Problem: 概率期望
Analyse:
非常经典的带有递归实现,的方程期望式子.
E为期望,z为正数个数,zp为正数平均值,f为负数个数,fp为负数平均值.
z?zpn+f?fp+En=E\frac{z * zp}{n} + \frac{f * fp + E}{n} = E/**********************jibancanyang**********************...
分类：
其他好文 时间：
2016-05-07 06:57:49
阅读次数：
144
1、用户黏性-用户访问频率（针对注册用户）
根据用户的UID，统计用户在一段时间内的访问频率。
【用户访问频率-按月】-统计注册用户在最近一个月内访问频次的平均值。
【用户访问频率-按周】-统计注册用户在最近一周内访问频次的平均值。
【用户访问频率-按日】-统计注册用户在最近24小时内的访问频次的平均值。
2、用户活跃度（针对所有用户）
按注册用户和非注册用户区分
平均停留时长（针对...
分类：
其他好文 时间：
2016-05-07 06:54:59
阅读次数：
102
线性回归与正则化线性回归总述追根溯源，回归(Regression)这一概念最早由英国生物统计学家高尔顿和他的学生皮尔逊在研究父母亲和子女的身高遗传特性时提出。他们的研究揭示了关于身高的一个有趣的遗传特性：若父母个子高，其子代身高高于平均值的概率很大，但一般不会比父母更高。即身高到一定程度后会往平均身高方向发生“回归”。这种效应被称为“趋中回归(Regression Toward the Mean)”...
分类：
其他好文 时间：
2016-05-06 14:58:14
阅读次数：
1014
聚合函数的分类： -COUNT: 统计行数量 -SUM: 获取某个单列的合计值 -AVG: 计算某个列的平均值 -MAX: 计算列的最大值 -MIN: 计算列的最小值 计数规范：1、ALL:全部，默认，一般都用这个 count（*）统计所有行，包括NULL select count(region) ...
分类：
其他好文 时间：
2016-05-06 02:10:36
阅读次数：
174
zabbix的性能瓶颈主要是磁盘IO（数据库读写操作），对CPU和内存的占用较低。 对于单个监控值 zabbix 在 后台数据库中会存入三个数值（最大值、最小值、平均值）。 计算历史数据的大小。zabbix的数据一般是有存放期限的，如几个星期或几个月。这里假如存放30天，那么就有30*24*3600 ...
分类：
其他好文 时间：
2016-05-05 19:23:40
阅读次数：
512
1.1 简单指数平滑
“simple exponential smoothing” (SES)
SES适用于不计趋势与季节性的时间序列
我们在可以使用平均值模型和naive模型来做粗略的预测（点击查看），他们懂预测方法分别是
- 使用最后一个值（naive模型）
- 使用前面值的平均数（平均值）
这里的简单指数平滑是用的前面几个值的加权平均数，越靠近最后的权重越大，后面的权重指数下降...
分类：
其他好文 时间：
2016-05-03 18:45:04
阅读次数：
1047
Given a stream of integers and a window size, calculate the moving average of all integers in the sliding window. For example,MovingAverage m = new Mo ...
分类：
移动开发 时间：
2016-05-01 06:35:23
阅读次数：
241
一、聚合函数 count：统计行数量 sum：获取单个列的合计值 avg:计算某个列的平均值 max：计算列的最大值 min：计算列的最小值 二、having和where区别 二者都是过滤条件，where运行在分组之前，因此不能执行任何聚合函数，having是运行在分组后，只能用作聚合函数的过滤。 ...
分类：
数据库 时间：
2016-04-30 00:53:55
阅读次数：
246
目录 1 描述性统计是什么？2 使用NumPy和SciPy进行数值分析 2.1 基本概念 2.2 中心位置（均值、中位数、众数） 2.3 发散程度（极差，方差、标准差、变异系数） 2.4 偏差程度（z-分数） 2.5 相关程度（协方差，相关系数） 2.6 回顾3 使用Matplotlib进行图分析 ...
分类：
其他好文 时间：
2016-04-29 22:10:28
阅读次数：
2767
Skew（偏度）
在概率论和统计学中，偏度衡量实数随机变量概率分布的不对称性。偏度的值可以为正，可以为负或者甚至是无法定义。在数量上，偏度为负（负偏态）就意味着在概率密度函数左侧的尾部比右侧的长，绝大多数的值（包括中位数在内）位于平均值的右侧。偏度为正（正偏态）就意味着在概率密度函数右侧的尾部比左侧的长，绝大多数的值（但不一定包括中位数）位于平均值的左侧。偏度为零就表示数值相对均匀地分布在平均值...
分类：
其他好文 时间：
2016-04-29 19:55:52
阅读次数：
284
