Eric_Hxy的专栏

原创 子集筛选（Select by Data Index）组件研究

本文介绍了Orange软件中的Select by Data Index组件（子集筛选组件）的功能与应用。该组件通过行标识匹配，可准确筛选同源但处理路径不同的数据子集，适用于特征工程数据对齐、多步骤分析数据衔接等场景。文中以Iris数据集为例，展示了从主成分分析结果中筛选样本并回溯原始特征的全过程，包括150个样本通过PCA降维后，在散点图中筛选3个样本并成功匹配原始数据的完整操作流程。实例文件已开源，为特征对齐等数据挖掘任务提供了实用解决方案。

原创 扩展数据（Concatenate）组件研究

本文聚焦 Orange软件的 Concatenate 组件，介绍其在数据挖掘中用于纵向整合数据、增强实例数量的功能，适用于分段、分组、多端等多源同构数据整合场景。该组件有主数据和辅数据两种模式，辅数据模式下可选择变量并集或交集，主数据模式下能按主数据列名或位置匹配变量，文中通过股价数据实例展示了不同配置下的输出效果。

原创 合并数据（Merge Data）组件研究

在数据挖掘领域，数据合并是预处理阶段的核心操作，通过特征补全、样本连接、特征拼接三种模式实现多源信息融合。特征补全以主数据为基准补充辅数据特征并保留主数据全样本，未匹配特征标记为缺失，从而丰富主数据的信息维度；样本连接通过交叉验证剔除多源数据中不匹配的样本，仅保留满足共同约束的高质量样本，确保融合数据的一致性；特征拼接则保留多源数据的所有样本，通过共享特征标识合并，未匹配特征标记为缺失以区分跨场景信息差异。本文详细介绍了Orange软件的Merge Data组件的数据合并功能。

原创 转置（Transpose）组件研究

详解开源数据挖掘软件Orange的Transpose组件功能。

原创 Select Rows组件研究

详解Orange软件中Select Rows组件的功能。

原创 Select Columns组件研究

详细介绍Orange数据挖掘软件的Select Columns组件。

原创 Data Sampler组件研究

详细介绍Orange的Data Sampler数据抽样组件功能

原创 PaddleOCR模型ch_PP-OCRv3文本检测模型研究（二）颈部网络

分析了残注层RSELayer的内部结构，了解到卷归层和压发层是其内核；分析了颈部网络RSEFPN的四层金字塔结构，以及颈部网络与骨干网络的对接关系；做了简单的代码实验，将实战输出与图形描述进行了对应标注。

原创 PaddleOCR模型ch_PP-OCRv3文本检测模型研究（一）骨干网络

首先解释了卷归层ConvBNLayer、压发层SEModule、残差层ResidualUnit三个基本概念，接着分析了MobileNetV3的内部结构，最后通过python代码展示PaddleOCRv3文本检测神经网络的summary输出。

原创 PaddleOCR源码研究（三）TextRecognizer与TextClassifier类详解

详解文本识别类TextRecognizer与文本方向分类TextClassifier，并通过两个代码实验，说明两者单独使用与结合使用的典型过程。

原创 PaddleOCR核心源码研究（二）TextDetector类详解

PaddleOCR的文本检测类TextDetector详解，介绍__init__与__call__方法，并通过三个代码实验举例说明文本检测结果的应用。

原创 PaddleOCR核心源码研究（一）总论

概要介绍PaddleOCR的相关类，并以PDF文件的文本提取来举例。

原创 PPStructure核心源码研究（五）TableSystem类详解

本文详细描述了TableSystem类的核心函数与典型应用。

原创 PPStructure核心源码研究（四）TextSystem类详解

本文详细介绍PPStructure的核心类TextSystem，通过代码示例展现OCR的基本用法。

原创 PPStructure核心源码研究（三）LayoutPredictor类详解

详述PP-Structure源码的核心类LayoutPredictor，介绍其主要使用方式。

原创 PPStructure核心源码研究（二）StructureSystem类详解

详细解释StructureSystem类的核心方法，并通过三个代码实践，展现主要应用场景。

原创 PPStructure核心源码研究（一）总论

总体介绍PPStructure源码的核心类与相互关系。

转载 如何彻底解决Kettle无法连接MySQL8的缺陷？

一、背景在使用Kettle对数据进行处理时，最常见的操作莫过于关系数据库的使用，然而使用最新版本Kettle8常面临以下几个痛点：不支持MySQL8。MySQL是当前最流行的开源关系数据库，用户基数仅次于Oracle。由于具有更好的性能，目前很多系统都已经用上了最新版本MySQL8。比较遗憾的是Kettle并不支持该版本数据库的连接。 无法在同一转换/作业中同时使用相同数据库的不同版本驱动。因为Kettle将所有数据库驱动统一放在lib目录中，并由同一个类加载器进行加载，如果存在多个版本的驱动则.

转载 REST客户端步骤详解

REST客户端转换步骤可以消费RESTful服务。RESTful是一种网络应用程序的设计风格和开发方式，基于HTTP，可以使用XML格式定义或JSON格式定义。在该体系中Web服务被视为资源并且可以通过其URL进行标识。该步骤有常规、认证、SSL、标题、参数、矩阵参数六个标签页。常规标签页配置信息如图1所示：图1常规标签页配置信息下文详细解释各控件的含义：1、转换步骤名称：步骤的名称，在单一转换中，名称必须唯一。常规标签页为REST客户端资源输入以下连接信息：2、URL：指定请.

转载 Excel输出步骤详解

Kettle中的Excel输出步骤是将输入流中的数据转换为Excel文件输出到指定路径中。该步骤有“文件”、“内容”、“格式”、“字段”四个标签页。“文件”标签页配置信息如图1所示。图1 “文件”标签页配置信息下文详细解释各控件的含义：1.转换步骤名称：步骤的名称，在单一转换中，名称必须唯一。2.文件名：指定Excel文件生成的路径。3.创建父目录：勾选后将根据“文件名称”中的路径自动创建父目录。4.启动时不创建文件：勾选后在转换开始时不会生成文件。5.扩展名：为生成文.

转载 转发CKettle免费用户征集

CKettle是中国通服工业互联网(大数据)研究院自研的一款跨平台、跨行业、高效、稳定且易扩展的数据交换产品，专注于数据融通与价值挖掘。本产品基于Kettle8.0开发，在保留原生Kettle强大数据集成功能的基础上，对客户端的功能和易用性等方面进行了增强与本地化适配，建立了完善的云端支撑体系，致力于打造全方位CKettle使用与交流生态圈。了解更多CKettle相关信息，请进入CKettle官方网站https://ckettle.ccsaii.com.cn。现征集CKettle第一批免费技术服务用户.

原创 Java编程的实用技术

volatile修饰的变量，可以保证各个线程看到的是同一个值，但并不能保证其线程安全性。例如多个线程，并发对volatile变量进行数字运算，线程安全无法保证。也就是说，volatile可以保证可见性，但不能保证安全性。两种情况适合用volatile：1、运算结果不依赖变量的当前值，或者只有一个线程能够修改变量的值2、变量不需要与其他状态变量参与不变约束volatile还可以禁止指令重...

原创 实用Java虚拟机参数

-Xmx50m 设置最大内存为50兆-Xms30m 设置最小内存为30兆-Xmn10m 设置年轻代内存大小为10兆，年轻代包括一个Eden和两个Survivor区。-XX:+HeapDumpOnOutOfMemoryError 在出现内存溢出异常（OOME）时自动生成转储文件，后缀名为hprof，路径为执行程序的所在路径。也可以通过-XX:HeapDumpPath指定路径。-XX:...

原创 如何让用户上瘾？

触发：外部触发与内部触发。行动：追求快乐，逃避痛苦；追求希望，逃避恐惧；追求认同，逃避排斥。酬赏：社交酬赏（互动）；猎物酬赏（获得资源或者信息）；自我酬赏（操控感、成就感、终结感）投入：很高的发生频率与可感知的实用性。《上瘾-让用户养成使用习惯的四大产品逻辑》...

原创 数据处理知识图谱

原创 基于Eclipse搭建Kettle插件调试环境的两种方法

本文讲述基于Eclipse搭建Kettle插件调试环境的两种方法，并通过一个HelloKettle实例介绍插件开发的入门知识。

原创 使用Kettle从国家统计局下载行政区划代码数据

利用Kettle从国家统计局下载行政区划代码数据

原创 Ubuntu使用笔记

新建终端：Ctrl + Alt + T挂载虚拟机共享文件夹： sudo mount -t vboxsf vm_share  /home/erichoo/vm_host

原创 git常用命令

查看远程服务器的地址git remote -v

原创 LINUX下执行资源库中的指定job

kitchen.sh -rep=资源库名称 -user=资源库用户名 -pass=资源库密码 -dir=资源库目录名称 -job=作业名称 -level=日志级别kitchen.sh -rep=rep1 -user=admin -pass=admin -dir=/abc -job=jb1 -level=Basic

原创 DOCKER学习

三个核心概念：镜像Image：虚拟文件集合容器Container：运行态进程集合仓库Repository：镜像仓库运行容器：sudo docker run --name pg_8088 -e POSTGRES_PASSWORD=764275 -d -p 8088:5432 postgres:9.6-p参数将host机器的8088端口映射到容器的5432端口。列出容器：sudo docker ps ...

原创 登录Hive

hive> select * from cmc_history_data limit 10;OK001_10_7_8498766789855  10      7       0.03    2017-07-28 17:13:30001_10_7_8498767853827  10      7       0.03    2017-07-28 16:55:46001_10_7_8

原创 OutOfMemoryError GC overhead limit exceeded

在Java虚拟机中增加参数：-XX:-UseGCOverheadLimit可以disable该功能

原创 Kylin实例Cube实验

查询每周销售记录的数量：SELECT COUNT(*),B.WEEK_BEG_DT FROM KYLIN_SALES AS A INNER JOIN KYLIN_CAL_DT AS B ON A.PART_DT=B.CAL_DT GROUP BY B.WEEK_BEG_DT ORDER BY B.WEEK_BEG_DT查询每周的销售记录总数、价格均值、总价：SELECT C

原创 华为P6安装Sygic

地图路径在哪里？/storage/emulated/0/Sygic/Mapsvat.ta.2017.01  Vaticanqat.ta.2017.01  Qatarche.ta.2017.01  Switzerland

原创 Java枚举变量的遍历与转换

package test;/** * 演示如何遍历所有枚举值以及字符串转为枚举 * @author hexy * */public class GetAllEnumValues {    private enum Algorithm{FPGrowth,Apriori};    public static void main(String[] args) {

原创 负载均衡

负载均衡的一个基本架构：1、DNS服务器，如果资金充足的话，建议使用BGP机房，2-3台DNS服务器均衡，通常使用bind软件。如果资金紧的话，可以购买专业的dns服务，比如国内的dnspod。2、CDN服务器，一开始如果想省事，可以买专业公司的服务，如chinacache，但随着发展成本会越来越高。自建的话，可能分别搭建，放电信、联通、移动等不同机房的服务器，通过dns做动态解析。超大网

原创 git切换分支

hexy@hexy-PC MINGW64 /d/c3_git/emis/emis (master)$ git branch* masterhexy@hexy-PC MINGW64 /d/c3_git/emis/emis (master)$ git pullPassword authenticationPassword:Already up-to-date.

原创 面向对象设计原则

面向对象类设计，或者说是面向对象设计，有五大原则（SOLID）:　　Single Responsibility Principle 　　　　单一职责原则　　Open Closed Principle　　　　　　　　开闭原则　　Liskov Substitution Principle　　　　　里氏替换原则        Interface Segregation Princ

原创 导出所有DLL中的函数

新建bat文件，内容为：for /f "delims=" %%i   in ('dir  /b/a-d/s  D:\temp\C3-EntranceGuardApp\C3-EntranceGuardApp\*.dll')  do (echo %%i"C:\Program Files (x86)\Microsoft Visual Studio 11.0\VC\bin\x86_am