未分类
540 词
这篇主要是WIFI感知(包括CSI)相关知识的一个梳理 入门 软硬件平台:基础至少需要一个发送设备+一个接收设备,各设备2-3个外接天线。 CSI测量工具:Linux Ubuntu系统安装,Atheros CSI tool、Intel 5300 NIC CSI tool,Nexus 5(不同测量工具对网卡版本均有要求) CSI处理 进阶 感知算法设计 感知系统可视化 案例实践 Widar 3.0 http://tns.thss.tsinghua.edu.cn/widar3.0/ Wi-Fi感知,顾名思义,就是利用Wi-Fi信号实现对周围环境以及环境中的人体、物体状态的感知。现有Wi-Fi感知方法主要通过分析从Wi-Fi信号采集到信道状态信息(Channel State Information,CSI)实现 Atheros CSI Tool官方网站 指引文件 开源地址 Intel 5300官方网站 Nexus 5官方网站 CSI基础处理CSI测量值解析出来为a+bj的复数形式 相关工作及代码 自我翻阅的helpone road two Wifi Sensing CSDN th...
未分类
10k 词
数据集 这份数据集的内容包括第一列用户id,第二列商品id,第三列类别id(比如冰箱属于家电类),第四列用户行为类型(包括pv:浏览/fav:收藏/cart:加入购物车/buy:购买),第五列时间戳。 数据导入首先,使用Navicat将csv格式的数据集导入Mysql。由于数据集过大,这里仅导入前300w行数据,并以此进行分析。 数据处理 更改数据列名 123456alter table userbehavior change f1 user_id int, change f2 item_id int, change f3 category_id int, change f4 behavior_type varchar(5), change f5 time_stamp int; 查找空值 123456789select * from userbehavior where user_id is null or item_i...

SQL

未分类
4k 词
查缺补漏 刷题 从第三行数据开始,只取一行12SELECT * FROM employees ORDER BY hire_date DESCLIMIT 1 OFFSET 2 左连接1234select last_name,first_name,dept_nofrom employees sleft join dept_emp don s.emp_no = d.emp_no 获取每个部门中当前员工薪水最高的相关信息,给出dept_no, emp_no以及其对应的salary,按照部门编号dept_no升序排列 12345678910SELECT d.dept_no, d.emp_no, s.salaryFROM dept_emp dJOIN salaries s ON d.emp_no = s.emp_noWHERE s.salary = ( SELECT MAX(s1.salary) FROM dept_emp d1 JOIN salaries s1 ON d1.emp_no = s1.emp_no WHERE d1.dept_no = d.dept...
未分类
2.1k 词
Tableau下载地址 学生版认证–获取密钥 完成了,好激动!准备开始学习(Fighting) 数据库连接连接有多种连接的来源,可以供选择 当选择两个数据进行连接后,需要选择字段 提取方式 实时:每一次更新都需要导入数据 数据提取:存储到Tableau的数据库里面 筛选器:当数据较多,且已经明确了所要的数据时,可以提前在这筛选掉 保存方式 twb:不带数据,需要连接 twbx:内置数据 数据查看 性能和数据响应程度做取舍,都是需要成本的。 数据可视化数据变成图表的过程,就是数据映射到视觉图形的过程 数据:维度和度量 数值型【度量】:一般由数字组成,表示为图表的面积大小、条形长短、颜色深浅等可以量化的视觉元素 类别型【维度】:有限的类别数或可区分组数,表示为图表的颜色种类、图形位置、分类方式等视觉元素 【度量】映射图形,【维度】负责区分 数据可映射的数据类型: 位置 散点图主要有四种数据规律 长度 角度,例如饼状图 方向,例如折线图 形状 面积和体积 颜色和深浅 可视化字典 视觉图形的暗示排序清单 数据可视化领域的四大金刚:散点图、柱状图/条...
未分类
1.1k 词
Excel 基础概念 对数据进行备份 右键——移动或复制——移到最后——创建副本——隐藏 需要显现的时候,右键任意sheet,取消隐藏 数据理解 ctrl + shift + L /* 全部筛选 */ UV与PV:去重与不去重 CPC:单次广告的成本 数据透视表筛选 插入切片器 透视表内的筛选 都可以进行筛选,区别是:切片器不只应用于透视表。 双击可以更改名称: 插入字段 函数sum函数新建窗口 冻结窗口 sum特殊 win + 上下左右 /* 任意分屏 */ 中间加逗号可以分开来选。 sumif函数锁定 sumif sumif( 比对的数据行,标准,要的数据行) sumifs sumifs( 要的数据行,对比的数据行1,标准1,对比数据行2,标准2,...) 环比与同比同比:上一年或者上一月环比:上一个相邻的 拆解日期 组合日期 如果前一个月没有那一天,就会返回第一天。跨年算的结果是正确的。 不要用Excel的日期格式去存储日期,要用字符串格式。 求每个月最后一天 条件判断符号要加双引号后面跟& 总结 subt...
未分类
1.6k 词
《深入浅出数据分析》坦白来说,也不是崇洋媚外,只是外国笔者的书籍有时确实比中国学者有趣得多。可能看起来讲的并不深入,但是作为启蒙书,会给你一步步启迪。 为防止后续遗忘,能不断巩固,写下此篇读书笔记。 数据分析引言:分解数据四个流程:确定–分解–评估–决策 确定首先,首席执行官或是客户(包括你自己)会给出一个浅薄的目标,比如提高销量。 此时,应该提出问题做深一步的确定问题。 分解接下来对数据进行分解,确定基准假设。客户确定无疑的信息和你对数据的想法。 评估加入本人的介入:做出自己的明确假设,以信用为自己的结论负责。写最终报告要提到自己,明确结论出处。 决策粗略版本: 背景:来自于得到的材料,写下自己和客户的假设数据解说:数据支持,图表辅助建议:得出的结论 不是每一次分析结果都是理想的,当决策后出现偏差时候,考虑错误或不完整的信息。 从背景切入,某个客户确信的观点可能只是心智模型。 需要根据数据,对原本确定的目标,进行重新的确定。 可以向客户询问其不知道的事情。例如: 索要更多数据,进行分析和深入挖掘更多数据。 回顾整个模拟流程: 实验,检验你的理论务必使用比较法,数据相互比...
未分类
5.4k 词
2024.7.22 最终版本(安装软件+数据采集)收发硬件配置就到这里完成了,这篇不会再改动和新增。 2024.7.15 19:46 想起我之前和朋友留下的誓言,昨天开完会确定了一些东西后,我也开始认真去做了(不过这点不能让老师知道,我是现在才开始想好好认真对待emm哈哈)。估计是个人性格和思想,总有些莫名的叛逆哈哈,只想做自己想做的,不想的都很拖拉,也就难以开始。但是不管是项目组还是这学期的javaweb,我都能感觉到逃避不是一个很好的解决方式,特别是对于你之后一定会要去做的事情上面,这样累积起来的疲惫会成倍,不如踏实好好做完,再毫无负担地开始些新的东西。所以呢,咳咳,我的总结就是:对于不想且之后一定不做的,一丁点心思也不花;对于不想但之后还是要做的(这种事嘛,多半是还蛮重要的)就去按部就班做完。 ok,不想说这么多了,开始正文。主要讲kernel的配置和安装。 搭建硬件平台搭建的是Ubuntu version of Atheros CSI tool,主要用于收发CSI信号,用于后续实验收集数据做支撑来使用。 购买网卡 安装网卡和Ubuntu由于这步的内容是组内其他伙伴做的,...
未分类
1.1k 词
数据分析思维 数据分析过程 观测 (1)采集数据 解析系统日志 埋点获取新数据 通过传感器采集 爬虫解析网站 API获取数据 (2)存储数据 数据库 连接数据库取数 (3)展示数据 可视化高效传达信息 测量 设定标准 发现异常 应用数据创造价值 数据不断迭代产品和业务策略 明确目标 拆解目标 得到标准值 MECE:满足相互独立、且能够穷尽。 比较常见的拆解方法: 时间流程法 漏斗模型:AARRR,用户的流程 - PDCA:质量管理,先规划再进行,定期检查过程问题 - 精益创业:根据想法快速建产品,并根据数据快速更改想法 模型框架法 优劣势比较 投入产出比 SWOT 量化公式法 穷尽要素法 整体分为各部分 是什么-为什么-怎么做-做什么 拆解方法的记录拆解方法: 首先,需要符合MECE(无重复,无遗漏) 流程拆解法:流程分析进行拆解,适用于流程较长,环节较多,随着环节的进行,留存率越来越少的场景。 二分法:把事物分成A和非A两个部分。 象限拆解法:(1)可用于找到问题的共性原因,将有相同特征的事件进行归因分...
未分类
434 词
写在这里今天是2024年7月11日,准备继续开始学习数据分析的必要知识。 未接触的时候,我以为Python处理就算可以了甚至加分项,后来发现市面上更多使用Excel和MySql,看似很简单很枯燥是不是,但是当我前几天尝试学习Excel高级知识时候发现它的潜力远不止平常所用的功能。 该暑假学习完整个内容,如果能花时间做几个项目就更好了。 总路线接下来将根据该学习路线,先试着进行:戴师兄数据分析自学路线 2024/7/28 修改路线 ① 处理数据:Excel、Python、SQL② BI工具:Tableau、PowerBI③ 分析思维④ 大数据知识⑤ Python进阶⑥ 数学知识 决定根据个人的学习情况,适当修改学习路线和进度: 已完成: Excel Tableau SQL 改为先学FinBI,然后就先不用学习更多BI工具的使用,而是就Tableau和FinBI来更熟练掌握。 特此鸣谢! 建立数据分析思维 Excel 功能学习 BI 工具 SQL 其他了解:数仓、统计学知识、高数等 实操做项目