- 博客(17)
- 收藏
- 关注
RSS订阅原创 试用期之ElasticSearch
日志采集方案：Eilebeat（日志采集工具）+ Logstash（数据处理引擎）+ Elasticsearch（数据存储、全文检索、分布式搜索）+ Kibana（展示数据、绘图、搜索）Elasticsearch三大功能：搜索、分析、存储数据基础命令put请求具有====内容不可以重复，而post不具有幂等性。
2023-07-25 11:28:05
46
原创 Nacos的简单回顾
要为服务注册多个实例，只需在不同的主机或端口上多次启动该服务，每个实例都将自动注册到Nacos中。在具体Nacos应用的时候，在我们想要获取Nacos中相关配置的时候都需要在类上加入。保证实时更新，所以一般我们都是将获取的Nacos配置写在同一个类中，为这些配置写上。当启动一个服务时，它将自动注册到Nacos注册中心。因为有多个实例，所以在获取服务的时候需要。注入一下，这样就可以防止重复写。方法，然后在需要用到的地方。
2023-07-24 16:53:09
37
原创 SQL基础查漏补缺
模糊查询like、between and、in、is null。"+"号在mysql中只有一个功能：运算符。字符串拼接concat。
2023-07-24 15:16:24
31
原创 GO之行（二）
快速入门1.当然是Hello，world啦package mainimport "fmt"func main() { fmt.Println("hello,world")}go文件后缀是 .gopackage main: 表明文件所在包import xxx: 引入包（fmt包中提供格式化，输出，输入的函数）func main(): 主函数go语言自动在末尾加分号go语言定义的变量或import的包如果没有用到，代码不能编译通过1.1编译go build hello.go
2022-02-21 20:51:04
112
原创 GO之行（一）
初识GOGO=C + Python弱化指针：func test（num *int）{ *num = 20}包概念：一个Go文件需要在一个包中（JAVA？）垃圾回收机制天然并发管道通讯机制返回多个值：func test(num1 int, num2 int)(int, int){ sum := num1 + num2 sub := num1 - num2 return sum, sub}基本结构package mainimport "fmt"fun
2022-02-19 12:01:46
539
原创 DAGA: Data Augmentation with a Generation Approach for Low-resource Tagging Tasks 论文解读
文章提出的DAGA是一种适配于NER的数据增强方法，来自阿里达摩院1. 核心思想DAGA的思想简单来讲就是标签线性化：即将原始的**「序列标注标签」与「句子token」进行混合，也就是变成「Tag-Word」**的形式，如下图：将「B-PER」放置在「Jose」之前，将「E-PER」放置在「Valentin」之前；对于标签「O」则不与句子混合。标签线性化后就可以生成一个句子了，文章基于此句子就可以进行「语言模型生成」了。假设我们在相应的词之前（在句子线性化期间）插入标签来训练 RNNLM，在给定“I
2021-11-01 16:02:44
651
原创 NER（命名实体识别）
NER（命名实体识别）一. 什么是实体？例如，“地名”是一种概念，或者说实体类型，那么“成都”就是一种“地名”实体了。“时间”是一种实体类型，那么“中秋节”就是一种“时间”实体了。（抽象与具体）所谓实体识别，就是将你想要获取到的实体类型，从一句话里面挑出来的过程。二. 命名实体识别的数据标注方式BIOES：B，即Begin，表示实体的开始I，即Intermediate，表示实体的中间部分E，即End，表示实体的结尾S，即Single，表示单个实体字符O，即Other，表示其他，用于标记
2021-10-25 10:16:24
451
原创 论文摘要撰写学习总结
摘要总体结构：总体结构按照三部分走：研究背景 —— 研究的过程—— 结论研究背景：阐述研究的意义、目的以及研究领域存在的问题，如正确率需要提高等等。研究的过程：总——分 结构首先总述文章的方法，其次可以采用一些常用的结构详述自己的方法，比如（首先…，其次…，最后…）。结论：写研究获得的结果，如“通过实验与（比较方法）比较，结果表明，（论文方法）具有更好的…”。注意事项：一个句子中不要重复出现相同的词（挨过不少板子 -.-）“本文”，这种词语摘要最好只出现一次，写本文
2021-07-01 20:42:45
270
原创 pytorch学习系列（1）
所需包：import torch from torch.autograd import Variableimport torch.nn.functional as F在 Torch 中的 Variable 就是一个存放会变化的值的地理位置. 里面的值会不停的变化. 就像一个裝鸡蛋的篮子, 鸡蛋数会不停变动. 那谁是里面的鸡蛋呢, 自然就是 Torch 的 Tensor 咯. 如果用一个 Variable 进行计算, 那返回的也是一个同类型的 Variable.Variable 计算时, 它在背景
2021-06-10 19:05:26
104
原创 CART决策树python实现
CART决策树代码实现调包侠：from sklearn import treeimport pydotplusdef cart_skl_test(): df = pd.read_csv("../dataSet/liquefaction_data_MLE.csv") x = df[['CSR', 'Vs']] y = df['target'] clf = tree.DecisionTreeClassifier() clf.fit(x, y) dot_
2020-12-14 18:09:59
850
2
原创 CART树及其剪枝学习笔记
CART树：分类与回归树算法由两部分组成：决策树生成决策树剪枝CART算法：CART算法采用一种二分递归分割的技术，算法总是将当前样本集分割为两个字样本集。生成的决策树的每个非叶结点都只有两个分枝，因此CART算法生成的决策树是结构简洁的二叉树。CART算法适用于样本特征的取值为是或非的场景。剪枝过程特别重要，所以在最优决策树生成过程中占有重要地位。有研究表明，剪枝过程的重要性要比树生成过程更为重要。回归树的生成（平方误差）：设YYY是连续变量，给定训练数据集：D={(x1,y
2020-11-21 19:03:04
174
原创 决策树及其剪枝方法学习笔记
决策树信息量：log21p(xi)log _{2} \frac{1}{p\left(x_{i}\right)}log2p(xi)1信息熵(不确定性度量)，熵为各事件信息量的“数学期望”：熵越大，随机变量的不确定性越大。H(p)=−∑i=1npilogpiH(p)=-\sum_{i=1}^{n} p_{i} \log p_{i}H(p)=−i=1∑npilogpi，其中 0≤H(p)≤logn0 \leq H(p) \leq \log n0≤H(p)≤logn条件熵：表示已知
2020-11-21 19:01:16
149
1
原创 逻辑回归中样本不平衡的解决方案
逻辑回归中样本不平衡的解决方案：前情提要：在逻辑回归中，如果数据不平衡会导致如下情况，分类效果差：改进：对不同类型进行加权，公式如下：l(θ∣Y)=⟨∏i=1nLg−1(ηi∣θ)⟩WL⟨∏j=1nNL[1−g−1(ηj∣θ)]⟩WNLl(\theta \mid \mathbf{Y})=\left\langle\prod_{i=1}^{n_{L}} g^{-1}\left(\eta_{i} \mid \theta\right)\right\rangle^{W_{L}}\left\langle\pr
2020-11-10 11:19:33
3902
1
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