我们前面学习的简单的神经网络和卷积神经网络都有一个主要的特点，就是它们都没记忆能力，即他们都是单独处理每个输入，在前一个输入和后一个输入之间没有任何关系。比如你需要处理数据点或者时间序列，你就需要向网络同时展示整个序列，即将序列转换成单个数据点输入。这种输入方式的网络被称为前馈神经网络(feddforward network)可我们在阅读句子时是一个词一个词地阅读，在阅读一个词时往往会记住上个词的

pandas的数据抽取主要采用.loc和.iloc来取出自己需要的某行和某列的数据1.介绍.loc和.ilocdf.loc[ ]:主要是通过列名和行名来抽取数据，当只有一个参数时，默认是行名，即抽取这一行的数据。df.iloc[ ]:主要是通过行索引和列索引来抽取数据，当只有一个参数时，默认为取某一行的数据。df.iat[ ]:主要是定为dataframe中的某一个数据，如df.iat[2,2]，

????今天来总结一下京东数据分析的sql面试题，总体来看，这几道题太经典了，大家可以回去自己写写看，我这里就直接将试题和答案写出来供大家参考。一共四道题1.考察日期函数的应用2.考察case when3.考察窗口函数4.考察窗口函数和日期函数总结1.考察日期函数的应用思路：使用DATEDIFF（）筛选SELECT early_day,COUNT(*) "人数"FROM(SELECT user_i

Dataframe分组统计group by函数对数据进行分组统计主要使用Dataframe函数，其功能如下：根据给定的条件将数据拆分成组。每个组都可单独应用函数（如sum、mean、std等）。将结果合并到一个数据结果中。语法如下：Dataframe.groupby(by=None,axis=0,level=None,as_index=True,sort=True,group_keys=True,

#关于神经网络的手写体分类并测试import tensorflow as tffrom PIL import Imageimport numpy as npmodel_path="/home/cc1997/Desktop/model_save/mnist.ckpt"model=tf.keras.models.Sequential([tf.keras.layers.Flatten(),tf.kera

1.岭回归今天看了会L2正则化，大致的意思就是在惩戒函数中加入高次项的惩戒项，用来减小线性回归中高次项的系数，避免过拟合的状态。这样就产生了一种具有正则化的线性回归模型------岭回归。2.岭回归在sklearn中的apisklearn.linear_model.Ridge(alpha=1.0)#具有正则化的线性最小二乘法#alpha 表示正则化力度#coel_ 表示回归系数from sklea

????上次我们学习了数据处理中的特征处理，主要包括归一化、标准化、二值化、独热编码等，对数据做完处理后，接下来就应该进行数据的降维处理了，对于数据处理感兴趣的同学可以查看????:python机器学习之特征工程: python机器学习之数据探索.python机器学习之特征工程: python机器学习之特征处理.????今天我们要学的是数据的降维部分，数据的降维主要是将高维向量空间的数据点印射到低

1.TCN的介绍近些年，关于时间序列、自然语言处理等任务大家一般都会想到RNN、LSTM、GRU，一维CNN以及后面延伸出的Bi-Lstm、ConvLstm等等，这是因为RNN天生可以记住以前时段的信息，而传统的神经网络并不具有这个功能。卷积神经网络和循环神经网络作为深度学习的两大支柱，已近被越来越多的学者进行研究。在最近的研究之中，特定的卷积神经网络结构也可以达到很好的效果，比如Goolgle提

爬取一个用户发过的所有微博import urllib.requestimport jsonimport csv# 定义要爬取的微博大V的微博IDid = '6882301420'# 设置代理IPproxy_addr = "113.124.95.210:9999"# 定义页面打开函数def use_proxy(url, proxy_addr):req = urllib.request.Request

????先给大家看一下面试的截图,有图有证据，今天下午面试了滴滴和快手，一下子面两家还是比较辛苦的，建议大家还是不要这样。今天主要是来总结一下滴滴的面经，这应该是最后一篇了吧，因为面试小姐姐已经答应给offer了。滴滴的大数据开发。说说面经吧首先是面试的小插曲，大家面试滴滴一定要提前下载好，面试软件，我下载好了Mac版，然后发现没声音没画面，很尴尬，最后利用手机和电脑组合，才完成了面试。自我介绍4