- 博客(20)
- 收藏
- 关注
RSS订阅原创 linux--命令
最近都在和Linux打交道，感觉还不错。我觉得Linux相比windows比较麻烦的就是很多东西都要用命令来控制，当然，这也是很多人喜欢linux的原因，比较短小但却功能强大。我将我了解到的命令列举一下，仅供大家参考：系统信息arch 显示机器的处理器架构(1)uname -m 显示机器的处理器架构(2)uname -r 显示正在使用的内核版本dmidecode -q 显示硬件系统部件 ...
2018-11-29 15:35:17
164
原创 1. 岗位工作内容：数据流抓取，数据整理，数据清洗，数据分析，特征提取；
熟悉开发环境通过Xshell连接跳板服务器，在测试环境了解数据存储分布结构，及数据操作方法。为什么选用spark：Spark 是一种与 Hadoop 相似的开源集群计算环境–>所有人都在拿spark与Hadoop比较，那什么是Hadoop。Apache Hadoop软件库是一个允许使用简单编程模型跨计算机集群处理大型数据集合的框架，其设计的初衷是将单个服务器扩展成上千个机器组成的一个...
2018-11-28 16:31:22
1676
原创 4.4 超级账本环境搭建--安装docker，下载Fabric
Fabric使用的docker容器来进行数据存储和服务运行，所以要安装docker。4.4.1 docker安装啥是docker：Docker 的基础是 Linux 容器（LXC）等技术。在 LXC 的基础上 Docker 进行了进一步的封装，让用户不需要去关心容器的管理，使得操作更为简便。用户操作 Docker 的容器就像操作一个快速轻量级的虚拟机。特性容器（docker）虚拟...
2018-11-04 10:27:11
646
原创 4.3区块链环境搭建--工具安装ssh，安装git，安装pip，安装go
2.工具准备及安装2.1简单的安装ssh，安装git，安装pipsudo apt-get install sshsudo apt-get install gitsudo apt-get install python-pip2.2安装gouname -a //查看ubuntu系统详细，确定go版本版本--（很简单 i686，i...
2018-11-04 10:01:36
426
原创 4.2超级账本安装--虚拟机，ubuntu镜像，换源等
https://blog.csdn.net/hantangduhey/article/details/81192116
2018-11-03 19:44:42
270
原创 4.0 区块链--超级账本HyperLdeger
走过的悲催: 受限于墙，无法下载docker环境。so只能搭建HyperLdeger;这里以超级账本Fabric 1.1，Mac系统为例，一步步安装超级账本的依赖。1.准备工作：1.1 Docker：安装Docker，如果已经安装过，注意版本必须大于17.06.2，不然需要更新到这个版本。Docker官方下载地址https://link.jianshu.com/?t=https%3A%2...
2018-11-02 18:56:10
622
原创 3.0 数据库--基本操作
select * from 表名称 // **表示返回所有列select distinct 列名称 from 表名称 // 去重select 列名 from 表名 where 列 运算符 值 // between（范围），like（模式）// 文本需加单引号，数值不需。//and or 可以连接多重选择条件。order by 对指定列进行排序：select * from 表 or...
2018-10-29 15:51:53
127
原创 2.6 常被拿来比较的算法
1.逻辑回归2.随机森林3.Adaboost4.GBDT5.XgBoostadaboost和随机森林的区别：1，二者都是自助法选取样本。2，二者都是要训练很多棵决策树。3，adaboost后面树的训练，其在变量抽样选取的时候，对于上一棵树分错的样本，抽中的概率会加大。4，随机森林在训练每一棵树的时候，随机挑选了部分变量作为拆分变量，而不是所有的变量都去作为拆分变量。5，在预测新...
2018-10-25 16:15:40
97
原创 2.5 算法比较
14年的时候有人做过一个实验，比较在不同数据集上（121个），不同的分类器（179个）的实际效果。论文题为：Do we Need Hundreds of Classifiers to Solve Real World Classification Problems?算法XGBOOSTGBDTSVMRFAdaboostOther分类随机森林放回抽...
2018-10-25 13:32:20
157
原创 2.4集成算法
为什么要集成算法？模型的评判标准：min 偏差+方差；对不同的算法模型，可以通过调优过程使训练集数据对该模型做到“最佳”；然而大部分模型自身存在着问题使偏差或者方差天生偏高，如决策树易过拟合则方差较高；朴素贝叶斯模型简单，偏差较高；因此需要利用一些策略来弥补天生的缺失。集成学习：将若干弱分类器组合之后产生一个强分类器。弱分类器（weak learner）指那些分类准确率只稍好于随机猜测的分类...
2018-10-20 21:46:18
121
原创 1.5树
从上往下打印出二叉树的每个节点，同层节点从左至右打印思路：很明显–层次遍历==队列实现（第一反应）def PrintFromTopToBottom(self, root): l = [] if not root: return [] q = [root] #跟节点为首层，进队先 while len...
2018-10-20 09:27:14
119
原创 2.3神经网络
由浅至深：输入层（input）–卷积层(conv)–激活函数(relu)–池化层(pool)–全连接层(fc) https://blog.csdn.net/yjl9122/article/details/70198357?utm_source=blogxgwz0BP（误差后向传播算法），一个输入，多个隐藏层，一个输出，激活函数sigmoid，训练的模型叫做多层前馈神经网络，局部极小，训练速度慢h...
2018-10-19 08:53:35
179
原创 2.2常用算法公式
算法：以wx+b=0为基础的算法：感知机->误分点（xi,yi | i->m）到wx+b的距离和最小，求最优解；支持向量机->最大间隔；逻辑回归->将wx+b的值作为逻辑函数输入，进行分类；线性回归->勾画线性曲线，对未知量预测；以P(Y|X)=P(Y)P(X|Y)/P
2018-10-06 10:18:01
462
原创 1.2查找--二分
//二分int erfen(int arr[], int k){ int low=0, high=sizeof(arr)/sizef(int); while(low<=high){ mid = (low+high)/2; if( arr[mid]==k ) return mid; if( arr[mid]>k ) high = mid-1; else low = ...
2018-10-05 20:59:23
82
原创 1.4数据结构--栈，队列
栈实现队列，队列实现栈，push和pop是否合规，排序，数组实现栈，求两个数组的第K大数，数组中两个数和为n，三个数和为n，只出现一次的数字（其余都出现2次）// 位异或，最后的结果为单值；扩展：a = b^c-->b = a^cc//// k = n-ai 遍历或查找是否有k；// //奇数栈1，偶数栈2；满时扩展//栈排序：入第一个，如果堆顶小于目标值，弹出堆至堆顶大于目标值...
2018-10-05 20:50:12
128
原创 1.3数据结构--链表
1. 链表：定义，翻转，第k，删除节点k，合并，换位，环，相交，模拟加法，去重struct ListNode{ int data; ListNode next;}//翻转：每一次操作三个节点：新链表的头节点，原链表的新头节点，元链表新头节点的nextListNode* fanzhuan(ListNode* head){ ListNode* newhead = null; ListN...
2018-10-04 22:59:03
81
原创 2.1常用算法（易考推导---原理，推倒，重点）--机器学习
1. 决策树原理：递归的选择最优特征，并用最优特征对数据集分割；每个子集递归调用此方法，直到满足约束条件（关键在特征选择和停止分裂的约束条件）步骤：特征选择、决策树的生成和决策树的修剪特征：ID3信息增益；对可取值较多的特征有偏好，会导致泛化能力差；不能处理连续值；不能处理缺失值；过拟合C4.5信息增益率；减少信息增益中由特征值较多带来的影响；可处理连续值；可处理缺失值，赋值均值–计算量...
2018-10-04 20:04:14
479
原创 1.1排序--常撕
1.快排：1.找到界点：两端比较，左段<界点<右段；递归；结束条件：左段指针与右段指针重叠。int quick(int a[], int low, int high){ int tmp = a[low]; while(low<high){ while(low<high && a[high]>=tmp) --high; a[low] =
2018-10-04 17:47:49
158
原创 算法面试套路
面试准备1.手撕代码2.常用算法（推导）3.常用函数（算法细节，损失函数，梯度等）4.特征工程（信息增益，tfidf，距离，卡方，PCA）5.集成算法原理及比较6.深度学习框架7.计算机基础：1.手撕代码排序—常考快排，堆排序，归并；查找—常考二分，hash, B树；树和图–先序，后序，中序，深度，广度；数据结构—栈和队列，括号计算等，字符串匹配；2.常用算法（推导）算法分类，算法原理...
2018-10-04 16:40:00
226
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