自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(71)
  • 收藏
  • 关注

原创 用本地机做跳板使服务器连接外网【mac】

如果显示这样的页面就说明连接成功了,可以愉快的使用外网了!服务器连不上外网,但能连我们电脑,那让我们的电脑当个传话的,服务器和外网想聊啥,我们在中间传话就行。很多时候我们的服务器只能联内网,但是没法登外网,这样pip,conda 啥的都没法用,很麻烦。一个简单的解决方法就是用自己的电脑作为跳板机,让服务器通过我们的电脑访问外部网站。注意,这个操作有一个前提:自己电脑要既能连上服务器,又能通外网。这里的 xx.xxx.xx 就是我们上面让大家记住的ip。记住这里from后面的ip,这是我们本地机的ip地址。

2023-05-18 20:34:09 1768

原创 一文看懂 Theorem Theory Proposition Lemma Corollary Claim 的区别

由Theorem推出来的结论,通常我们会直接说this is a corollary of Theorem A,即 Theorem …Theory:定理。相比于 Theorem,其往往不需要严格的数学证明。当我们想提出一个理论,而该理论无法抽象成一个完备的数学问题,就应该用 Theory 而不是 Theorem。相比于 Theorem 和 Theory,如果一个理论只能用于特定的问题且无法泛化到普遍情况,则用Proposition。Theorem:定理。是文章中重要的数学化的论述,一般有严格的数学证明。

2023-01-04 12:35:19 1349

原创 【MacOS & Windows】SSH 设置别名+免密登录

首先,进入ssh的config文件按I写入输入:x保存退出,设置别名成功。可以直接进行测试。

2023-01-01 15:49:12 536

原创 Mac 使用 vscode 写 latex

平时写 latex 都依赖 在线编辑器, 但这个网站在一些 ddl 时会偶尔崩溃,影响体验,因此本文尝试在 mac 环境中 用 vscode 写 latex。

2022-10-28 19:38:33 6692 9

原创 深度学习良好的代码习惯

可以有效避免代码问题导致的梯度泄露。

2022-08-12 16:38:18 232

原创 pandas 的基本使用

假设我们现在有pandas数据data。

2022-08-10 15:01:02 341

原创 rpy2入门【安装R 安装rpy2 基本操作 常见问题】

rpy2 这个 R 包 是一个连接Python和R语言的接口,使用它就可以愉快的在Python中写R。TODO这是解析错误,检查自己写的R语句格式,比如有没有少括号之类的。

2022-07-04 16:10:55 5715 4

原创 cpu 提速

查看当前cpu使用情况htop 固定在0~10核运行,避免进程的切换。taskset 0-10 python main.py

2022-04-21 17:24:05 166

原创 Conda 常用指令 (Mac)【下载 安装 环境配置 查看 创建 激活 配置cuda 拷贝环境】

查询所有环境conda info --envs显示结果:# conda environments:#base * /home/zmq/anaconda3myenv /home/zmq/anaconda3/envs/myenv其中 * 表示当前正在使用的环境。激活环境比如想切换到myenv环境,则输入conda activate myenv此指令没有结果输出。然后再查询所有环境可得# conda envir

2022-02-23 11:13:27 3255 1

原创 因果6-估计因果效应

图1. 识别-估计流程如图1所示,前两章我们学习了如何识别因果效应,将因果量转化为统计量,这一章我们学习如何估计因果效应。首先回忆下之前学过的相关概念。ITE(individual treatment effect):个体因果效应。ITE=Yi(1)−Yi(0)ITE = Y_i(1) - Y_i(0)ITE=Yi​(1)−Yi​(0)ATE(average treatment effect):平均因果效应ATE=E[Yi(1)−Yi(0)]ATE = E[Y_i(1) - Y_i(0)..

2021-09-23 10:03:56 2605 2

原创 latex 数学符号[持续更新]

名称符号写法独立于⊥ ⁣ ⁣ ⁣⊥\perp \!\!\! \perp⊥⊥\perp !!! \perp不独立于̸ ⁣⊥ ⁣ ⁣ ⁣⊥\not \! \perp \!\!\! \perp​⊥⊥\not ! \perp !!! \perp所有∀\forall∀\forall大家有什么建议加上的符号可以在评论区提出。......

2021-09-12 14:03:52 372 2

原创 因果5-前门准则和do算子

上文我们提到了含有未观测变量的情况,在这种情况下,我们无法block所有后门路径,那么有没有办法可以不满足后门准则也能识别因果效应?(这章篇硬核,建议跟着推一遍)Frontdoor Adjustment如图1所示,W是未观测变量,如果我们能只计算T到Y的直接因果边,自然就能识别T到Y的因果关系了,Frontdoor Adjustment就是奔着这个目标去的,它指出只要T和Y直接有一个mediator(中介者)M,即使不满足后门准则,我们也能计算出因果效应,只要因果图满足Frontdoor criteri

2021-09-11 13:21:44 3893 4

原创 因果4-因果模型

上一章我们从统计学角度学习了贝叶斯网络中点与点的关系,并没有真正涉及因果的重要内容,因为基于的都是条件概率,没有牵扯到干预,而干预是因果很重要的操作,这一章我们从干预开始,进一步学习如何识别因果图中的因果量。首先让我们回顾并正式定义第一章中提到的干预–do操作。The do-operator图1. condition和intervention如图1所示,conditioning和intervening是不同的操作。conditioning on T=t(在T=t条件下)表示我们只关注数据中T=t

2021-07-23 14:14:33 2190

原创 因果3-因果图

上一章我们介绍了潜在结果模型,这一章我们尝试从图的角度理解因果,大家都有图论基础,我就不多赘述图的基本概念了,在因果图里我们主要研究DAG(directed acyclic graph,有向无环图),如图1。...

2021-07-21 10:28:23 1842 1

原创 因果2-潜在结果框架

因果2-潜在结果框架摘要:从因果到统计,我们需要走多久?上一章我们从因果和统计学的关系出发,初步了解了一个经典因果框架:潜在结果框架,今天我们继续学习这个框架。图1是上周我们留下的”吃药治头疼“的数据表格。我们如何从该表格中求出平均处理效应呢?图1. ”吃药治头疼“数据让我们假定这是在随机对照实验中获得的数据,即统计关联等于因果效果,可以求得ATE=13\frac{1}{3}31​,如图2所示。图2. ATE求解1但根据上一章可知,能满足随机对照试验的数据太少了,真实观测数据中充斥着混淆变

2021-05-07 19:44:29 2229

原创 因果1-当我们谈及因果

上一章我们提出了两个有趣的因果问题,并浅尝辄止的提及了因果推理的定义:因果推理指推断出任意处理或干预等的效果。这一章让我们从因果和统计学的关系出发,了解二者的关系,并初步学习一个经典因果框架:潜在结果框架。首先我们回忆上一章我们提到的问题,公鸡打鸣是太阳升起的原因吗?地面潮湿是天要下雨的原因吗?二者是相关的,那他们的因果关系是什么?带着这个疑惑,让我们开始今天的学习。Correlation does not imply causation首先,关联性并不意味着因果性。关联性是统计学的概念,而因果性

2021-04-18 19:58:09 884 2

原创 因果推理0-因果律武器

因果推理0-因果律武器本文旨在整理本人在学习途中的思路,可能会有些逻辑混乱或疏漏之处,望大家勘误。当然如果能引发读者对因果方向的兴趣那将不胜荣幸。幸存者偏差在开始前,我想先举一个例子,希望这个例子可以引出我们后续的思考。假如在一场战争中,你是一名飞机工程师,你的上司扔给你一堆飞行员开回来的战损机,并要求你改进飞机的模型。你根据战损机的信息统计出了弹孔模型,如图1所示。红色的是弹孔位置,统计发现机翼上的弹痕最多,机尾和引擎最少,你的同行凭此判断应加强机翼的防御,并减轻机尾和引擎的防御,你是否赞同?

2021-04-16 09:49:54 969

原创 如何查看process name全名

最近在服务器上跑实验,发现用nividia-smi时进程名总是显示不全,因此记录下这个方法。ps -u --pid id例如:ps -u --pid 1234

2021-03-24 16:06:56 3906

原创 Pycharm import Unresolved reference

Pycharm 在导包时常会出现“Unresolved reference”的问题。比如我们想在Demo项目中,引用Demo/Demo1/Demo2/a包,解决方法:在包前加上项目根目录:import Demo.Demo1.Demo2.a设置source root,右键点击a的上层目录Demo2,进行以下操作完成后,目录Demo2会由灰色变为蓝色。之后,就可以直接imp...

2020-04-04 12:08:07 315 1

转载 "/lib/x86_64-linux-gnu/libcrypto.so.1.1: undefined symbol: EVP_CIPHER_CTX_cleanup"解决方案

转自该博客报错的原因:这个问题是由于在openssl1.1.0版本中,废弃EVP_CIPHER_CTX_cleanup函数。解决办法:找到shadowsocks/crypto/中的openssl.py,如:vim /usr/local/lib/python2.7/dist-packages/shadowsocks/crypto/openssl.py将该文件中所有的EVP_CIPHER...

2020-03-25 12:47:06 1873 2

原创 ubuntu 查看文件【个数 大小】

查看当前文件夹内文件个数(不含子文件夹中的文件):ls -l|grep "^-"| wc -l查看当前文件夹内目录个数(不含子文件夹中的文件夹):ls -l|grep "^d"| wc -l查看当前文件夹内文件个数(含子目录中的文件):ls -lR|grep "_"|wc -l......

2020-03-25 12:28:08 1392

原创 Linux 中 screen 的基本使用

当我连服务器训练模型的时候,会遇到一些情况:用服务器下载东西运行一个程序跑模型因为没有root权限,无法后台开代理等此时只有分屏,我们才能继续工作,screen就是一个极易上手的分屏工具,下面介绍一个完整的分屏流程:增首先,创建一个screen会话,命令行输入:screen -S opwin # 这步操作是创建一个名为opwin的screen, # 以命名方式创建的好处是...

2020-03-25 12:06:53 9209

原创 L1正则化问题

在线性优化中,通常会遇到l1正则化,由于L1不可导,所以如何求得最优解是个问题。考虑最简单的线性模型, 用平方误差作为优化函数,则优化目标为:使用L1正则化,则为:该优化目标也叫LASSO回归。将(1)视为对w的函数,:若f(x)可导,且∇f可导,且∇f满足L−Lipschitz条件,即存在常数L>0使得∣∇f(x′)−∇f(x)∣≤L∣x′−x∣,∀(x,x′)|\nabl...

2020-03-12 21:03:17 1285

转载 逻辑回归输出的值是真实的概率吗?

本文只在博客基础上,在三、指数分布族中有所改动。逻辑回归作为被广泛使用的二分类模型,面试中自然是不可缺少的。但要深刻理解逻辑回归又不是那么容易的,比如说,逻辑回归输出的值是0到1之间的值,这个值是真实的概率吗?逻辑回归为什么要选择sigmoid函数的形式,而不是其他将数值映射到0到1之间的形式?本文试图给出一个尽可能简单明了的分析。一、从一个例子开始假设你在一家金融公司工作,老板交给你...

2020-02-27 16:10:58 4513

原创 初学Linux-1 / ~ ./的区别

/ 表示根目录~ 表示当前用户的目录地址,比如当前用户为root,则等价于/root./ 表示当前目录

2019-10-31 10:46:04 241

转载 NP问题真的很难理解

希望通过这篇文章可以不仅让计算机相关专业的人可以看懂和区分什么是P类问题什么是NP类问题,更希望达到的效果是非专业人士比如学文科的朋友也可以有一定程度的理解。有一则程序员界的笑话,就是有一哥们去googl...

2019-10-10 10:32:15 308

转载 学习西瓜书-公式1.1

解释下为什么使用(1.1)式作为“训练集之外的所有样本上的误差”。首先,我们是这样定义一个假设函数h对一个样本点x的预测误差的:预测值h(x)与真实值f(x)一致则误差为0,不一致则误差为1,即I(h(x)≠f(x))由于x是一个随机变量,那么这个误差值也是一个随机变量,取值为0或1,其在训练集之外的所有样本上的期望可以看作假设函数h在训练集之外的所有样本上预测的错误率,即:我们就把这个错...

2019-10-09 10:54:16 990 8

原创 PAT甲级 1020 Tree Traversals (25 分)

题目: 戳这里题意:已知后序、中序遍历,求层序遍历。解题思路:需要抓住后序、中序的遍历顺序。后序:左右根,则根一直在最后面。中序:左根右,则根的左边为左子树,右边为右子树。通过后序遍历锁定根的位置;在中序遍历中找到根,则其左边的为左子树,右边的为右子树,于是我们得到了左右子树的长度;在后序遍历中,根的左边就是右子树的根,整个长度减去右子树的长度和跟,就是左子树,且左子树的根在最右边...

2019-09-04 20:58:29 149

原创 PAT甲级 1019 General Palindromic Number (20 分)

题目:戳这里题意:给数字n和基数b,求n在b进制下是否回文。解题思路:暴力。代码:#include <bits/stdc++.h>using namespace std;const int maxn = 1e4 + 10;const int maxe = 1e2+10;const int inf = 0x3f3f3f3f;typedef long long ll;i...

2019-09-04 19:51:46 116

原创 PAT甲级 1068 Find More Coins (30 分)

题目:戳这里题意:给定n个硬币和各个硬币的面值,购买价值为m的货物,问是否能刚好买下。也就是从n个数中取若干个数相加等于m。要求最终的答案字典序越小越好。解题思路:这题我是用01背包+记录路径的方法,之前写得少,所以写了很久。首先我用二维数组pre[][]求01背包,这样每一步的状态都能记录下来。注意: 在这里我建议pre数组用来记录当前选取了哪个硬币,之前我记录的是当前的状态,但...

2019-09-03 20:48:10 192

原创 PAT甲级 1018 Public Bike Management (30 分)

题目:戳这里题意:这题的题意理解很关键。总共有1个自行车管理中心和n个自行车摆放处,管理中心在0处,要求到达sp处,求在路径最短的情况下,需要从管理中心送出自行车最少的情况。如果路径最短且送出自行车最少的情况有多种,则求该情况下,回收自行车最少的情况。解题思路:大致方法不难想出,先求最短路径,把最短路径下的所有路径都给记录下来,然后dfs遍历所有情况。(其实我刚看这道题的时候,想的是2...

2019-08-31 16:45:40 154

原创 PAT甲级 1017 Queueing at Bank (25 分)

题目:戳这里题意:银行8点开门,17点关门,有k个窗口,每个窗口前只能有一人在处理业务。共有n个人排队,问银行营业时间内所有人的平均等待时间。需要注意:只要其到达时间在8~17之间就行,即使这个人到窗口前已经过了17点了也会给他处理业务。如果处理业务时间大于60分钟,则只会给他办理60分钟业务。解题思路:这题和 1014 很像,但不一样,建议对比着做。因为所有人只要在8~17点以...

2019-08-31 10:01:10 134

原创 PAT甲级 1016 Phone Bills (25 分)

题目:戳这里题意:模拟通话账单记录。首先给出24个数表示每天的24小时,每个时间段通话的话费各是多少(注意,1美刀=100美分)。接着给出n个记录,每个记录的内容有通话人姓名、通话时间点,是接入时间点还是挂断时间点。求每个用户的账单。注意:每一组样例的月份都是一样的。通话记录只有 同一个人、时间相邻且接入在前挂断在后 时才有效。每个人可能在账单中有多次通话记录。解题思路:模拟。...

2019-08-24 17:46:05 151

原创 PAT甲级 1015 Reversible Primes (20 分)

题目:戳这里题意:给一个数的十进制值n和这个数的进制d,求该数转化为d进制后的reverse和该数本身是否都是质数。解题思路:感觉这题题意没讲清楚,我对着样例猜的题意。知道题意就简单了,对着题意直接写即可。代码:#include <iostream>#include <cstring>#include <algorithm>#include &lt...

2019-08-24 14:50:57 152

原创 PAT甲级 1014 Waiting in Line (30 分)

题目: 戳这里题意:k个人去银行取钱,有n个窗口,每个窗口黄线以内可以站m个人。黄线以外的人看那个窗口人少就去哪个办理业务,如果有几个窗口人一样少,就去窗口号小的那个排队。输出每个人办理完业务的时间。需要注意一点,如果17点以前(不包括17点整),这个人还没有在窗口前办理业务,那就输出sorry。因为这点我没理解清楚所以写了好久解题思路:模拟。代码有注释:#include <iost...

2019-08-24 12:45:38 109

原创 PAT甲级 1013 Battle Over Cities (25 分)

题目:戳这里题意:给n个城市,m条边,再给k种情况,每种情况都有一个城市与其他城市隔离,问其他城市需要加多少条边才能互相连通。解题思路:巧用vis数组,如果x城市与其他城市隔离,那么令vis[x]=1,假设该城市已经遍历过即可,接下来就是直接深搜遍历城市,需要遍历y遍,就需要加y-1条边,看起来很暴力,但其实每个点也就遍历1次而已,整体来说是O(n^2)的复杂度。代码:#include &...

2019-08-23 17:36:13 83

原创 PAT甲级 1012 The Best Rank (25 分)

题目:戳这里题意:给出n个学生3门学科的成绩,求m个学生的,3门学科及平均成绩中 排名最高的名次及学科,注意当某学生排名最高的名次有多个时,按A>C>M>E的优先级输出。解题思路:模拟。有一点题目中没讲,就是是否可能出现成绩并列的情况,我先按没有并列做了一下,有个样例不过,然后改成有成绩并列就过了。代码中有一些细节注释:#include <iostream>...

2019-08-22 15:22:57 193

原创 PAT甲级 1011 World Cup Betting (20 分)

题目: 戳这里题意:说实话,没读明白。解题思路:对着样例模拟就行了。代码:#include <iostream>#include <cstring>#include <algorithm>using namespace std;typedef long long ll;const int maxn=10+10;double nu[maxn]...

2019-08-22 14:27:34 104

原创 PAT甲级 1010 Radix (25 分)

题目:戳这里题意:输入四个数N1 N2 tag radix,其中tag为1表示N1的基数为radix,tag为2表示N2的基数为radix。求另一个数的基数,使得N1==N2。解题思路:这题用暴力试过了,超时,所以改成二分基数。不得不说一个正确的二分对我来说还是比较难写的,这题扣二分边界和一些坑,花了两个小时才满分。代码中注释的有我个人认为的坑点和我自己测试用的样例。#includ...

2019-08-21 21:14:53 142

原创 PAT甲级 1009 Product of Polynomials (25 分)

题目: 戳这里题意:给出两个多项式,每个多项式有K项,指数位为N,系数为AN,求两个多项式想乘。解题思路:和 这题 可以放一块做,一个是加法,一个是乘法。模拟的过程中,需要注意一点,就是系数为0的时候不用输出。代码:#include <iostream>#include<cstring>using namespace std;const int maxn=...

2019-08-21 17:10:07 101

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除