twiki安装过程及配置

 

1.取得twiki安装包。版本:twiki-4.2.3

将其安装包解压缩到C盘根目录下(你也可以放在你喜欢的地方)。在目录命令上有一点要注意:不要使用空格,否则twiki在运行中会出错的。另外也最好不要使用中文的目录,大家都知道,国外的软件很少能正确处理汉字目录名的。

2.取得activeperl的安装包。

默认安装即可。安装后,在C盘根目录下出现目录C:/Perl。在twiki的配置中会用到。
注意把C:/Perl/bin目录加入到系统的PATH环境变量中。如果添加正确,那么在command命令行上输入perl命令就能显示一些正确信息,而不是找不到命令的错误信息。
3.
取得apache的安装包。
取最新的可执行安装包即可。安装过程中各种配置选项选择默认的配置即可。我喜欢把这些软件都安装在C盘根目录下。
4.
配置apache,有下列几个项目要进行配置:

  • ServerRoot

我的apache装在目录c:/Apache2.2,因此我就如下填写:

ServerRoot "C:/Apache2.2"

  • Listen

指定服务器监听的端口。默认就是80端口。由于某些原因,可能80端口已经被其他软件使用了。这时候可以指定一个别的端口,比如8080

  • 检查apache是否正确安装

打开浏览器,在地址栏输入http://localhost,如果显示一个"It works"的页面,就表明apache web服务器正确地安装了。

  • DocumentRoot

DocumentRoot指向Twiki目录,我的twiki所在目录 “C:/Twiki”

所以我的配置是DocumentRoot “C:/Twiki”<Directory “C:/Twiki”>

5. 配置TWiki

(1) 修改LocalLib.cfg指定lib目录的绝对地址
twiki/bin/目录下有一个模板文件LocalLib.cfg.txt,将其重命名为LocalLib.cfg。然后打开该文件,修改其中的变量:$twikiLibPath = "C:/twiki/lib";
其中的地址采用绝对地址。对于Windows系统来说,路径中的分隔符采用类似于Unix系统中的反斜线,而不是采用Windows中的正向斜线。
最后,将修改好的LocalLib.cfg文件移动到目录twiki/lib/下。

(2) 运行自动化工具指定Perl解释器的地址
打开cmd.exe(命令行),进入到目录 twiki/bin/,运行下列工具:
c:/twiki/bin> perl ../tools/rewriteshbang.pl
屏幕会出现一些信息,首先提示你输入perl.exe的路径:
Enter path to interpreter [hit enter to choose 'perl']: C:/Perl/bin/perl.exe
根据你的输入,它会再次提示:
Enter path to interpreter [hit enter to choose 'C:/Perl/bin/perl.exe' ]:
这次直接回车即可。回车后,会看到一些提示:xxxx modified。提示有22个文件被修改。
接下来进入到twiki/tools目录,再次运行刚才的perl脚本:
c:/twiki/tools> perl rewriteshbang.pl
画面出现与之前类似的问题提示,你仍然输入 C:/Perl/bin/perl.exe。之后再次询问时直接回车即可。
最后提示有一个文件被改变。
6.
修改Twikihttpd配置文件
Twiki安装的根目录下有个文件twiki_httpd_conf.txt, 将其重命名为twiki_httpd.conf,然后将提示要求你修改路径的地方(以多个#符号开头)都修改成你的安装的绝对路径,例如/home/httpd/twiki 换成 C:/twiki
7.
修改Apacheconf/httpd.conf文件
httpd.conf文件的最后,添加下列包含语句:include "C:/twiki/twiki_httpd.conf"
到程序菜单中利用Apache的功能检查下配置文件,如果有配置错误就会提示。
一般会提示php_admin_flag engine off有错误,简单地注释或去除这一行即可。
8.
进入浏览器进行Twiki的初步配置
在浏览器地址中输入http://localhost/twiki/bin/configure
就会出现一个配置画面。第一次进入系统,只有一个General path settings(12 warnings)可供配置。
(1)
初消路径设定告警
在进入配置页面后,General path settings后会有个告警数量提示。点击该标签就会打开各种配置项。
首先就把其中凡属于Windows路径中的斜线替换成反斜线,其它的暂时不管它。
在页面的下方有个next按钮。点击按钮进入下一个保存页面。
保存页面要求你输入密码。若不设定密码它是不让你保存的。为了方便先配置一个容易记忆的密码,比如twiki123

设定好密码后,有个change password and save按钮。点击后出现一个修改后的配置更新显示页面。这个页面的最下方有两个连接,其中一个是 Return to configuration。点击这个连接回到配置页面。这时你会发现配置页面多出了很多配置项,而且 General path settings也不提示告警了。
(2)
消除Security setup安全告警
展开这个配置栏,配置项{Htpasswd}{FileName}中指定了用户密码存储文件名。
初始的文件名是C:/twiki/data/.htpasswd
但是,我们要消除的告警不在这里,而是提示有Waring的第一项Paths的配置。
这个配置项类似于WindowsPath环境变量的设定。我们可以在这里指定twiki可以搜索的系统路径。
对于Windows来说, C:/Windows/system32这个目录是一定要加上的。其它的则需要按需加入了。
对于Windows有个简便的办法:进入命令行界面,输入PATH现实系统环境变量,然后将其抄到我们的配置项即可。
C:/Users/zyx>PATH
PATH=C:/Perl/site/bin;C:/Perl/bin;C:/Windows/system32;C:/Windows;C:/Windows/System32/Wbem
去掉其中明显不需要的路径,比如暴风影音的路径,还有那些不存在的路径,然后把这些路径拷贝过去就行了。
上述例子中的路径已经是我修改过后的路径。
同样点击页面最下方的next按钮,进入保存页面。输入密码,点击save按钮保存。
显示配置更新的页面,最后点击下面的连接返回到配置页面,继续进行后面的配置。
(3)
消除Store settings存储配置中的错误设定
{StoreImpl}
选择【rcsWrap】还是【rcsLite?
Twiki
是利用rcs工具来进行版本管理的。在Unix提供上一般会安装,但对于Windows系统来说却没有这个软件。
因此只能用它自带的用perl实现的一个替代品。因此,这里就选择rcsLite即可。
保存这个配置后在返回这里。你会很高兴的发现许多的错误都被消除了。

(4) 消除Mail and Proxies 邮件与代理的告警
对于Twiki来说,注册机制需要启用邮件。下列配置项需要设定:
{webMasterEmail}  webmaster@localhost.cn
这个根据实际情况来设定就好了。我在自己的PC机上装着玩儿,所以就直接设定成了上面那样。
我曾经试过设定成webmaster@localhost,结果它仍然告警说不能识别为一个有效的邮件地址。保存此设定后在回到配置页面,我们会发现已经没有任何的告警或错误了!
到这里已经完成了设定的第一步。先欣赏下我们的成果吧!
在浏览器中输入http://localhost/twiki/bin/view
看看自家的twiki网站页面。

5)中文设定
对于咱中国人来说,看洋文毕竟太费脑子了。所以汉化是首要工作。
很可惜,Twiki对于汉字的支持不是很好,也就是能用而已。

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 2
    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 2
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