TWiki简明语法速查

WIKI是一个开放的自维护发布平台,任何人可以编辑任何文档和结构

简要的语法备忘如下:


如何新建TWIKI页面
=================
建立新入口的方法就是建立一个CamelWord 就是2个大小写交错的关键词:
比如 CheDong 如果这个节点不存在,TWIKI就会有一个可以点击的"?",点击这个"?",
就会出现这个页面的编辑入口,保存后,这个节点就创建了。
同样的:如果其他页面中引用了这个关键词,页面上会自动生成一个指向相应TAG的链接。

如何插入链接
============
最简单的:直接把链接输入,TWIKI自动会把它变成链接。如果链接是以 .jpg .gif .png结尾的,twiki会自动将其变成图片。

如果需要自己定义链接的标题:
[[http://www.example.com/][标题]]

如果是指向TWIKI内部链接:可以直接写 CamelWord
[[CheDong][标题]]

如何列表缩进
============
* 3个空格加*
* 6个空格加*
* 9个空格加*

如何编号缩进
============
1 3个空格加1
1 6个空格加1
1 9个空格加1


如何设置标题
============
---+ 顶级标题
---++ 2级标题
---+++ 3级标题

如何创建表格
============
就是用竖线将不同字段分割开: "|" 样例
| *name* | *age* |
| Tom | 10 |
| Jerry | 10 |

如何用wiki写blog:



创建一个:ExampleBlog



---+ 日常备忘

<form name="new"
action="%SCRIPTURLPATH%/edit%SCRIPTSUFFIX%/%WEB%/">

<table border="0" cellpadding="5" cellspacing="0" class="bigframe"
width="100%"><tr><td>

  创建今天的备忘

     <input type="text" name="topic"
value="ExampleBlog%SERVERTIME{$year$mo$day}%" size="40" />

     <input type="hidden" name="topicparent"
value="%TOPIC%" />

     <input type="hidden" name="onlywikiname"
value="on" />

     <input type="submit" value="创建" />

</td></tr></table>

</form>

%SEARCH{ "ExampleBlog20" scope="topic" reverse="on" limit="5"
order="modified" nosearch="on" nototal="on" format="<p>
*[[$topic]]* <br> <span class=\"xsmall\">$date</span>
<br> $summary </p>" }%



通过以上脚本:可以获得一个创建窗口,下面附带最新的5条记录。



还可以将这个备忘嵌入在其他页面中:比如嵌在首页的右上角

<table class="bigframe" width="200" align="right">

<tr><td class="small"
style="background-color:#CCCCCC;">*每日备忘*</td></tr>

<tr><td class="xsmall">

%SEARCH{ "ExampleBlog" scope="topic" reverse="on" limit="5"
order="modified" nosearch="on" nototal="on" format="   *
*[[$topic]]*
<br> $date" }%

</td></tr>

<tr><td align="right"
class="xsmall">[[ExampleBlog20][more...]]</td></tr>

</table>



获得当前的最新修改:

*最新修改:*

%SEARCH{ "*" reverse="on" limit="5" order="modified" nosearch="on"
nototal="on" format="<p> *[[$topic]]* <br> <span
class=\"xsmall\">$date</span> <br> $summary</p>" }%



[[WebChanges][more ...]]

常用的一些标签: 需要有相关插件支持
%EDITTABLE{}% 表格在线编辑
%COMMENT{}% 留言簿

Bugzilla集成:线在Bugzilla上保存一个搜索Release1_P1_P2
%BZSEARCH{named_search="Release1_P1_P2" showfields="bug_id,summary,component,age,priority,bug_severity,reporter,assigned_to,qa_contact,bug_status" sort_by="priority,bug_status"}%

参考:
TWiki各种内置参数: http://www.program-transformation.org/TWiki/TWikiVariables

作者: 车东 发表于:2005-03-17 18:03 最后更新于:2011-12-19 10:12
版权声明:可以转载,转载时请务必以超链接形式标明文章 的原始出处和作者信息及 本版权声明

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
首先,我们需要下载并导入数据。可以通过以下代码实现: ```python import pandas as pd from sklearn.decomposition import PCA from sklearn.linear_model import LinearRegression url = 'http://biostat.mc.vanderbilt.edu/wiki/pub/Main/DataSets/titanic3.csv' data = pd.read_csv(url) x_cols = ['pop.density', 'medianage', 'pctmarried', 'pctwhite', 'pctblack', 'pctasian', 'pcthisp', 'pctothr', 'lowbirthweight', 'smoker', 'infantmortality', 'medianrent', 'pctnotHSgrad', 'pctcollege'] y_col = 'turnout' X = data[x_cols].values y = data[y_col].values.reshape(-1, 1) ``` 接下来,我们可以使用PCA对X进行降维,以减少变量之间的相关性。可以通过以下代码实现: ```python pca = PCA(n_components=10) X_pca = pca.fit_transform(X) ``` 现在,我们可以使用线性回归对y关于X_pca进行建模,并计算置信区间。可以通过以下代码实现: ```python model = LinearRegression() model.fit(X_pca, y) y_pred = model.predict(X_pca) n = len(y) p = X_pca.shape[1] alpha = 0.05 t_val = 2.064 sse = ((y - y_pred)**2).sum() mse = sse / (n - p - 1) se = mse * np.sqrt(np.diag(np.linalg.inv(X_pca.T @ X_pca))) t_crit = t_val * se ci_lower = y_pred - t_crit.reshape(-1, 1) ci_upper = y_pred + t_crit.reshape(-1, 1) ``` 最终,我们得到了y关于X_pca的线性回归模型和置信区间。可以通过以下代码输出: ```python print('y = {:.4f} + {:.4f}x1 + {:.4f}x2 + ... + {:.4f}x10'.format(model.intercept_[0], *model.coef_.flatten())) for i in range(n): print('y_{}: [{:.4f}, {:.4f}]'.format(i, ci_lower[i][0], ci_upper[i][0])) ``` 需要注意的是,由于数据集的特殊性,即存在多个缺失值和异常值,使用线性回归建模可能会出现病态回归模型的情况。这时,我们可以考虑使用其他的建模方法,比如岭回归、lasso回归或弹性网络回归等,以减少过拟合的情况。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值