XXL-JOB是一个轻量级分布式任务调度平台，其核心设计目标是开发迅速、学习简单、轻量级、易扩展。现已开放源代码并接入多家公司线上产品线，开箱即用xxl-job的特性1、简单：支持通过Web页面对任务进行CRUD操作，操作简单，一分钟上手；2、动态：支持动态修改任务状态、启动/停止任务，以及终止运行中任务，即时生效；3、调度中心HA（中心式）：调度采用中心式设计，“调度中心”自研调度组件并支持集群

mobaxterm

简介应用概念聚类算法与分类算法最大的区别聚类算法是⽆监督的学习算法，⽽分类算法属于监督的学习算法。API案例流程分析导入依赖import matplotlib.pyplot as pltfrom sklearn.datasets import make_blobsfrom sklearn.cluster import KMeansfrom sklearn.metrics import calins

什么是逻辑回归应用场景逻辑回归的原理掌握逻辑回归，必须掌握以下两点逻辑回归中，其输入值是什么如何判断逻辑回归的输出输入激活函数衡量损失损失优化API肿瘤预测案例数据介绍代码实现import pandas as pdimport numpy as npfrom sklearn.model_selection import train_test_splitfrom sklearn.preprocess

介绍熵决策树划分依据一-信息增益案例决策树划分依据二-信息增益率案例一案例二C4.5流程总结为什么C4.5更好决策树划分依据三-基尼值和基尼指数案例CART算法流程CART 剪枝为什么要剪枝常用的剪枝方法预剪枝后剪枝两种剪枝方法对比特征工程-特征提取API字典特征提取例子案例from sklearn.feature_extraction import DictVectoriz

什么是集成学习机器学习的两个核心任务集成学习中boosting和BaggingBaggin集成原理实现流程随机森林构造过程面试题包外估计（Out-of-Bag Estimate）定义用途随机森林APIbagging集成优点随机森林案例（以泰坦尼克号乘客生存预测为例）from sklearn.ensemble import RandomForestClassifierfrom sklearn.mod

朴素贝叶斯简介（概率分类）概率基础联合概率、条件概率与相互独立贝叶斯公式介绍案例API商品评论情感分析导入依赖import pandas as pdimport numpy as pyimport jiebaimport matplotlib.pyplot as pltfrom sklearn.feature_extraction.text import CountVectorizerfrom s

APIfrom sklearn.linear_model import LinearRegression# 获取数据x = [[80,86],[82,80],[85,78],[90,90],[86,82],[82,90],[78,80],[92,84]]y = [84.2,80.6,80.1,90,83.2,87.6,79.4,93.4]# 模型训练# 实例化一个估计器estimator = Li

概念根据你的“邻居”判断你的类别流程KNN api 初步使用机器学习流程Scikit-learn工具安装pip3 install scikit-learn==0.19.1注：需要Numpy，Scipy等库的支持Python (>= 3.5),NumPy (>= 1.11.0),SciPy (>= 0.17.0),joblib (>= 0.11).检验安装import skl