数据缩放简介 使用单一指标对某事物进行评价并不合理，因此需要多指标综合评价方法。多指标综合评价方法，就是把描述某事物不同方面的多个指标综合起来得到一个综合指标，并通过它评价、比较该事物。由于性质不同…
公司的数据存放在HDFS上，但是模型的训练时需要用到这部分数据，于是就有了数据同步的需求。以下是个人整理的数据同步流程，仅适用于公司内部，其他地方由于环境不同可能不可用。 数据从Hive同步到JupyterLab …
在分析数据或进行算法模型训练前有时需要先对数据进行抽样，这里整理了抽样的一些知识点。 什么情况下需要会用到抽样？ 数据量太大，计算能力不足。 抽样调查，小部分数据即可反应全局情况。 时效…
使用Python编程时，经常会遇到读写文件的操作。对于读写文件的各种模式（如阅读、写入、追加等）有时真的会迷惑人，以及搞不清open、read、readline、readlines、write、writelines等方法的使用也会把你绕的云里雾…
Pickle Python 中有个序列化过程称为pickle，它能够实现任意对象与文本之间的相互转化，也可以实现任意对象与二进制之间的相互转化。也就是说，pickle 可以实现 Python 对象的存储及恢复。 序列化(picking)…
XML 指可扩展标记语言，标准通用标记语言的子集，是一种用于标记电子文件使其具有结构性的标记语言。XML 被设计用来传输和存储数据。 Python 有三种常见的 XML 解析方式：SAX（simple API for XML）、DOM（Docum…
JSON简介 JSON 即 JavaScript Object Natation，它是一种轻量级的数据交换格式，非常适合于服务器与 JavaScript 的交互。 在普通的 Web 应用中，开发者经常为 XML 的解析伤透了脑筋，无论是服务器端生成或…
AIML简介 AIML全名为Artificial Intelligence Markup Language（人工智能标记语言），是一种创建自然语言软件代理的XML语言，是由RichardS. Wallace 博士和Alicebot开源软件组织于1995-2000年间发明创造的。AIML是…
文本分析是机器学习算法的主要应用领域。由于大部分机器学习算法只能接收固定长度的数值型矩阵特征，导致文本字符串等并不能直接被使用，针对此问题Scikit-Learn提供了将文本转化为数值型特征的方法，今天就一起来…
先前在使用Python进行抓取的时候，遇到读取数据的错误。经过分析发现原来返回的HTML中包含控制字符（原来防爬虫还可以这么干，控制字符在抓取程序中容易引起报错，但是在浏览器中呈现给用户的时候确没有什么影响）…
