- 综合排序
- 最热优先
- 最新优先
- 来自专栏用户10155340的专栏
Day5 统计回文、连续最大和
pragma pack(4) 表示默认对齐数为 4（Windows 中默认为 8），其次 struct One 中成员占用空间分别为 8、1、4，因为当前对齐数为 4，所以实际占用空间为 0 1 2 3 4 5 6 7、8、12 13 14 15 最终占用 16 字节；同理 struct Two 中各成员实际占用空间为 0、4 5 6 7 8 9 10 11、12 13 14 15 最终占用 16 字节。 字节，struct Two 大小也为 16 字节；而当默认对齐数为 8 时，struct One 大小为 16 字节，struct Two 大小为 24 字节 结果：C ---- 编程题 1.统计回文 题目链接：WY18 统计回文 题目分析：字符串相关的题目，给定字符串 A 跟字符串 B，统计将 B 插至 A 的任意位置，将产生多少个回文串，可以暴力求解，即将 B 分别插入 A 的每一个位置，然后判断组合字符串是否为回文 导致死循环 2.连续最大和 题目链接：DD1 连续最大和 题目解析：这是一道来自滴滴的笔试题，考点为简单动态规划，可以直接分析都得结论：输入值 val 与 sum 累加，如果比当前值自身还要大，就统计
25220编辑于 2023-07-01 - 来自专栏机器学习、深度学习
统计学习导论 Chapter5 -- Resampling Methods
重采样方法的计算量可能比较大，因为他们涉及在多组数据对相同统计方法的拟合。但是随着今年计算能力的飞速发展，重采样方法也可以被使用。 这两种方法在许多统计学习算法上都是重要的工具。例如，cross-validation 可以用于对一给定的统计方法估计其 test error 来评估其性能，或用于选择合适的模型复杂度。 In practice, one typically performs k-fold CV using k = 5 or k = 10. What is the advantage of using k = 5 or k = 10 rather than k = n? Typically, given these considerations, one performs k-fold cross-validation using k = 5 or k = 10, as
1.7K60发布于 2018-01-03 - 来自专栏niceyoo
uniapp增加百度统计代码(h5)
做了个分享微信公众号文章的h5界面，http://mp.sscai.club/（只能微信浏览器打开），其中用到了统计代码，记录如下。 [1104426-20191217115557325-1309762283.png] 2、粘贴内容 请复制如下代码到上方新建的 html 中，修改自己的百度统计代码，不清楚如何获取统计代码的可以参考 步骤 此处为自己的百度统计码"; var s = document.getElementsByTagName("script")[0]; s.parentNode.insertBefore -- built files will be auto injected --> </body> </html> 3、配置模版代码 依次进入 pages.json > 源码视图 > h5(最下方 ) 节点，增加： "template": "tj.html" [1104426-20191217115600901-394825571.png] 4、统计代码获取 新建账户或已有百度账号登录：https
1.2K00发布于 2020-01-14 - 来自专栏EpiHub
贝叶斯地理统计模型R-INLA-5
最近做了INLA项目，查看了不少资料， 有问题还是google给力。不懂的就google，谷歌大法好啊。
48820编辑于 2022-10-25 - 来自专栏数据小魔方
Xcelsius（水晶仪表）系列5——统计图综合运用
今天继续跟大家分享水晶仪表系列的第5篇——统计图的综合运用。 原数据如下：（数据中蓝色为统计图输出数据，其中后两个年份数据通过模拟两者增长率得到）。 ? 绿色部分是预计的两年怎增长率。（同时也是单值输部件的数据源）。 数据导入完成之后，就可以在部件菜单中拖入统计图——柱形图。 双击画布中的柱形图，调出属性菜单，在菜单中按照如下方式定义标题、副标题以及数据。 ?
1.1K110发布于 2018-04-11 - 来自专栏数据分析1480
统计学5个基本概念，你知道多少？
本文讲述了数据分析师应当了解的五个统计基本概念：统计特征、概率分布、降维、过采样/欠采样、贝叶斯统计方法。 从高的角度来看，统计学是一种利用数学理论来进行数据分析的技术。 今天，我们来看看数据分析师需要掌握的5个基本的统计学概念，以及如何有效地进行应用。 01 特征统计 特征统计可能是数据科学中最常用的统计学概念。 它是你在研究数据集时经常使用的统计技术，包括偏差、方差、平均值、中位数、百分数等等。理解特征统计并且在代码中实现都是非常容易的。请看下图： ? 上图中，中间的直线表示数据的中位数。 05 贝叶斯统计 完全理解为什么在我们使用贝叶斯统计的时候，要求首先理解频率统计失败的地方。大多数人在听到“概率”这个词的时候，频率统计是首先想到的统计类型。 正如你从方程式中看到的，贝叶斯统计把一切因素都考虑在内了。当你觉得之前的数据不能很好地代表未来的数据和结果的时候，就应该使用贝叶斯统计方法。 End. 作者：George Seif 来源：CSDN
62820发布于 2019-12-05 - 来自专栏Python数据科学
统计学5个基本概念，你知道多少？
本文讲述了数据分析师应当了解的五个统计基本概念：统计特征、概率分布、降维、过采样/欠采样、贝叶斯统计方法。 从高的角度来看，统计学是一种利用数学理论来进行数据分析的技术。 今天，我们来看看数据分析师需要掌握的5个基本的统计学概念，以及如何有效地进行应用。 01 特征统计 特征统计可能是数据科学中最常用的统计学概念。 它是你在研究数据集时经常使用的统计技术，包括偏差、方差、平均值、中位数、百分数等等。理解特征统计并且在代码中实现都是非常容易的。请看下图： 上图中，中间的直线表示数据的中位数。 05 贝叶斯统计 完全理解为什么在我们使用贝叶斯统计的时候，要求首先理解频率统计失败的地方。大多数人在听到“概率”这个词的时候，频率统计是首先想到的统计类型。 正如你从方程式中看到的，贝叶斯统计把一切因素都考虑在内了。当你觉得之前的数据不能很好地代表未来的数据和结果的时候，就应该使用贝叶斯统计方法。
1.1K31发布于 2019-12-03 - 来自专栏木头编程 - moTzxx
ThinkPHP5 (mySQL) group 统计各价格区间内数据
->select(); 对应生成的 mysql 语句如下： SELECT FLOOR(og.order_amount/100) price,count(og.id) count FROM tp5_ xorder_goods og INNER JOIN `tp5_xorder_infos` `oi` ON `oi`.
1.8K30发布于 2020-01-13 - 来自专栏DeepHub IMBA
5道面试中的常见的统计学问题
3、为什么我们必须使用推论统计而不是描述统计? 描述性统计，将提供关于样本数据的信息。 推论统计，研究如何根据样本数据去推断总体数量特征的方法。它是在对样本数据进行描述的基础上，对统计总体的未知数量特征做出以概率形式表述的推断。 描述性统计仅“描述”研究，而不能得出结论或预测。推论统计使研究人员有可能得出结论并预测有关关注领域可能发生的变化。 描述性统计通常在包含整个目标人群的特定区域内进行，推论统计通常是从一个人口样本中抽取的，尤其是在人口太大而无法进行研究的情况下。 5、请简述卡方检验的? 卡方独立性检验用于确定两个名义（分类）变量之间是否存在显着关系，主要有三个重点 是两个变量，不是一个变量，也不是三个变量，四个变量。
81310编辑于 2022-11-11 - 来自专栏祥子的故事
统计 | 统计功效 | R语言
在现行的大学教科书中，根本没有提及将假的判为真的概率计算公式，下面来介绍如何计算统计功效，并介绍它的含义。 统计功效=1−β=1−p(接受H0|H0为假)=p(拒绝H0|H0为假) \mbox{统计功效} = 1 - \beta = 1- p( \mbox{接受} H_{0} | H_{0} \mbox 计算公式如下： 统计功效=p(拒绝H0|H0为假)=p(|x¯−y¯S2xnx+S2ymy−−−−−−−√|>z1−α/2|δ) \mbox{统计功效} = p( \mbox{拒绝} H_{0} | \frac{S_{x}^{2}}{n_{x}} + \frac{S_{y}^{2}}{m_{y}} }) 代码如下： > x <- 0.3 > y <- 0.5 > sx <- 3 > sy <- 5 在学术界，统计功效的设定一般为0.8，将它作为计算的阈值。在p-value小于0.05且power大于0.8时认为是有显著差异的。
2.6K20发布于 2019-02-18 - 来自专栏HsuHeinrich
统计系列（一）统计基础
统计系列（一）统计基础 在开篇中曾推荐过大家学习《商务与经济统计 精要版 原书第7版》，不知道大家有没有这种感觉，学完了不一定理解了，理解了不一定能正确应用。 统计从整体上分为描述统计和推断统计，描述统计主要通过图表、数值的方式帮助我们理解数据并发现规律；而统计推断则是通过样本特征推断总体特征，推断分为参数估计、假设检验和回归分析。 除了掌握统计基础外，还需要一定的概率基础。最主要的就是随机变量的概率分布和中心极限定理，这也是统计推断的理论基础。 整体的知识点如下： 统计基础 描述统计 描述统计是数据分析使用最多的，常用于探索性数据分析（EDA）。 确定样本容量：当指定了边际误差为E时， 图片 假设检验 假设 一般将自己想要证明的假设作为备择假设，与之互斥的作为原假设 第一类错误为拒真，第二类错误为存伪 日常需要控制第一类错误的概率 图片 为5%
1.3K30编辑于 2023-03-15 - 来自专栏ATYUN订阅号
数据科学家需要知道的5个基本统计概念
编译：yxy 出品：ATYUN订阅号 在执行数据科学（DS）时，统计是一种强大的工具。笼统来看，统计学是利用数学来进行数据的技术分析。 现在，我们来看看数据科学家需要了解的5个基本统计概念以及如何最有效地应用它们！ 统计特征 统计特征可能是数据科学中最常用的统计概念。 它通常是你在探索数据集时应用的第一种统计技术，包括偏差（bias），方差，均值，中位数，百分位数等等。在代码中理解和实现都非常容易！ ? 贝叶斯统计 完全理解我们使用贝叶斯统计的原因要求我们首先了解频率统计（ Frequency Statistics）失败的地方。频率统计是大多数人在听到“概率”一词时所想到的统计数据类型。 从方程式可以看出，贝叶斯统计将一切都考虑在内，只要你认为先前的数据不能很好地代表你未来的数据和结果，就可以使用它。
1.1K30发布于 2018-12-04 - 来自专栏人人都是数据分析师
统计学(5)|AB测试—方差分析与卡方检验
1.2.3 构造统计量 由于各误差平方和的大小与样本量的多少有关，所以需要将其平均，也就是用平方和除以对应的自由度，这一结果称为方差。 当原假设 为真时，我们可以通过样本数据确定期望频数，然后就可以利用检验统计量 来确定观测频数与期望频数之前是否存在显著差异。如果差异显著，则 将被拒绝，就可以得到总体比例不全相等的证据。 2.3 计算卡方统计量 式中， 表示第 行第 列单元格的观测频数， 表示第 行第 列单元格的期望频数。 在涉及 个总体比例相等性的 检验中， 检验统计量服从自由度为 的 分布，其中每个单元格的期望频数都 。 根据以上公式，计算 的值如下: ? 最终 统计量值为 7.89. 同系列文章： 统计学(1)|白话统计学发展(含统计学必知必会) 统计学(2)|AB测试—理论基础 统计学(3)|AB测试—实验结果分析 统计学(4)|AB测试—实验流程
2.8K20发布于 2021-05-13 - 来自专栏玩转Lighthouse
【5分钟玩转Lighthouse】用Umami做博客站点统计
主要有以下5个步骤。 ? 搭建好博客后，还希望能够针对站点做访问统计分析，想看看博客的访问情况。这个时候就需要用到站点统计工具了。 但是像个人博客这样一个站点，还是希望用自己搭建一个站点统计工具，数据也能掌握在自己的手里。今天就为大家介绍一下，在轻量应用服务器上如何搭建Umami站点统计工具，来统计博客的访问情况。 3.1.安装Docker和Docker Compose 这里可以参考Docker的官方文档CentOS上安装Docker和安装Docker Compose或者参考之前【5分钟玩转Lighthouse】系列文章 5.小节 本文介绍了如何在轻量应用服务器搭建WordPress博客后，使用Umami站点统计工具，统计博客访问数据。Umami安装和使用都非常简单，尤其是提供了Docker的安装方式就更容易上手了。 umami官网 https://umami.is/docs/about 4.CentOS下安装Docker https://docs.docker.com/engine/install/centos/ 5.
5.1K314编辑于 2022-09-15 - 来自专栏小小挖掘机
数据分析EPHS(5)-使用Hive SQL计算数列统计值
先来回顾一下数据和对应的统计结果： 这里咱们使用的是iris分类数据集，数据下载地址为： http://archive.ics.uci.edu/ml/datasets/Iris 下载后转换为xlsx格式的文件 对应的统计结果如下： ? 接下来先进入实战部分，最后再总结下本地Hive使用过程中的一些坑。 1、使用Hive计算统计值 1.1 最大值、最小值 使用Hive统计最大值直接使用max和min函数就可以： select max(feature1) as max_feature1, max( 而在我们这个数据集中，5.7的累积概率是0.48667、5.8的累积概率是0.5333，所以按照公式，中位数是 (5. 7 * (0.5333 - 0.5) + 5.8 * (0.5 - 0.48667
3.6K51发布于 2019-07-17 - 来自专栏木头编程 - moTzxx
ThinkPHP5 (mySQL) 统计各个时间段内的订单量
背景 今天在进行后台数据监控时； 需要对一天24小时的下单量进行时间段的统计； 但是下单时间字段 pay_time 选取的是 timestamp 类型； 此时需要进行时间段的数据分组剥离，在此做一下实现方式 以我的 ThinkPHP5框架的代码规范 源码书写如下： $res = Db::name('order_goods og') ->field("substring(pay_time ->select(); 即对应的原生sql语句为： SELECT substring(pay_time,12,2) hour,count(og.id) count FROM tp5_ xorder_goods og INNER JOIN `tp5_xorder_infos` `oi` ON `oi`. 参考文章： - MySQL substring()函数 - mysql 获取某个时间段每一天的统计数据
2.3K20发布于 2020-01-13 - 来自专栏YoungGy
统计简单学_常用统计量
连续型数据特征 数据特征值的应用 经验法则 盒须图 连续型数据特征 集中趋势 平均数 中位数(群体η\eta，样本X̃ \tilde{X}) 众数 选择：当群体中有离群值时，使用中位数或者众数，
87040发布于 2019-05-27 - 来自专栏机器学习与统计学
【温习统计学】统计设计
简介 统计设计是统计工作的首要阶段，是根据统计研究的目的和研究对象的特点，明确统计指标和指标体系，以及对应的分组方法，并以分析方法指导实际的统计活动。 统计设计所制定的方案包括：统计指标体系、统计分类目录、统计报表制度、统计调查方案、统计汇总或整理方案以及统计分析方案等诸多方面的内容。 作用 统计设计是统计工作实施的基本依据,是使统计工作协调地、有秩序地、顺利地进行的必要条件，是保证以后统计调查、统计整理和统计分析诸阶段工作质量的重要前提。 ①统计指标和指标体系； ②与统计指标体系相联系的统计分类和分组； ③搜集统计资料的方法； ④统计工作各个部门和各个阶段的协调与关联； ⑤统计力量的组织和安排。 （4）从统计实践来看，加强和重视统计设计工作对完成整个统计工作，保证统计工作的质量是必需的。 种类 通常，统计研究对象内容的设计可称为横向设计。统计工作过程的设计则可称为纵向设计。
68430发布于 2019-04-10 - 来自专栏数据派THU
独家 | 数据科学家应该避免的5种统计陷阱（附链接）
作者：Matthew Mayo 翻译：冯羽 校对：陈雨琳 本文长度约为2500字，建议阅读5分钟 本文介绍了数据科学家应该避免的五种统计陷阱。 统计谬误是统计误用的一种形式，其统计推理能力极差；或许你拥有的数据正确，但无论你的意图多么纯粹，你所使用的方法和解释都不正确。因此，你基于这些错误举动做出的任何决定都必然是错误的。 ? 5、数据疏浚 数据疏浚还有其他更加不好的名字，例如 p-hacking，它是“误用数据分析以查找数据中具有统计学意义的模式，而这些模式实际上没有任何真实潜在影响。” 这相当于对数据进行广泛的统计测试，并从重大结果中挑选樱桃，以提高叙事效果（真正的挑选樱桃？）。虽然统计分析应该从假设转移到检验，但数据疏浚利用统计检验的结果强制获得一个一致的假设。 Bonferroni校正 https://en.wikipedia.org/wiki/Bonferroni_correction 原文标题： 5 Statistical Traps Data Scientists
1.4K20发布于 2019-12-10 - 来自专栏大数据文摘
纪宏：统计人的 “统计梦”
编者按：“大数据”是这几年才新出的词，但“大数据”已经远远超出对数据本身的描述（人人皆知的4V或5V），也指数据处理过程，比如人们会说“这事好办，用大数据做...” 统计教育改革、两岸三地经济发展指数、大数据硕士……这些关键词描绘了首经贸统计学院院长纪宏的“统计”轨迹。 结缘统计学：从热爱到钻研 1978 年，24 岁的纪宏考入了北京经济学院统计学系，正式与统计学结缘。 推动统计教育改革：做一个有责任感的统计人 纪宏倡导并实践大统计学科理念，提出了在全国设置应用统计专业硕士的最初设想，在我国统计教育改革中做出了自己的贡献。 据了解，长期以来我国的统计学教育分为属于理学范畴的数理统计学和属于经济学范畴的经济统计学两类，而国际惯例则只有统计学一个学科。
1K80发布于 2018-05-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号