曾确令

何同学的“流量密码”：从219个封面测试看视频点击率的优化之道

作者
何同学的“流量密码”：从219个封面测试看视频点击率的优化之道 在短视频与自媒体高度竞争的时代，如何让作品在海量内容中脱颖而出？知名数码博主何同学通过一项针对219个视频封面的系统性测试，揭示了封面设计对点击率的深层影响，并结合自身创作经验总结出一套“流量密码”。本文将从测试方法、核心结论、数据分析原理、封面与内容的辩证关系以及创作者启示五大维度展开分析，为内容创作提供科学参考。 8.79 复制打开抖音，看看【老师好我叫何同学的作品】何同学工作室的绝密数据 我们测试了219个封面的点... https://v.douyin.com/iPXHj9Eq/ U@l.pD 05/05 dAg:/ ...

正则表达式入门教程

作者
5分钟搞懂 —— 正则表达式 （by 令爷） 引言 正则表达式是一种强大的文本匹配和处理工具。它就像是一个神奇的模式识别系统,能帮助我们在文本中查找、匹配和替换特定的字符串。无论是验证用户输入、处理文本文件,还是进行数据分析,正则表达式都能大显身手。 让我们通过一个简单的例子开始。假设你需要在一篇文章中找出所有的电话号码,你会怎么做?如果手动查找,这将是一项耗时的工作。但使用正则表达式,我们可以用一行代码就能完成这个任务。 1. 基础匹配 在深入学习正则表达式之前,我们先从最简单的开始 - 普通字符的匹配。 当我们在文本中查找一个确切的词时,可以直接使用这个词作为正则表达式。比如: 要查找...

四倍速小脚本

作者
把下面👇🏻的链接拖到书签栏，然后在视频播放页点击即可运行。 [4倍速播放] ⚠️ 免责声明 此脚本仅用于个人技术研究和学习目的： 这是一个用于测试HTML5 video元素API的实验性代码 纯粹作为JavaScript编程练习和浏览器API研究使用 不针对任何特定网站或平台 仅供学习和研究Web技术，请勿用于其他用途 使用者须遵守相关法律法规和网站服务条款 🔍 技术说明 这段代码演示了以下Web技术： HTML5 video元素的属性控制 JavaScript DOM操作 书签工具的实现原理 浏览器API的基础...

MarkItDown：微软文档智能转换工具，转换各种文件为Markdown格式

作者
MarkItDown：微软文档智能转换工具，转换各种文件为Markdown格式 综合介绍 MarkItDown是由微软开发的一个Python工具，旨在将各种文件和办公文档转换为Markdown格式。该工具支持多种文件类型，包括PDF、PowerPoint、Word、Excel、图片（EXIF元数据和OCR）、音频（EXIF元数据和语音转录）、HTML（特别处理Wikipedia等）以及其他文本格式（如CSV、JSON、XML等）。MarkItDown的API设计简洁，用户可以轻松地将文件内容转换为Markdown文本，方便进行索引、文本分析等操作。 功能列表 支持多种文件格式转换：PDF、...

Cursor 、v0 和 Bolt.new：当今 AI 编程工具的全面解析与对比

作者
Cursor 、v0 和 Bolt.new：当今 AI 编程工具的全面解析与对比 AI 驱动的编码工具正在迅速发展，每次新版本的发布都承诺将改变我们的开发流程。这些工具旨在通过智能代码建议、重复任务的自动化，甚至从自然语言提示生成整个代码片段来提升生产力。10月4日，StackBlitz 推出了 Bolt.new，进一步丰富了AI 编码助手的生态系统，并迅速吸引了全球开发者的关注。几天之内，互联网上充斥着文章和视频，宣称 Bolt.new 是“ Cursor 和 v0 的杀手”。 本文将基于我对这些工具的实际使用经验进行实事求是的比较。将分析每个工具的优缺点，告诉在何种情况下以及为什么选择其...

提前体验火上热搜的 Kimi 探索版，我感觉 AI 搜索和百度们完全不是一个物种了

作者
提前体验火上热搜的 Kimi 探索版，我感觉 AI 搜索和百度们完全不是一个物种了 谁能最先用 AI 颠覆搜索，至今还悬而未决。 年初，在体验当下几款热门的 AI 搜索引擎后，我和同事都一致认为，即便百度、Google 等搜索引擎巨头被群狼环视，但还是难以被撼动。 最近发布的 Kimi 探索版带来了很大的惊喜。相比于 AI 搜索更懂人类，我们更希望 AI 搜索引擎能够一步到位，最好就是成为一个带脑子的人类。 先来一剂预防针，目前 Kimi 探索版并未向所有用户开放。 昨天，在探索版上线之后，「Kimi 崩了」这一词条也迅速登上了热搜。不过，Kimi 官方也说了，预计将于下周一向所有用户全量...

python爬虫工具集合

作者
python爬虫工具集合 主要针对python3 常用库 获取目标 chrome/firefox chrome开发者工具小技巧 史上最全的Chrome使用技巧集锦 fiddler project download-unofficial download-official articles Fiddler是最强大最好用的Web调试工具之一，它能记录所有客户端和服务器的http和https请求，允许你监视，设置断点，甚至修改输入输出数据，使用Fiddler无论对开发还是测试来说，都有很大的帮助。Fiddler4基于4.0的.NET。 wireshark download artic...

50个最佳机器学习公共数据集

作者
外国自媒体mlmemoirs根据github、福布斯、CMU官网等信息，整理了一张50个最佳机器学习公共数据集的榜单，为大家分享一下~ 外国自媒体mlmemoirs根据github、福布斯、CMU官网等信息，整理了一张50个最佳机器学习公共数据集的榜单，为大家分享一下~ 提前说下须知： 一、寻找数据集的意义 根据CMU的说法，寻找一个好用的数据集需要注意一下几点： 数据集不混乱，否则要花费大量时间来清理数据。 数据集不应包含太多行或列，否则会难以使用。 数据越干净越好，清理大型数据集可能非常耗时。 应该预设一个有趣的问题，而这个问题又可以用数据来回答。 二、去哪里找数据集 Kaggle：爱竞...

用户调研之标准化可用性问卷

作者
用户调研之标准化可用性问卷 来源：https://www.biaodianfu.com/summary-of-examined-usability-surveys.html 最近收到了对两个平台进行对比调研的需求，原以为做下简单的问卷设计就可以了，找了一些资料发现中间的门道还是非常的深，想要很好的掌握实属不易。可用性测试的问卷有很多中，如下图： 什么是标准化的问卷 问卷是一种用于获取被测者信息的表格，问卷的题目可以是开放式的问题，但更典型的是选择题或打分题。标准化问卷是被设计为可重复使用的问卷，通常有一组特定的问题使用特定的格式按照特定的顺序呈现，基于用户答案产生的度量值具有一定的规则（...

2023年5个自动化EDA库推荐

作者
2023年5个自动化EDA库推荐 来源：deephub EDA或探索性数据分析是一项耗时的工作，但是由于EDA是不可避免的，所以Python出现了很多自动化库来减少执行分析所需的时间。EDA的主要目标不是制作花哨的图形或创建彩色的图形，而是获得对数据集的理解，并获得对变量之间的分布和相关性的初步见解。我们在以前也介绍过EDA自动化的库，但是现在已经过了1年的时间了，我们看看现在有什么新的变化。 为了测试这些库的功能，本文使用了两个不同的数据集，只是为了更好地理解这些库如何处理不同类型的数据。 YData-Profiling 以前被称为Pandas Profiling，在今年改了名字。如果...

数据探索工具Dataprep.eda

作者
数据探索工具Dataprep.eda 来源： https://www.biaodianfu.com Pandas-profiling（2016）被称为EDA（Exploratory Data Analysis）分析的典型工具，然而Pandas-profiling的一个主要缺点是它提供的是数据集的侧写，而EDA是一个迭代的过程，分析过程中会对对数据不断进行质疑、理解、处理、转换等。 Pandas-profiling严格的分析框架与当前EDA的最佳实践背道而驰。 Dataprep.eda（2020）是一个 Python 库，它支持迭代和以任务为中心的分析，就像 EDA 注定要做的那样。dat...

Pandas基础教程之替换SQL

作者
Pandas基础教程之替换SQL 来源： https://www.biaodianfu.com 对于很多数据分析的同学来说，最熟悉的莫过于SQL，针对数据处理问题，脑海里的第一反应也往往都是SQL，而在日常的工作中往往也需要在Pandas的DataFrame数据上处理和分析数据，今天就一起来学习Pandas。 使用Pandas代替SQL 选择列 ## select COL1, COL2 from TABLE; # df.loc[:, ["COL1", "COL2"]] pandas中loc与iloc区别 在Pandas中，iloc和loc是两种...

统计学基础之摘要统计

作者
统计学基础之摘要统计 来源： https://www.biaodianfu.com 什么是摘要统计？ 摘要统计是一种用来描述、概括和呈现数据集特征的统计学工具。它们通常用于数据分析的初步阶段，可以帮助研究者理解数据的基本趋势和模式，但不用于从样本推断总体的结论。摘要统计主要包括两类指标：集中趋势的度量和离散程度的度量。 集中趋势的度量： 平均值（Mean）：数据集合中所有数值的总和除以数值的数量。 中位数（Median）：将数据集合按数值大小排列后处于中间位置的数值。 众数（Mode）：在数据集合中出现次数最多的数值。 离散程度的度量： 极差（Range）：数据集中最大值与最小值的...

探索性数据分析详解

作者
探索性数据分析详解 来源： https://www.biaodianfu.com 什么是探索性数据分析？ 探索性数据分析（Exploratory Data Analysis，简称EDA） 是指对已有的数据（特别是调查或观察得来的原始数据）在尽量少的先验假定下进行探索，通过作图、制表、方程拟合、计算特征量等手段探索数据的结构和规律的一种数据分析方法。 探索性数据分析（EDA）与传统统计分析（Classical Analysis）的区别： 传统的统计分析方法通常是先假设样本服从某种分布，然后把数据套入假设模型再做分析。但由于多数数据并不能满足假设的分布，因此，传统统计分析结果常常不能让人...

机器学习/数据分析之缺失值处理

作者
机器学习/数据分析之缺失值处理 来源： https://www.biaodianfu.com 在机器学习数据预处理阶段经常需要对数据进行缺失值处理。关于缺失值的处理并没有想象中的那么简单。以下为一些经验分享。 数据缺失类型 完全随机丢失（MCAR，Missing Completely at Random） ：某个变量是否缺失与它自身的值无关，也与其他任何变量的值无关。例如，由于测量设备出故障导致某些值缺失。 随机丢失（MAR，Missing at Random） ： 在控制了其他变量已观测到的值后，某个变量是否缺失与它自身的值无关。例如，人们是否透露收入可能与性别、教育程度、职业等因素...