jenkins_home_hpi_1127_2.part7.rar
Git Parameter
这是一个参数构建扩展,可以在构建的时候选择git的某一个分支来构建服务。
Docker
利用Docker容器动态创建Jenkins Slave。如果有了Kubernetes/Openshift集群,就不需要这个插件了。直接使用下面的Kubernetes插件。
jenkins非root启动的话,为了运行docker需要执行sudo chmod 777 /var/run/docker.sock
Kubernetes
这个插件可以将Jenkins Slave Node动态配置为Kubernetes集群上的pod。
Openshift
这个插件支持调度Openshift的对象,包括触发 BuildConfig、Deployment、Scale up a Deployment,给ImageStream打新的Tag,以及创建新的对象、删除已有对象等。
GitLab
配置Gitlab的相关认证,同时也支持GitLab的Webhook触发。
jenkins_home_hpi_1127_2.part6.rar
Git Parameter
这是一个参数构建扩展,可以在构建的时候选择git的某一个分支来构建服务。
Docker
利用Docker容器动态创建Jenkins Slave。如果有了Kubernetes/Openshift集群,就不需要这个插件了。直接使用下面的Kubernetes插件。
jenkins非root启动的话,为了运行docker需要执行sudo chmod 777 /var/run/docker.sock
Kubernetes
这个插件可以将Jenkins Slave Node动态配置为Kubernetes集群上的pod。
Openshift
这个插件支持调度Openshift的对象,包括触发 BuildConfig、Deployment、Scale up a Deployment,给ImageStream打新的Tag,以及创建新的对象、删除已有对象等。
GitLab
配置Gitlab的相关认证,同时也支持GitLab的Webhook触发。
【机器学习】【决策树】ID3算法,详解+Python代码实现
除了绘制树部分代码有借鉴,其他代码都是自己亲手完成,历时2天时间,过程稍微痛苦,当看到运行结果出现在面前时,一切都是高兴的,感觉过程也变得美妙了~
由于更喜欢C++编程,所以使用python类来完成~~~~,个人感觉面向对象更容易和更适合实现生成决策树的软件系统
有了决策树每层节点后,如何用python绘制决策树?
【机器学习】【决策树】有了决策树每层节点后,如何用python绘制决策树?
【机器学习】【决策树】自己动手用python实现样本集的裁剪,新样本集以供计算子决策树的最优根节点
详见博客:https://blog.csdn.net/u012421852/article/details/79797054
【机器学习】用相亲样本数据集详解条件熵的计算过程
【机器学习】用相亲样本数据集详解条件熵的计算过程。
使用的样本集简介如下:
样本集简介:
样本集有8个example样本
每个样本有3个特征(身高,房子,性格),1个分类结果refuse或者agree
身高取值范围={high, low}
房子取值范围={no, yes}
性格取值范围={good, bad}
分类标签=相亲结果={refuse,agree}
计算条件熵的过程详见文档。
KNN算法识别手写数字系统使用的样本集(训练样本集+测试样本集)
KNN算法识别手写数字系统使用的样本集(训练样本集+测试样本集)