离散型参数时避免使用⛔算力/时间稀缺时避免使用⭐⭐hyperopt✅实现基于TPE的贝叶斯优化✅支持各类提效工具✅进度条清晰，展示美观，

> 随机网格搜索RandomSearchCV学习笔记，内容包括：> 1. 随机网格搜索的基本原理> 2. 随机网格搜索的skelarn应用（案例：房价数据集_python）> 3. 随机网格搜索中连续型分布的应用（案例：房价数据集_python）

本章内容如何理解AdaBoost基本原理？（理论）如何使用sklearn.ensemble.AdaBoostRegressor/AdaBoostClassifier参数？（案例：手写数据集）如何理解Adaboost回归的数学求解流程？（附：流程示意图）1 AdaBoost的基本参数与损失函数1.1 （理论）AdaBoost基本原理、代码📖 Adaboost原理在全样本上建立一棵决策树；根据该决策

如何利用用户行为数据做推荐，简单介绍基于邻域的算法、LFM、基于图的模型

书籍：《统计学（第六版）》书籍作者：贾俊平索引???? **专业名词：方便查找，解释说明**???? **专业名词**???? 公式推导：解释说明???? **公式记忆：方便查找**???? 摘抄???? 案例12.1 多元线性回归模型12.1.1 多元回归模型与回归方程???? **多元回归模型**设因变量为y，k个自变量分别为x1，x2，…，xk，x_1，x_2

书籍：《统计学（第六版）》书籍作者：贾俊平内容思维导图索引📌 专业名词🔑 公式记忆📖 摘抄☑️ 有序事项11.1 变量间是否有相关关系，且关系强度如何？11.1.2 相关关系的描述与测量📌 相关关系：变量之间存在的不确定的数量关系，称为相关关系。📖 相关分析就是对两个变量之间线性关系的描述与度量，要解决的问题如下：变量之间是否存在关系？ 如果存在关系，它们之间是什么关系？ 变量之间的关系

我在安装mlxtend的时候发现，已经在CMD窗口pip install mlxtend，但Jupyter报错：解决方案：1. 打开anaconda2. 以下路径点那个三角形，选择open Terminal，会打开一个窗口3. 在新的窗口输入pip install mlxtend4. 再检查一下，anaconda里面是否有mlxtend，有了就OK了...