[描述性统计]的搜索结果

...。 第4课：了解具有描述性统计信息的数据。 第5课：通过可视化了解数据。 第6课：通过预处理数据准备建模。 第7课：使用重采样方法进行算法评估。 第8课：算法评估指标。 第9课：现场检查算法。 第10课：模型比较和选择。 第11课：通过算法调整提高准确性。 第12课：利用集合预测提高准确性。 第13课：完成并保存模型。 第14课：Hello World端到端项目。 每节课可能需要您60秒钟或最多30分钟。花点时间按照自己的进度完成课程。提出问题，甚至在以下评论中发布结果。 这些课程希望您能开始学习并做事。我会给您提示，但每节课的重点是迫使您学习从哪里寻求有关Python平台的帮助（提示，我直接在此博客上获得了所有答案，请使用搜索特征）。 在早期课程中，我确实提供了更多帮助，因为我希望您树立一些信心和惯性。 挂在那里，不要放弃！ 第1课：下载并安装Python和SciPy 您必须先访问平台才能开始使用Python进行机器学习。 今天的课程很简单，您必须在计算机上下载并安装Python 3.6平台。 访问Python主页并下载适用于您的操作系统（Linux，OS X或Windows）的Python。在计算机上安装Python。您可能需要使用特定于平台的软件包管理器，例如OS X上的macports或RedHat Linux上的yum。 您还需要安装SciPy平台和scikit-learn库。我建议使用与安装Python相同的方法。 您可以使用Anaconda一次安装所有内容（更加容易）。推荐给初学者。 通过在命令行中键入“ python”来首次启动Python。 使用以下代码检查所有您需要的版本： 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Python version import sys print('Python: {}'.format(sys.version)) scipy import scipy print('scipy: {}'.format(scipy.__version__)) numpy import numpy print('numpy: {}'.format(numpy.__version__)) matplotlib import matplotlib print('matplotlib: {}'.format(matplotlib.__version__)) pandas import pandas print('pandas: {}'.format(pandas.__version__)) scikit-learn import sklearn print('sklearn: {}'.format(sklearn.__version__)) 如果有任何错误，请停止。现在该修复它们了。 需要帮忙？请参阅本教程： 如何使用Anaconda设置用于机器学习和深度学习的Python环境 第2课：深入了解Python，NumPy，Matplotlib和Pandas。 您需要能够读写基本的Python脚本。 作为开发人员，您可以很快选择新的编程语言。Python区分大小写，使用哈希（＃）进行注释，并使用空格指示代码块（空格很重要）。 今天的任务是在Python交互环境中练习Python编程语言的基本语法和重要的SciPy数据结构。 练习作业，在Python中使用列表和流程控制。 练习使用NumPy数组。 练习在Matplotlib中创建简单图。 练习使用Pandas Series和DataFrames。 例如，以下是创建Pandas DataFrame的简单示例。 1 2 3 4 5 6 7 8 dataframe import numpy import pandas myarray = numpy.array([[1, 2, 3], [4, 5, 6]]) rownames = ['a', 'b'] colnames = ['one', 'two', 'three'] mydataframe = pandas.DataFrame(myarray, index=rownames, columns=colnames) print(mydataframe) 第3课：从CSV加载数据 机器学习算法需要数据。您可以从CSV文件加载自己的数据，但是当您开始使用Python进行机器学习时，应该在标准机器学习数据集上进行练习。 今天课程的任务是让您轻松地将数据加载到Python中并查找和加载标准的机器学习数据集。 您可以在UCI机器学习存储库上下载和练习许多CSV格式的出色标准机器学习数据集。 练习使用标准库中的CSV.reader（）将CSV文件加载到Python 中。 练习使用NumPy和numpy.loadtxt（）函数加载CSV文件。 练习使用Pandas和pandas.read_csv（）函数加载CSV文件。 为了让您入门，下面是一个片段，该片段将直接从UCI机器学习存储库中使用Pandas来加载Pima Indians糖尿病数据集。 1 2 3 4 5 6 Load CSV using Pandas from URL import pandas url = "https://raw.githubusercontent.com/jbrownlee/Datasets/master/pima-indians-diabetes.data.csv" names = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class'] data = pandas.read_csv(url, names=names) print(data.shape) 到现在为止做得很好！等一下 到目前为止有什么问题吗？在评论中提问。 第4课：使用描述性统计数据理解数据 将数据加载到Python之后，您需要能够理解它。 您越了解数据，可以构建的模型就越精确。了解数据的第一步是使用描述性统计数据。 今天，您的课程是学习如何使用描述性统计信息来理解您的数据。我建议使用Pandas DataFrame上提供的帮助程序功能。 使用head（）函数了解您的数据以查看前几行。 使用shape属性查看数据的维度。 使用dtypes属性查看每个属性的数据类型。 使用describe（）函数查看数据的分布。 使用corr（）函数计算变量之间的成对相关性。 以下示例加载了皮马印第安人糖尿病发病数据集，并总结了每个属性的分布。 1 2 3 4 5 6 7 Statistical Summary import pandas url = "https://raw.githubusercontent.com/jbrownlee/Datasets/master/pima-indians-diabetes.data.csv" names = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class'] data = pandas.read_csv(url, names=names) description = data.describe() print(description) 试试看！ 第5课：通过可视化了解数据 从昨天的课程继续，您必须花一些时间更好地了解您的数据。 增进对数据理解的第二种方法是使用数据可视化技术（例如，绘图）。 今天，您的课程是学习如何在Python中使用绘图来单独理解属性及其相互作用。再次，我建议使用Pandas DataFrame上提供的帮助程序功能。 使用hist（）函数创建每个属性的直方图。 使用plot（kind ='box'）函数创建每个属性的箱须图。 使用pandas.scatter_matrix（）函数创建所有属性的成对散点图。 例如，下面的代码片段将加载糖尿病数据集并创建数据集的散点图矩阵。 1 2 3 4 5 6 7 8 9 Scatter Plot Matrix import matplotlib.pyplot as plt import pandas from pandas.plotting import scatter_matrix url = "https://raw.githubusercontent.com/jbrownlee/Datasets/master/pima-indians-diabetes.data.csv" names = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class'] data = pandas.read_csv(url, names=names) scatter_matrix(data) plt.show() 样本散点图矩阵 第6课：通过预处理数据准备建模 您的原始数据可能未设置为最佳建模形式。 有时您需要对数据进行预处理，以便最好地将问题的固有结构呈现给建模算法。在今天的课程中，您将使用scikit-learn提供的预处理功能。 scikit-learn库提供了两个用于转换数据的标准习语。每种变换在不同的情况下都非常有用：拟合和多重变换以及组合的拟合与变换。 您可以使用多种技术来准备数据以进行建模。例如，尝试以下一些方法 使用比例和中心选项将数值数据标准化（例如，平均值为0，标准偏差为1）。 使用范围选项将数值数据标准化（例如，范围为0-1）。 探索更高级的功能工程，例如Binarizing。 例如，下面的代码段加载了Pima Indians糖尿病发病数据集，计算了标准化数据所需的参数，然后创建了输入数据的标准化副本。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Standardize data (0 mean, 1 stdev) from sklearn.preprocessing import StandardScaler import pandas import numpy url = "https://raw.githubusercontent.com/jbrownlee/Datasets/master/pima-indians-diabetes.data.csv" names = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class'] dataframe = pandas.read_csv(url, names=names) array = dataframe.values separate array into input and output components X = array[:,0:8] Y = array[:,8] scaler = StandardScaler().fit(X) rescaledX = scaler.transform(X) summarize transformed data numpy.set_printoptions(precision=3) print(rescaledX[0:5,:]) 第7课：使用重采样方法进行算法评估 用于训练机器学习算法的数据集称为训练数据集。用于训练算法的数据集不能用于为您提供有关新数据的模型准确性的可靠估计。这是一个大问题，因为创建模型的整个思路是对新数据进行预测。 您可以使用称为重采样方法的统计方法将训练数据集划分为子集，一些方法用于训练模型，而另一些则被保留，并用于估计看不见的数据的模型准确性。 今天课程的目标是练习使用scikit-learn中可用的不同重采样方法，例如： 将数据集分为训练集和测试集。 使用k倍交叉验证来估计算法的准确性。 使用留一法交叉验证来估计算法的准确性。 下面的代码段使用scikit-learn通过10倍交叉验证来评估Pima Indians糖尿病发作的Logistic回归算法的准确性。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Evaluate using Cross Validation from pandas import read_csv from sklearn.model_selection import KFold from sklearn.model_selection import cross_val_score from sklearn.linear_model import LogisticRegression url = "https://raw.githubusercontent.com/jbrownlee/Datasets/master/pima-indians-diabetes.data.csv" names = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class'] dataframe = read_csv(url, names=names) array = dataframe.values X = array[:,0:8] Y = array[:,8] kfold = KFold(n_splits=10, random_state=7) model = LogisticRegression(solver='liblinear') results = cross_val_score(model, X, Y, cv=kfold) print("Accuracy: %.3f%% (%.3f%%)") % (results.mean()100.0, results.std()100.0) 您获得了什么精度？在评论中让我知道。 您是否意识到这是中间点？做得好！ 第8课：算法评估指标 您可以使用许多不同的指标来评估数据集上机器学习算法的技能。 您可以通过cross_validation.cross_val_score（）函数在scikit-learn中指定用于测试工具的度量，默认值可用于回归和分类问题。今天课程的目标是练习使用scikit-learn软件包中可用的不同算法性能指标。 在分类问题上练习使用“准确性”和“ LogLoss”度量。 练习生成混淆矩阵和分类报告。 在回归问题上练习使用RMSE和RSquared指标。 下面的代码段演示了根据Pima Indians糖尿病发病数据计算LogLoss指标。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Cross Validation Classification LogLoss from pandas import read_csv from sklearn.model_selection import KFold from sklearn.model_selection import cross_val_score from sklearn.linear_model import LogisticRegression url = "https://raw.githubusercontent.com/jbrownlee/Datasets/master/pima-indians-diabetes.data.csv" names = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class'] dataframe = read_csv(url, names=names) array = dataframe.values X = array[:,0:8] Y = array[:,8] kfold = KFold(n_splits=10, random_state=7) model = LogisticRegression(solver='liblinear') scoring = 'neg_log_loss' results = cross_val_score(model, X, Y, cv=kfold, scoring=scoring) print("Logloss: %.3f (%.3f)") % (results.mean(), results.std()) 您得到了什么日志损失？在评论中让我知道。 第9课：抽查算法 您可能无法事先知道哪种算法对您的数据效果最好。 您必须使用反复试验的过程来发现它。我称之为现场检查算法。scikit-learn库提供了许多机器学习算法和工具的接口，以比较这些算法的估计准确性。 在本课程中，您必须练习抽查不同的机器学习算法。 对数据集进行抽查线性算法（例如线性回归，逻辑回归和线性判别分析）。 抽查数据集上的一些非线性算法（例如KNN，SVM和CART）。 抽查数据集上一些复杂的集成算法（例如随机森林和随机梯度增强）。 例如，下面的代码片段对Boston House Price数据集上的K最近邻居算法进行了抽查。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 KNN Regression from pandas import read_csv from sklearn.model_selection import KFold from sklearn.model_selection import cross_val_score from sklearn.neighbors import KNeighborsRegressor url = "https://raw.githubusercontent.com/jbrownlee/Datasets/master/housing.data" names = ['CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE', 'DIS', 'RAD', 'TAX', 'PTRATIO', 'B', 'LSTAT', 'MEDV'] dataframe = read_csv(url, delim_whitespace=True, names=names) array = dataframe.values X = array[:,0:13] Y = array[:,13] kfold = KFold(n_splits=10, random_state=7) model = KNeighborsRegressor() scoring = 'neg_mean_squared_error' results = cross_val_score(model, X, Y, cv=kfold, scoring=scoring) print(results.mean()) 您得到的平方误差是什么意思？在评论中让我知道。 第10课：模型比较和选择 既然您知道了如何在数据集中检查机器学习算法，那么您需要知道如何比较不同算法的估计性能并选择最佳模型。 在今天的课程中，您将练习比较Python和scikit-learn中的机器学习算法的准确性。 在数据集上相互比较线性算法。 在数据集上相互比较非线性算法。 相互比较同一算法的不同配置。 创建比较算法的结果图。 下面的示例在皮马印第安人发病的糖尿病数据集中将Logistic回归和线性判别分析进行了比较。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 Compare Algorithms from pandas import read_csv from sklearn.model_selection import KFold from sklearn.model_selection import cross_val_score from sklearn.linear_model import LogisticRegression from sklearn.discriminant_analysis import LinearDiscriminantAnalysis load dataset url = "https://raw.githubusercontent.com/jbrownlee/Datasets/master/pima-indians-diabetes.data.csv" names = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class'] dataframe = read_csv(url, names=names) array = dataframe.values X = array[:,0:8] Y = array[:,8] prepare models models = [] models.append(('LR', LogisticRegression(solver='liblinear'))) models.append(('LDA', LinearDiscriminantAnalysis())) evaluate each model in turn results = [] names = [] scoring = 'accuracy' for name, model in models: kfold = KFold(n_splits=10, random_state=7) cv_results = cross_val_score(model, X, Y, cv=kfold, scoring=scoring) results.append(cv_results) names.append(name) msg = "%s: %f (%f)" % (name, cv_results.mean(), cv_results.std()) print(msg) 哪种算法效果更好？你能做得更好吗？在评论中让我知道。 第11课：通过算法调整提高准确性 一旦找到一种或两种在数据集上表现良好的算法，您可能希望提高这些模型的性能。 提高算法性能的一种方法是将其参数调整为特定的数据集。 scikit-learn库提供了两种方法来搜索机器学习算法的参数组合。在今天的课程中，您的目标是练习每个。 使用您指定的网格搜索来调整算法的参数。 使用随机搜索调整算法的参数。 下面使用的代码段是一个示例，该示例使用网格搜索在Pima Indians糖尿病发病数据集上的Ridge回归算法。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Grid Search for Algorithm Tuning from pandas import read_csv import numpy from sklearn.linear_model import Ridge from sklearn.model_selection import GridSearchCV url = "https://raw.githubusercontent.com/jbrownlee/Datasets/master/pima-indians-diabetes.data.csv" names = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class'] dataframe = read_csv(url, names=names) array = dataframe.values X = array[:,0:8] Y = array[:,8] alphas = numpy.array([1,0.1,0.01,0.001,0.0001,0]) param_grid = dict(alpha=alphas) model = Ridge() grid = GridSearchCV(estimator=model, param_grid=param_grid, cv=3) grid.fit(X, Y) print(grid.best_score_) print(grid.best_estimator_.alpha) 哪些参数取得最佳效果？你能做得更好吗？在评论中让我知道。 第12课：利用集合预测提高准确性 您可以提高模型性能的另一种方法是组合来自多个模型的预测。 一些模型提供了内置的此功能，例如用于装袋的随机森林和用于增强的随机梯度增强。可以使用另一种称为投票的合奏将来自多个不同模型的预测组合在一起。 在今天的课程中，您将练习使用合奏方法。 使用随机森林和多余树木算法练习装袋。 使用梯度增强机和AdaBoost算法练习增强合奏。 通过将来自多个模型的预测组合在一起来练习投票合奏。 下面的代码段演示了如何在Pima Indians糖尿病发病数据集上使用随机森林算法（袋装决策树集合）。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Random Forest Classification from pandas import read_csv from sklearn.model_selection import KFold from sklearn.model_selection import cross_val_score from sklearn.ensemble import RandomForestClassifier url = "https://raw.githubusercontent.com/jbrownlee/Datasets/master/pima-indians-diabetes.data.csv" names = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class'] dataframe = read_csv(url, names=names) array = dataframe.values X = array[:,0:8] Y = array[:,8] num_trees = 100 max_features = 3 kfold = KFold(n_splits=10, random_state=7) model = RandomForestClassifier(n_estimators=num_trees, max_features=max_features) results = cross_val_score(model, X, Y, cv=kfold) print(results.mean()) 你能设计出更好的合奏吗？在评论中让我知道。 第13课：完成并保存模型 找到有关机器学习问题的良好模型后，您需要完成该模型。 在今天的课程中，您将练习与完成模型有关的任务。 练习使用模型对新数据（在训练和测试过程中看不到的数据）进行预测。 练习将经过训练的模型保存到文件中，然后再次加载。 例如，下面的代码片段显示了如何创建Logistic回归模型，将其保存到文件中，之后再加载它以及对看不见的数据进行预测。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 Save Model Using Pickle from pandas import read_csv from sklearn.model_selection import train_test_split from sklearn.linear_model import LogisticRegression import pickle url = "https://raw.githubusercontent.com/jbrownlee/Datasets/master/pima-indians-diabetes.data.csv" names = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class'] dataframe = read_csv(url, names=names) array = dataframe.values X = array[:,0:8] Y = array[:,8] test_size = 0.33 seed = 7 X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=test_size, random_state=seed) Fit the model on 33% model = LogisticRegression(solver='liblinear') model.fit(X_train, Y_train) save the model to disk filename = 'finalized_model.sav' pickle.dump(model, open(filename, 'wb')) some time later... load the model from disk loaded_model = pickle.load(open(filename, 'rb')) result = loaded_model.score(X_test, Y_test) print(result) 第14课：Hello World端到端项目 您现在知道如何完成预测建模机器学习问题的每个任务。 在今天的课程中，您需要练习将各个部分组合在一起，并通过端到端的标准机器学习数据集进行操作。 端到端遍历虹膜数据集（机器学习的世界） 这包括以下步骤： 使用描述性统计数据和可视化了解您的数据。 预处理数据以最好地揭示问题的结构。 使用您自己的测试工具抽查多种算法。 使用算法参数调整来改善结果。 使用集成方法改善结果。 最终确定模型以备将来使用。 慢慢进行，并记录结果。 您使用什么型号？您得到了什么结果？在评论中让我知道。 结束！ （看你走了多远） 你做到了。做得好！ 花一点时间，回头看看你已经走了多远。 您最初对机器学习感兴趣，并强烈希望能够使用Python练习和应用机器学习。 您可能是第一次下载，安装并启动Python，并开始熟悉该语言的语法。 在许多课程中，您逐渐地，稳定地学习了预测建模机器学习项目的标准任务如何映射到Python平台上。 基于常见机器学习任务的配方，您使用Python端到端解决了第一个机器学习问题。 使用标准模板，您所收集的食谱和经验现在可以自行解决新的和不同的预测建模机器学习问题。 不要轻描淡写，您在短时间内就取得了长足的进步。 这只是您使用Python进行机器学习的起点。继续练习和发展自己的技能。 喜欢点下关注，你的关注是我写作的最大支持 本篇文章为转载内容。原文链接：https://blog.csdn.net/m0_37337849/article/details/104016531。 该文由互联网用户投稿提供，文中观点代表作者本人意见，并不代表本站的立场。 作为信息平台，本站仅提供文章转载服务，并不拥有其所有权，也不对文章内容的真实性、准确性和合法性承担责任。 如发现本文存在侵权、违法、违规或事实不符的情况，请及时联系我们，我们将第一时间进行核实并删除相应内容。

...的及数据源说明 二、描述性分析 2.1 连续自变量与连续因变量的相关性分析 2.2 二分类变量与连续变量的相关性分析 2.3 多分类变量与连续变量的相关性分析 三、模型建立与诊断 3.1 一元线形回归及模型解读 3.2 残差可视化分析 3.3 多元线性回归 一、建模背景及目的及数据源说明 本案例数据来源于常国珍等人的《Python数据科学》一书第7章中的信用卡公司客户申请信息（年龄、收入、地区等信息）以及已有开卡客户的申请信息和信用卡消费信息数据，案例希望通过对该数据的分析和建模，根据已有的开卡用户的用户信息和消费来线形回归模型，来预测未开卡用户的消费潜力。数据下载见如下链https://download.csdn.net/download/baidu_26137595/85101874 数据读入及示例： raw = pd.read_csv('./data/creditcard_exp.csv', skipinitialspace = True)raw.head() 数据字段及说明： Acc： 是否开卡， 为0说明未开卡，对应的 avg_exp 为NaN；为1说明已开卡，对应avg_exp有值 avg_exp： 月均信用卡支出 avg_exp_ln：月均信用卡支出的对熟 gender : 性别 Ownrent： 是否自有住房 Selfempl： 是否自谋职业 Income：收入 dist_home_val： 所住小区均价 w dist_avg_income： 当地人均收入 age2： 年龄的平方 high_avg： 高出当地平均收入 edu_class：教育等级，0、1、2、3 依次是小学、初中、高中、大学 二、描述性分析 首先可筛选Acc为1的数据，分别以avg_exp为因变量，其余变量为自变量进行数据探索，主要是发现自变量和因变量是否有线形关系。 raw_1 = raw[raw['Acc'] == 1] 2.1 连续自变量与连续因变量的相关性分析 首先对连续变量和目标变量进行相关性分析，因变量avg_exp为连续变量，一般可以用相关系数来看其线形相关性。 cons_vasr = ['avg_exp', 'avg_exp_ln', 'Age', 'Income', 'dist_home_val', 'dist_avg_income', 'age2', 'high_avg']raw_1[cons_vasr].corr()vg']].corr() 结果如下，可以看到收入 Income 和当地人均收入 dist_avg_income这两个变量和avg_exp月均信用卡支出有较强的相关性，同时观察自变量间的相关性可发现人均收入 Income 和当地人均收入 dist_avg_income 之间也有较强的相关性，相关系数为0.99，说明接下来我们可以把这两个变量加入模型，但要注意可能会存在多重共线性。 2.2 二分类变量与连续变量的相关性分析 分类变量和连续变量之间的相关性可以用t检验进行，接下来以是否自有住房 Ownrent 变量 和 月均收入之间进行相关性检验。首先查看Ownrent 不同取值的数量以及avg_exp均值分布情况如何： pd.pivot_table(raw_1, values = ['avg_exp'], index = ['Ownrent'], aggfunc = {'avg_exp': ['count', np.mean]}) 接着分别对 Ownrent 为0、1的 avg_exp 进行t检验： import scipy.stats as st 引入scipy.stats进行t检验 创建变量Ownrent_0 = raw_1[raw_1['Ownrent'] == 0]['avg_exp'].valuesOwnrent_1 = raw_1[raw_1['Ownrent'] == 1]['avg_exp'].valuesst.ttest_ind(Ownrent_0, Ownrent_1, equal_var = True) p值为0.01 < 0.05，可以拒绝原假设，即认为是否自有住房和月均信用卡支出是相关的。 2.3 多分类变量与连续变量的相关性分析 多分类变量和连续变量之间的相关性检验可以用多次t检验进行，但较为繁琐，用方差分析进行快速检验相关性，然后再运用多重检验查看具体是哪些处理之间存在差异。以教育水平edu_class为例进行分析，同理首先查看分布 raw_1.pivot_table(index = 'edu_class', values = ['avg_exp'], aggfunc={'avg_exp': ['count', np.mean]}) 可以看到不同教育水平之间消费水平有明显差异，接下来通过方差分析进行检验差异是否明显。 from statsmodels.stats.anova import anova_lm 引入anova_lm进行方差分析from ststsmodels.stats.formula import ols 引入ols进行线性回归建模lm = ols('avg_exp~C(edu_class)', data = raw_1).fit() C(edu_class) 将数值型的变量指定为分类型anova_lm(lm, typ = 2) 可以看到不同教育水平之间的月均消费支出之间的差异是显著的，继续用多重检验来看哪些处理之间是显著的。 from statsmodels.stats.multicomp import MultiComparison 引入MultiComparison进行tukey多重检验mc = MultiComparison(raw_1['avg_exp'],raw_1['edu_class'])tukey_result = mc.tukeyhsd(alpha = 0.5)print(tukey_result) 结果是每个处理之间因变量差异的显著性，最后一列reject都为True说明各组之间均存在显著差异。 三、模型建立与诊断 3.1 一元线性回归及模型解读 以Income为自变量，以avg_exp为因变量建立一元线形回归并对模型结果进行解释 lm_1 = ols('avg_exp ~ Income', data = raw_1).fit()print(lm_1.summary()) 首先从第一部分可以看到R^2为0.454，整个模型的F检验p值小于0.05，说明模型通过显著性检验。 其次模型结果的第二块也表明自变量和截距也通过显著性检验。 最后一部分主要是对残差进行检验，左侧Omnibus、Prob(Omnibus)主要是对偏度Skew和峰度Kurtosis进行检验，正态分布的偏度为0，峰度为3，模型的Prob(Omnibus)值为0.156大于0.05，说明不能拒绝残差符合正态分布。 右侧Durbin-Watson主要是对残差的自相关性进行检（改检验可表示为，为残差之间的相关系数），Durbin-Watson的取值范围是0-4，越接近2说明残差不存在自相关性，越接近0说明存在正相关，越接近4说明存在负相关性。 右侧Jarque-Bera (JB)、Prob(JB)是对残差正态性检验，可以用来判断残差是否符合正态分布，本案例中Prob(JB)值为0.173 > 0.05，基不能拒绝残差服从正态分布。 右侧Cond. No.是多重共线性检验，该值越大，共线性越严重。 整体上看模型虽然拟合效果没那么好，但是显著性通过了检验。接下来看一下模型具体的系数，Income的系数为97.7说明模型收入越高信用卡消费越高，是符合业务预期的。 3.2 残差可视化分析 接下来对残差进一步进行可视化分析，主要看残差是否满足以下几个假定，并尝试通过对自变量、因变量进行调整来优化模型。首先来回顾一下残差需要满足的几个假定： a.残差的要服从均值为0，方差为的正态分布； b.残差之间要相互独立 c.残差和自变量没有相关性 （1）通过残差图进行模型优化 模型avg_exp ~ Income的自变量与残差分布图、残差qq图、模型拟合情况图即自变量与因变量及其预测值的图像 lm_1 = ols('avg_exp ~ Income', data = raw_1).fit() 建模raw_1['resid_1'] = lm_1.resid 模型残差raw_1['resid_1_rank'] = raw_1['resid_1'].rank(ascending = False, pct = True) 计算残差的百分位数raw_1['pred_1'] = lm_1.predict() 添加预测值plt.figure(figsize = (20, 6)) 自变量与残差分布图ax1 = plt.subplot(131)ax1.scatter('Income', 'resid', data = raw_1)ax1.set_title('Income & resid') 残差的qq图ax2 = plt.subplot(132)stats.probplot(raw_1['resid_1_rank'], dist = 'norm', plot = ax2) 模型拟合情况图，自变量与因变量以及模型预测值ax3 = plt.subplot(133)ax3.scatter('Income', 'avg_exp', data = raw_1)ax3.plot('Income', 'pred_1', data = raw_1, color = 'red')ax3.legend()ax3.text(12, 1920, 'pred func R^2: %.2f'% lm_1.rsquared)ax3.set_title('Income & avg_exp') 从第一个自变量和残差散点图可以看出，残差基本符合对称分布，但随着自变量增大，残差也在变大，存在方差不齐的情况。第二个图残差的qq图可以看出，残差近似正态分布。第三个图可以看模型的拟合效果并不是很好，R^2只有0.45。对avg_exp取对数，能够改善预测值越大残差越大的情况，但由于只对因变量取对数导致模型不好解释，对自变量Income同时取对数，代码和以上类似，只是改变因变量和自变量形式而已，以下是残差图，可以看到残差的异方差现象被有效的抑制，并且R^2也得到了提高。 （2）通过残差图发现强影响点 仔细观察以上图像结果，左下侧有两个较为异常的数据，对模型的拟和效果有较大的影响， 对于这种影响较大的可将其进行删除并重新建模： 计算学生化残差raw_1['resid_t'] = (raw_1['resid_2'] - raw_1['resid_2'].mean())/raw_1['resid_2'].std() raw_1[abs(raw_1['resid_t']) > 2] 将残差大于2的筛选出来 将强影响点删除后，得到的结果如下，模型结果更稳定。 3.3 多元线性回归 上一篇文章有说到多重共线性会对模型产生致命的影响，用方差膨胀因子来处理的话会非常繁琐。通过正则化处理如Lasso回归，能够产生某些严格等于0的系数，从而达到变量筛选的目的。接下来以Lasso为例，首先用LassoCV来找到最优的alpha。由于statsmodels中的ols的fit_regularized方法没有很好的实现，所以用sklearn中linear_model模块来进行建模 from sklearn.preprocessing import StandardScaler sklearn进行线性回归前必须要进行标准化from sklearn.linear_model import LassoCV Lasso的交叉验证方法con_xcols = ['Age', 'Income', 'dist_home_val', 'dist_avg_income']scaler = StandardScaler()X = scaler.fit_transform(raw_1[con_xcols])y = raw_1['avg_exp_ln']lasso_alphas = np.logspace(-3, 0, 100, base = 10)lcv = LassoCV(alphas = lasso_alphas, cv = 10)lcv.fit(X, y)print('best alpha %.4f' % lcv.alpha_)print('the r-square %.4f' % lcv.score(X, y)) 接下来画出不同alpha下的岭迹图，来看alpha值对系数的影响 from sklearn.linear_model import Lassocoefs = []lasso = Lasso()for i in lasso_alphas:lasso.set_params(alpha = i)lasso.fit(X, y)coefs.append(lasso.coef_)ax = plt.gca()ax.plot(lasso_alphas, coefs)ax.set_xscale('log')ax.set_xlabel('$\\alpha$')ax.set_ylabel('coefs value') 从图中可以看到随着alpha的增大，系数不断在减小，有些系数会优先收缩为0，再继续增大时所欲系数都会为0，通过该特性从而达到变量筛选的目的。将LassoCV得到的系数打印出来，可以看到用户月均信用卡支出和当地小区均价、当地人均收入成正比，当地人均收入水平的影响更大。 以上就是线形回归在应用时的注意事项。 本篇文章为转载内容。原文链接：https://blog.csdn.net/baidu_26137595/article/details/123766191。 该文由互联网用户投稿提供，文中观点代表作者本人意见，并不代表本站的立场。 作为信息平台，本站仅提供文章转载服务，并不拥有其所有权，也不对文章内容的真实性、准确性和合法性承担责任。 如发现本文存在侵权、违法、违规或事实不符的情况，请及时联系我们，我们将第一时间进行核实并删除相应内容。

...注释是对表本身的一种描述性文本信息，可以通过特定的SQL语法添加至表定义中，为数据库使用者提供更多关于该表用途、字段含义等背景信息。在文章所讨论的场景中，表结构注释是希望在导出数据库结构时一并保留的重要内容，以方便其他开发者理解数据库设计意图和业务逻辑。 --skip-comments , 这是mysqldump工具的一个命令行选项，但在本文实际应用中应避免使用此选项，因为它的作用是跳过（忽略）在导出过程中遇到的所有注释信息。在文章给出的错误示例中，若要包含注释，则不应使用--skip-comments。

...具有高度可扩展性和自描述性。在文中对比的场景下，XML通过标签和属性的方式来组织和描述数据结构，相较于JSON更为严谨且支持命名空间等复杂特性。然而，XML的语法相对复杂，体积较大，解析速度较慢，这在一定程度上限制了它在特定应用场景下的效率优势。 嵌套数据 , 嵌套数据是指在一个数据结构内部包含另一个相同类型或不同类型的数据结构，形成一种层次化的关系。在JSON中，嵌套数据体现为一个对象或数组可以作为另一个对象的值存在，例如文章示例中的JSON数据结构中，“age”和“gender”都是根对象内部的嵌套数据。这种结构使得JSON能够以更直观的方式表达复杂的数据关系，提高了数据处理和理解的便利性。

异方差 , 在统计学和机器学习领域，异方差性（Heteroscedasticity）是指数据的误差项（或残差）的方差不是常数，即因变量的波动程度随自变量的变化而变化的现象。在机器学习模型训练过程中，如果存在异方差问题，会导致模型对不同区域的数据拟合效果不一致，影响预测精度和模型稳定性。 简单线性回归模型 , 简单线性回归是一种统计分析方法，用于研究一个自变量与一个因变量之间的线性关系。在本文中，它被用来作为检验异方差性的工具之一，通过构建自变量x与因变量y之间的简单线性关系，进而分析残差是否呈现出异方差特性。 加权最小二乘法 , 加权最小二乘法是一种改进的标准最小二乘估计方法，在处理具有异方差性数据时尤为有效。这种方法根据每个观测值的误差方差赋予不同的权重，使得误差较大的观测值在估计参数的过程中影响较小，从而降低由于异方差性导致的估计偏差，提高模型预测准确性。 协方差矩阵 , 协方差矩阵是多变量统计分析中的重要概念，用于描述多个随机变量之间协方差的整体结构。在检验异方差性时，虽然文章中的应用可能有误（Bartlett检验通常用于比较多个样本的方差齐性而非直接检验异方差），但在其他场合，可以通过分析数据的协方差矩阵特征来间接探究数据是否存在异方差现象。 Levene检验 , Levene检验是一种非参数统计方法，主要用于检验多个总体的方差是否相等，也就是检查数据是否存在异方差性。在本文中，利用Levene检验评估数据集内各组数据的方差是否一致，若p值小于0.05，则拒绝原假设，认为各组数据的方差不等，即存在异方差现象。

...创建一个User类来描述和操作用户数据，实现了对用户信息及其推荐用户的结构化管理，这是PHP实现统计功能时采用的面向对象编程方法的具体应用。 关联数组（Associative Array） , 关联数组是编程语言中一种特殊的数据结构，其中的元素由键值对组成，而不是通过整数索引访问。在本文解决方案部分，PHP中的$countMap就是一种关联数组，它的键是用户ID，值是对应的推荐用户人数。通过遍历用户列表并更新关联数组，可以方便地存储和检索每个用户的推荐用户数量，从而满足需求分析中提出的功能要求。

...下来，遍历输入集合，统计每个元素出现的次数并将结果存入计数数组。最后，根据计数数组中的计数值，将对应索引的元素按照升序填充到一个新的已排序集合中。由于其利用了元素的出现频率进行排序，因此在数据范围有限且分布均匀的情况下，具有较高的排序效率，时间复杂度为O(n+k)。 非比较型排序（Non-comparative Sorting） , 非比较型排序算法是指一类不依赖于元素之间相互比较来进行排序的算法，如计数排序、基数排序和桶排序等。这类算法通常通过对元素直接操作或间接统计信息完成排序，相比于比较型排序算法（如快速排序、归并排序），在特定条件下可以达到更优的时间性能。在本文所描述的Python实现的计数排序算法中，排序过程并不涉及元素间的比较，而是通过统计每个元素的出现频次来决定其在输出序列中的位置。 空间效率（Space Efficiency） , 空间效率是衡量算法在运行过程中所需内存资源的一种指标。在讨论排序算法时，空间效率主要关注算法在执行过程中额外占用存储空间的多少。Python实现的计数排序算法的空间效率受到数据范围的影响。当处理的数据范围较大时，需要创建一个与数据范围大小成正比的计数数组，这可能导致较大的内存开销，从而降低了算法的空间效率。在实际应用中，尤其是在处理大规模数据集时，需要权衡排序算法的时间效率和空间效率以选择最合适的解决方案。

...nteger/ 题目描述 Every non-negative integer N has a binary representation. For example, 5 can be represented as "101" in binary, 11 as "1011" in binary, and so on. Note that except for N = 0, there are no leading zeroes in any binary representation. The complement of a binary representation is the number in binary you get when changing every 1 to a 0 and 0 to a 1. For example, the complement of "101" in binary is "010" in binary. For a given number N in base-10, return the complement of it’s binary representation as a base-10 integer. Example 1: Input: 5Output: 2Explanation: 5 is "101" in binary, with complement "010" in binary, which is 2 in base-10. Example 2: Input: 7Output: 0Explanation: 7 is "111" in binary, with complement "000" in binary, which is 0 in base-10. Example 3: Input: 10Output: 5Explanation: 10 is "1010" in binary, with complement "0101" in binary, which is 5 in base-10. Note: 0 <= N < 10^9 C++ 实现 1 从 868. Binary Gap 学习用右移以及按位与 & 来获取二进制的每一位 binary. 为了获取合适长度的位而不是一直执行循环 32 次, 用 sum 来进行控制. 注意 N == 0 时需要专门处理. class Solution {public:int bitwiseComplement(int N) {if (N == 0) return 1;int res = 0, sum = 0;for (int i = 0; i < 32; ++ i) {int binary = (N >> i) & 1;sum += (binary << i);if (sum >= N) break;int complement = 1 - binary;res += (complement << i);}return res;} }; C++ 实现 2 来自 LeetCode Submission. class Solution {public:int bitwiseComplement(int N) {if (!N)return 1;int exponent = 0;int res = 0;while (N) {// 这里只考虑二进制为 0, 翻转后为 1 的情况if (!(N & 1))res += (1 << exponent);exponent++;N >>= 1;} return res;} }; 本篇文章为转载内容。原文链接：https://blog.csdn.net/Eric_1993/article/details/104609580。 该文由互联网用户投稿提供，文中观点代表作者本人意见，并不代表本站的立场。 作为信息平台，本站仅提供文章转载服务，并不拥有其所有权，也不对文章内容的真实性、准确性和合法性承担责任。 如发现本文存在侵权、违法、违规或事实不符的情况，请及时联系我们，我们将第一时间进行核实并删除相应内容。

...，为标签添加具有描述性和关键词丰富的alt属性同样关键，这不仅有助于搜索引擎理解图片内容，还有利于视觉障碍用户借助读屏软件了解网页信息，符合无障碍网页设计规范（WCAG）的要求。 综上所述，在实际的Web开发工作中，对HTML中标签的理解和运用需不断跟进最新的技术和最佳实践，通过合理配置及优化策略，实现快速、高效、美观且友好的图片展示效果。

...abases/ 数据描述 （1）699条样本，共11列数据，第一列用语检索的id，后9列分别是与肿瘤相关的医学特征，最后一列表示肿瘤类型的数值。 （2）包含16个缺失值，用”?”标出。 2.分析——实现步骤 获取数据（读取的时候加上names） 数据处理（缺失值） 数据集划分 特征工程（无量纲化——标准化） 逻辑回归的预估器 模型评估 3. 代码实现 3.1 代码 3.2 结果 本篇文章为转载内容。原文链接：https://blog.csdn.net/weixin_44109827/article/details/124828251。 该文由互联网用户投稿提供，文中观点代表作者本人意见，并不代表本站的立场。 作为信息平台，本站仅提供文章转载服务，并不拥有其所有权，也不对文章内容的真实性、准确性和合法性承担责任。 如发现本文存在侵权、违法、违规或事实不符的情况，请及时联系我们，我们将第一时间进行核实并删除相应内容。

...领域中，维度字段是指描述数据属性的数据列，通常包含分类或描述性信息，如日期、地区、产品类别等。在Saiku中，维度字段是用户可以操作并设置其格式的元素，以便更好地理解和分析数据。 日期格式（Date Format） , 日期格式是一种规范化的字符串模式，用于表示日期数据的具体结构和顺序。例如，“yyyy-MM-dd”代表四位年份、两位月份和两位日期的顺序排列。在数据分析过程中，正确设置日期格式至关重要，因为它直接影响到数据的理解、比较以及计算的准确性，如果不匹配可能导致数据混乱或分析结果错误。在文中，作者详细介绍了如何在Saiku中调整维度字段的日期格式以满足实际需求。

... 此外，在数据分析和统计学中，杨辉三角也扮演着关键角色，比如在处理二项分布问题时，其每一项恰好对应了特定概率质量函数的系数。同时，排列组合在密码学、编码理论等领域也有广泛而深远的影响，如在设计加密算法时考虑所有可能的密钥组合以保证安全性。 总之，无论是排列组合还是杨辉三角，这些基础数学知识都在与时俱进，不断拓展新的应用边界，并在科技发展的前沿地带发挥着不可替代的作用。对于开发者和学习者来说，持续关注此类数学工具在新技术背景下的最新进展，无疑将有助于提升自身的算法设计与问题解决能力。

...066ff}{ 题目描述 }\) 给定一个字符串，多次询问某一字串的f值 f(s)代表s的不同字串数量 \(\color{0066ff}{输入格式}\) 第一行T，代表数据组数\(T\leq 5\) 每组数据第一行一个字符串\(1\leq len \leq 2000\) 然后一个数字m(\(1\leq m \leq 10000\))，表示有m个询问 接下来m行，每行两个整数l，r，表示询问[l,r]的字串的答案 \(\color{0066ff}{输出格式}\) 对于每个询问，输出一行表示答案 \(\color{0066ff}{输入样例}\) 2bbaba53 42 22 52 41 4baaba53 33 41 43 55 5 \(\color{0066ff}{输出样例}\) 3175813851 \(\color{0066ff}{数据范围与提示}\) 本题不卡hash， 但是正解不是hash \(\color{0066ff}{ 题解 }\) 考虑没有询问的时候，对于查询不同字串个数，见一个SAM就没事了 本题询问有10000个，考虑优化 因为长度是2000的，\(O(n^2)\)显然可以 所以我们开一个二维数组暴力预处理出所有的ans， 然后\(O(1)\)查询 \(O(nq) \to O(n^2 + q)\) include<bits/stdc++.h>using namespace std;define LL long longLL in() {char ch; int x = 0, f = 1;while(!isdigit(ch = getchar()))(ch == '-') && (f = -f);for(x = ch ^ 48; isdigit(ch = getchar()); x = (x << 1) + (x << 3) + (ch ^ 48));return x f;}const int maxn = 5555;struct SAM {protected:struct node {node ch[26], fa;int len, siz;node(int len = 0, int siz = 0): fa(NULL), len(len), siz(siz) {memset(ch, 0, sizeof ch);} };node root, tail, lst;node pool[maxn];public:node extend(int c) {node o = new(tail++) node(lst->len + 1, 1), v = lst;for(; v && !v->ch[c]; v = v->fa) v->ch[c] = o;if(!v) o->fa = root;else if(v->len + 1 == v->ch[c]->len) o->fa = v->ch[c];else {node n = new(tail++) node(v->len + 1), d = v->ch[c];std::copy(d->ch, d->ch + 26, n->ch);n->fa = d->fa, d->fa = o->fa = n;for(; v && v->ch[c] == d; v = v->fa) v->ch[c] = n;}return lst = o;}void clr() {tail = pool;root = lst = new(tail++) node();}SAM() { clr(); } }sam;LL ans[2050][2050];char s[maxn];int main() {for(int T = in(); T --> 0;) {scanf("%s", s + 1);int len = strlen(s + 1);for(int i = 1; i <= len; i++) {for(int j = i; j <= len; j++) {auto o = sam.extend(s[j] - 'a');ans[i][j] = ans[i][j - 1] + o->len - o->fa->len;}sam.clr();}for(int m = in(); m --> 0;) {int l = in(), r = in();printf("%lld\n", ans[l][r]);} }return 0;} 转载于:https://www.cnblogs.com/olinr/p/10253544.html 本篇文章为转载内容。原文链接：https://blog.csdn.net/weixin_30872499/article/details/96073657。 该文由互联网用户投稿提供，文中观点代表作者本人意见，并不代表本站的立场。 作为信息平台，本站仅提供文章转载服务，并不拥有其所有权，也不对文章内容的真实性、准确性和合法性承担责任。 如发现本文存在侵权、违法、违规或事实不符的情况，请及时联系我们，我们将第一时间进行核实并删除相应内容。

...规模数据清洗、转换及统计分析任务。 对于深入学习Apache Pig的开发者而言，《Programming Pig: Processing and Analyzing Large Data Sets with Apache Pig》是一本极具参考价值的书籍，它不仅详尽介绍了Pig Latin的基础知识，还提供了大量实战案例，帮助读者理解如何在实际场景中运用Apache Pig解决多维数据处理问题。 总的来说，Apache Pig凭借其在处理多维数据方面的强大功能，正在持续赋能各行业的大数据处理需求，并通过不断的技术迭代创新，适应并推动着大数据时代的发展潮流。

...中，时间序列数据用于描述某个变量（如产品销售额、股票价格等）随时间变化的趋势和模式，通过分析这些数据可以揭示长期趋势、周期性波动、季节性变化以及随机波动等信息。 Apache Pig , Apache Pig是一个开源的大数据处理平台，由Apache软件基金会开发和维护。它提供了一种名为Pig Latin的高级数据流编程语言，使得用户能够更高效地编写、执行大规模并行数据处理任务。Pig Latin允许数据分析师以声明式的方式表达复杂的转换操作，而无需关注底层分布式系统的实现细节，极大地简化了Hadoop生态中的数据清洗、转换和加载过程。 声明式语言 , 声明式语言是一种编程范式，它强调程序逻辑的“做什么”而非“怎么做”。在Apache Pig中，声明式语言表现为Pig Latin，用户只需描述期望的结果或操作逻辑，无需详细指定具体步骤或算法。例如，在文中提到的使用Pig Latin对时间序列数据进行统计分析时，只需要声明按日期分组并对销售额求和，无需关心这个操作如何在集群上分布执行。

...的求解策略，通常用于描述并预测复杂系统的行为。在本文提及的编程问题中，模拟法是指直接按照题目要求逐步进行操作的过程，通过对字符串中每个字符对应的数字取模3，统计各余数值出现次数，然后根据最终求和结果的模3余数确定需要删除哪些字符以满足题意条件的方法。 前导零（Leading Zero） , 在数字表示或字符串形式的数据中，前导零是指位于最左边、不改变数值大小但可能影响数据表现形式的零。在本文所讨论的问题中，不允许字符串有前导零意味着在进行字符删除操作后，得到的结果字符串不能以零开头，因为这可能会影响人们对数字的理解，特别是在一些编程语言或特定场景下，前导零可能会引起歧义或错误解析。因此，在寻找满足3的倍数条件的同时，也要确保最终答案没有前导零。

...表数据量、索引结构、统计信息等多方面因素综合判断，选择预期成本最低的执行方案，以确保SQL查询能够高效、准确地完成。 执行计划 , 执行计划是数据库管理系统在处理SQL查询之前制定的一种内部策略，它详细描述了数据库如何执行SQL语句的具体步骤和方法。通过使用EXPLAIN命令，可以查看SQL查询的执行计划，包括使用的索引、表连接顺序、是否进行全表扫描等信息，这对于分析和优化SQL性能至关重要。 复合索引 , 复合索引是在数据库中针对多个列创建的一个索引，它在一个索引结构中包含了多个字段的信息。相比于为每个单独字段分别创建索引，复合索引在特定场景下能更有效地提高查询效率，尤其是当查询条件涉及到这些字段的组合时。例如，在文章中提到的“idx_orders_user_order_date”就是一个基于user_id和order_date两个字段创建的复合索引，对于同时筛选这两个字段的查询操作，该索引将发挥重要作用，避免不必要的表扫描，从而提升查询速度。

...项目就提出了一种基于统计信息和代价模型的新型查询优化框架，力求在大规模分布式环境下面对多用户并发查询时，仍能保持高效稳定的性能表现。这一创新理念为整个数据库行业提供了新的研究思路和发展路径。 综上所述，紧跟查询优化技术的前沿动态，深入理解并有效利用查询优化器进行实践操作，对于构建高效稳定的大数据分析平台至关重要。而Impala查询优化器的秘密，正是这场技术革命中不可或缺的一环。

...6&pid=2 题目描述 Jam是个喜欢标新立异的科学怪人。他不使用阿拉伯数字计数，而是使用小写英文字母计数，他觉得这样做，会使世界更加丰富多彩。 在他的计数法中，每个数字的位数都是相同的（使用相同个数的字母），英文字母按原先的顺序，排在前面的字母小于排在它后面的字母。我们把这样的“数字”称为Jam数字。在Jam数字中，每个字母互不相同，而且从左到右是严格递增的。每次，Jam还指定使用字母的范围，例如，从2到10，表示只能使用 b , c , d , e , f , g , h , i , j {b,c,d,e,f,g,h,i,j} b,c,d,e,f,g,h,i,j这些字母。如果再规定位数为5，那么，紧接在Jam数字“bdfijbdfij”之后的数字应该是“bdghibdghi”。（如果我们用U、V依次表示JamJam数字“bdfijbdfij”与“bdghibdghi”，则U<V，且不存在Jam数字P，使U<P<V）。 你的任务是：对于从文件读入的一个Jam数字，按顺序输出紧接在后面的5个Jam数字，如果后面没有那么多Jam数字，那么有几个就输出几个。 输入格式 共2行。 第1行为3个正整数，用一个空格隔开：s t w（其中s为所使用的最小的字母的序号，t为所使用的最大的字母的序号。w为数字的位数，这3个数满足： 1 ≤ s < T ≤ 26 , 2 ≤ w ≤ t − s 1≤s<T≤26, 2≤w≤t-s 1≤s<T≤26,2≤w≤t−s ） 第2行为具有w个小写字母的字符串，为一个符合要求的Jam数字。 所给的数据都是正确的，不必验证。 输出格式 最多为5行，为紧接在输入的Jam数字后面的5个Jam数字，如果后面没有那么多Jam数字，那么有几个就输出几个。每行只输出一个Jam数字，是由w个小写字母组成的字符串，不要有多余的空格。 输入输出样例 输入 2 10 5bdfij 输出 bdghibdghjbdgijbdhijbefgh 说明/提示 NOIP 2006 普及组 第三题 —————————————— 今天考试，当然不是14年前的普及组考试，是今天的东城区挑战赛，第三道题就是这道题，只不过改成了“唐三的计数法”，我没做过这道题，刚看到这道题还以为要用搜索，写了一个小时，直接想复杂了。后来才明白直接模拟即可！ 从最后一位开始，尝试加一个字符，然后新加的字符以后的所有字符都要紧跟（就这一点，我用深搜写不出来，归根结底还是理解不够），才能使新增的字符串紧跟上一个字符串。 include <iostream>include <cstring>include <cstdio>using namespace std;int main(){int s, t, w;char str[30];cin >> s >> t >> w >> str;for (int i = 1; i <= 5; i++){for (int j = w - 1; j >= 0; j--){if (str[j] + 1 <= ('a' + (t - (w - j)))){// 确认当前有可用字母就可以大胆用了，j就是变动位str[j] += 1;// 当前位置后的位置都是对齐位for (int k = j + 1; k < w; k++)str[k] = str[j] + k - j;cout << str << endl;// 是每次找到一组合适的就跳出break;} }}return 0;}/一个方法做的时间超过半小时，或者思路减退、代码渐渐复杂、心态渐渐崩溃时，要及时切换思路。/ 本篇文章为转载内容。原文链接：https://blog.csdn.net/cool99781/article/details/116902217。 该文由互联网用户投稿提供，文中观点代表作者本人意见，并不代表本站的立场。 作为信息平台，本站仅提供文章转载服务，并不拥有其所有权，也不对文章内容的真实性、准确性和合法性承担责任。 如发现本文存在侵权、违法、违规或事实不符的情况，请及时联系我们，我们将第一时间进行核实并删除相应内容。

...score） 【题目描述】 【输入】 第一行包含两个正整数N和P，表示选手的个数以及精度要求。 接下来的N行，每行包含一个0到100（闭区间）内的整数。 【输出】 输出一个实数，取P位有效数字，下取整。 【样例输入】 5 4 100 20 15 10 0 【样例输出】 195.2 【提示】 【分析】 这道题需要让你求出使偏差最小的难度和区分度的大小。根据题目下方的难度-区分度的图表，结合题意，可以发现偏差值与难度-区分度的关系为一个单峰函数。因此我们可以对其进行三分。由于有两个变量（难度，区分度），所以我们先固定一个变量，对另一个变量进行三分操作。在这里，我们最好先固定难度，先对区分度进行三分，求出当前难度下区分度最优的情况下的偏差值，然后根据偏差值的大小再对难度进行三分（也就是三分套三分的意思）。直接使用此方法即可。 【代码】 include<bits/stdc++.h>using namespace std;const double eps=1e-9;long double df_lf=0.0,df_rt=15.0,d,df_lm,df_rm,ds_lf,ds_rt,ds_lm,ds_rm;int a[30],n,p;inline long double sigma ( long double dfcl,long double disp ){long double sum=0,idel=100;for ( int i=1;i<=n;i++ ){long double score=100/(1+exp(dfcl-dispa[i]));if ( score<1e-12 ) sum+=(100.0-idel)log(100/(100-score));else if ( score>=100 ) sum+=(idellog(100/score));else sum+=(idellog(100/score)+(100.0-idel)log(100/(100-score)));idel-=d;}return sum;}inline void print ( long double val ){long long w=1;int ups=0,used=0;while ( true ){if ( val/w<1 ) break;w=10,ups++;}long long res=(long long)(valpow(10,10-ups)),highest=1000000000;for ( int i=9;i>=10-p;i-- ){if ( i==9-ups ) putchar((i==9)?'0':'.');cout<<res/highest;res%=highest;used++;highest/=10;}while ( used<ups ) putchar('0'),used++;}inline int read ( void ){int x=0;char ch=getchar();while ( !isdigit(ch) ) ch=getchar();for ( x=ch-48;isdigit(ch=getchar()); ) x=(x<<1)+(x<<3)+ch-48;return x;}int main(){scanf("%d%d",&n,&p);d=100.0/(n-1);for ( int i=1;i<=n;i++ ) scanf("%d",&a[i]);while ( df_rt-df_lf>eps ){df_lm=df_lf+(df_rt-df_lf)/3.0,df_rm=df_rt-(df_rt-df_lf)/3.0;ds_lf=0.0,ds_rt=1.0;while ( ds_rt-ds_lf>eps ){ds_lm=ds_lf+(ds_rt-ds_lf)/3.0,ds_rm=ds_rt-(ds_rt-ds_lf)/3.0;if ( sigma(df_lm,ds_lm)<sigma(df_lm,ds_rm) ) ds_rt=ds_rm;else ds_lf=ds_lm;}double min_lm=sigma(df_lm,ds_lm);ds_lf=0.0,ds_rt=1.0;while ( ds_rt-ds_lf>eps ){ds_lm=ds_lf+(ds_rt-ds_lf)/3.0,ds_rm=ds_rt-(ds_rt-ds_lf)/3.0;if ( sigma(df_rm,ds_lm)<sigma(df_rm,ds_rm) ) ds_rt=ds_rm;else ds_lf=ds_lm;}double min_rm=sigma(df_rm,ds_lm);if ( min_lm<min_rm ) df_rt=df_rm;else df_lf=df_lm;}print(sigma(df_lm,ds_lm));return 0;} 本篇文章为转载内容。原文链接：https://blog.csdn.net/dtoi_rsy/article/details/80939619。 该文由互联网用户投稿提供，文中观点代表作者本人意见，并不代表本站的立场。 作为信息平台，本站仅提供文章转载服务，并不拥有其所有权，也不对文章内容的真实性、准确性和合法性承担责任。 如发现本文存在侵权、违法、违规或事实不符的情况，请及时联系我们，我们将第一时间进行核实并删除相应内容。

..... CN]， 请你统计有多少个三元组(i, j, k) 满足： 1. 1 <= i, j, k <= N 2. Ai < Bj < Ck 【输入格式】 第一行包含一个整数N。 第二行包含N个整数A1, A2, ... AN。 第三行包含N个整数B1, B2, ... BN。 第四行包含N个整数C1, C2, ... CN。 对于30%的数据，1 <= N <= 100 对于60%的数据，1 <= N <= 1000 对于100%的数据，1 <= N <= 100000 0 <= Ai, Bi, Ci <= 100000 【输出格式】 一个整数表示答案 【样例输入】 3 1 1 1 2 2 2 3 3 3 【样例输出】 27 资源约定： 峰值内存消耗（含虚拟机） < 256M CPU消耗 < 1000ms 请严格按要求输出，不要画蛇添足地打印类似：“请您输入...” 的多余内容。 注意： main函数需要返回0; 只使用ANSI C/ANSI C++ 标准; 不要调用依赖于编译环境或操作系统的特殊函数。 所有依赖的函数必须明确地在源文件中 include <xxx> 不能通过工程设置而省略常用头文件。 提交程序时，注意选择所期望的语言类型和编译器类型。 题意描述： 就是 a[i] < b[j] < c[k]的有多少组，刚开始想的很简单就是三重训话，当然不对了 解题思路： 找出比b小的所有数a并把个数存到数组x中，然后再找到比b大的所有个数c同时与x相乘即可。 程序代码： include<stdio.h>include<algorithm>using namespace std;int a[100010],b[100010],c[100010];int x[100010];int main(){int i,j,n,count=0;scanf("%d",&n);for(i=0;i<n;i++)scanf("%d",&a[i]);for(i=0;i<n;i++)scanf("%d",&b[i]);for(i=0;i<n;i++)scanf("%d",&c[i]);sort(a,a+n);sort(b,b+n);sort(c,c+n);i=n-1;j=n-1;while(i>=0&&j>=0){if(a[i]<b[j]){x[j]=i+1;j--;}elsei--;}i=0;j=0;while(i<n&&j<n){if(b[i]<c[j]){count+=x[i](n-j);i++;} elsej++;} printf("%d\n",count);return 0;} 本篇文章为转载内容。原文链接：https://hezhiying.blog.csdn.net/article/details/88077408。 该文由互联网用户投稿提供，文中观点代表作者本人意见，并不代表本站的立场。 作为信息平台，本站仅提供文章转载服务，并不拥有其所有权，也不对文章内容的真实性、准确性和合法性承担责任。 如发现本文存在侵权、违法、违规或事实不符的情况，请及时联系我们，我们将第一时间进行核实并删除相应内容。

...息系统中结构化信息的描述性数据进行组织、存储、维护和检索的过程。在本文上下文中，Apache Atlas通过统一收集、整合和分析大数据生态系统的元数据，提供了一种企业级的解决方案，帮助用户更好地理解数据资产的来源、含义、关系以及变更历史等重要信息。 数据血缘追踪 , 数据血缘追踪是一种跟踪数据从源头到最终使用过程的技术方法，它揭示了数据在整个系统中的流转路径和处理过程。在实际应用中，Apache Atlas能够记录并展示数据在不同阶段的转换和流动情况，便于用户在面临数据问题时快速定位问题源头，评估影响范围，并据此制定相应的修复策略。 数据治理 , 数据治理是指企业为确保数据质量、安全性和合规性而建立的一系列政策、流程、标准和度量体系。借助Apache Atlas这类元数据管理工具，企业能够实现更精细的数据资产管理与控制，包括但不限于数据生命周期管理、数据权限管理、数据质量和一致性维护，从而提升整体数据价值，并满足日益严格的数据法规要求。