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(26)
  • 收藏
  • 关注

原创 Dataset collection

dlrm:说明我再补充先这样。curl -O http://azuremlsampleexperiments.blob.core.windows.net/criteo/day_{seq -s , 0 23}.gz

2019-12-02 14:35:35 205

原创 OpenSuSE services management

systemctl -q is-enabled SuSEfirewall2 && systemctl disable SuSEfirewall2 systemctl -q is-active SuSEfirewall2 && systemctl stop SuSEfirewall2

2017-06-09 09:30:39 334

原创 当你需要用命令行执行putty时(When you need start putty from command line)

Putty 文档 https://the.earth.li/~sgtatham/putty/0.63/htmldoc/Chapter3.html#using-cmdline

2017-06-06 14:59:48 2343

原创 vimrc

~/.vimrc :set autoindent :set tabstop=4 :set expandtab

2017-06-06 09:41:46 253

原创 Linux system temp

temp

2017-06-05 14:49:38 638

原创 Linux Memory Management

This will show you top 10 process that using the most memory:ps aux –sort=-%mem | awk ‘NR<=10{print $0}’

2017-06-05 14:43:28 299

原创 git commands summary

git init # initiate a git repository git init git init –baregit init git diff-tree –no-commit-id –name-only -r bd61ad98 # 列出一个commit里的所有文件

2017-06-05 14:42:28 263

原创 Linux services operation list

使用 service : service –status-all使用 systemctl : systemctl list-units -a –state=inactive

2017-06-05 14:24:42 216

原创 这个命令其实就是查看当前目录下的1级子目录的总大小

ls -l | grep “^d” | sed “s/ +/ /g” | cut -d’ ’ -f9 | xargs -I {} sh -c “du {}|tail -n1 ” | sed “s/\t/ /g” | cut -d’ ’ -f1 | paste -sd+ | bc就当是写着玩儿吧。 我倒是可以一个一个的解释是什么意思。

2017-05-17 14:32:09 367

原创 Ubuntu的机器如何让beep发声

今天碰到一个情况,我想在实验室里找一台机器,可是实验室里那么多电脑,哪一台是呢?要让电脑自己说出来自己在哪儿,就想到了beep。 beep是早期电脑发声的方法,它使用每台电脑都安装的喇叭发声。可以通过编程让喇叭发出各种长短的、各种频率的和各种大小的声音。今天我们就不讲怎么让喇叭谱曲了,今天只让它发出一串声音提醒我就行了。 再说Ubuntu,为了避免电脑发出刺耳的声音,系统屏蔽了beep功能。要打

2017-04-24 17:31:15 5154

原创 Jquery

使用AjaxJquery 封装了操作Ajax的函数。 有三个函数是常用的: get, post 和 ajax。 ajax可以设置更多的参数,比另外2个好用。 由于Ajax调用的网址是外部的,所以函数执行有同步和异步之分别。异步执行时,函数立即返回。我不知道在异步模式下是否有消息通知的机制,目前还没有找到,如果有的话更新。 use as this: .get(url,function(d

2017-04-13 08:28:47 411

转载 Mysql command list

mysql commands

2017-04-11 13:43:44 278

转载 JS中三种字符串连接方式及其性能比较

js

2017-04-11 12:52:31 268

转载 Using jquery to abtain and set values

/获得TEXT.AREATEXT的值/ var textval = (“#text_id”).attr(“value”);  //或者  var textval =(“#text_id”).attr(“value”); //或者 var textval = (“#text_id”).val(); /获取单选按钮的值/ var valradio = $(“input[@type=rad

2017-04-10 12:01:09 265

原创 统计学习笔记(五)决策树

一、熵 熵是表示随机变量不确定性的度量,设 XX 是一个离散型随机变量,统计学习中使用的熵是基于有限个离散随机变量的,所以 XX 的取值是有限个,其概率分布为 P(X=xi)=pi,i=1,2,...,nP(X=x_i) = p_i, i=1,2,...,n 则随机变量 XX 的熵定义为 H(X)=−∑i=1npilogmpiH(X) = - \sum_{i=1} ^n { p_i

2017-03-31 11:40:28 313

转载 【转】Think Bayes - 我所理解的贝叶斯定理

写的很好。以下是正文,MD做了一些修改以适应CSDN的格式—— 转自:Think Bayes - 我所理解的贝叶斯定理 贝叶斯定理是统计学中非常重要的一个定理,以贝叶斯定理为基础的统计学派在统计学世界里占据着重要的地位,和概率学派从事件的随机性出发不同,贝叶斯统计学更多地是从观察者的角度出发,事件的随机性不过是观察者掌握信息不完备所造成的,观察者所掌握的信息多寡将影响观察者对于事件的认知

2017-03-28 14:04:48 584

原创 统计学习笔记(四)朴素贝叶斯法

统计学习笔记-朴素贝叶斯法注释了一些我对朴素贝叶斯法的理解,以及对原文的表述的通俗解释。

2017-03-27 15:31:47 578

原创 奇怪的问题的记录

奇怪的问题的记录。可能但不限于数学、物理、化学、计算机等等。

2017-03-24 18:07:21 608

转载 Python中取整的几种方法小结

前言 对每位程序员来说,在编程过程中数据处理是不可避免的,很多时候都需要根据需求把获取到的数据进行处理,取整则是最基本的数据处理。取整的方式则包括向下取整、四舍五入、向上取整等等。下面就来看看在Python中取整的几种方法吧。 1、向下取整 向下取整直接用内建的 int() 函数即可: ? 1 2 3 a = 3.75 int(a)

2017-03-23 17:48:33 21560 1

原创 遍历KD树的一个尝试,不用递归遍历?也不使用队列?

《情景剧》 看客:KD树?不用递归遍历?也不使用队列?别逗了小子。 我: 您别不信。我就是这么厉害,就是这么自信。 看客:那你敢不敢放出来看看? 我: 那您瞧好嘞……等等我啊 。我先把代码垒出来。

2017-03-22 10:36:36 1007

原创 Python库Numpy的argpartition函数浅析

最近在研究用Python实现K邻近算法的KD树,发现一个奇怪的现象,就是为什么没有在网上搜到关于numpy的argpartition的任何中文的文章。难道是我搜索方法有问题吗?我还是自己写一篇简单的文章说说这个有意思的函数。 这个函数有什么用呢?我举几个例子,您可能就明白她的作用了。 例子一:找到数组的最大最小值,虽然这不是很合适,牛刀小用了。>>> import numpy as np>>

2017-03-21 12:12:09 30766 2

原创 学习Python类之迭代器

Python类的迭代器 Python的类有一个很有意思的属性:迭代器。什么意思呢?其实迭代器是Python中的一个很方便的方法,它应用于所有可以迭代的对象,使用迭代的方法输出对象的内容。比较常见的对象如String、List和tuple。甚至你还可以定义自己的迭代对象,那就要用到此文里讲的方法。 先看一下现有的可迭代对象是如何应用迭代器的。第一个是String类的迭代。>>> str'Stop

2017-03-16 15:34:29 888

原创 统计学习笔记(三)k近邻算法

算法描述k近邻算法(k-nearest neighbour)的输入是实例的特征向量,对应于特征空间的点;输出是实例的类别。k近邻法假定在给定的训练数据集里,其中的实例的类别是确定的。对于新的实例,根据其k个最近的实例的类别,通过表决的方法进行预测。3.1 k近邻算法算法3.1 输入:训练数据集TT和实例的特征向量x^\hat{x}; 其中训练数据集T={(x1,y1),(x2,y2),..

2017-03-15 15:43:35 747

原创 统计学习笔记(二)感知机

详细记录了感知机的概念,并使用Python实现了感知机算法。

2017-03-08 16:14:31 546

原创 统计学习笔记(一)

统计学习符号X:输入空间/特征空间 Y:输出空间 X:输入变量 Y:输出变量 x:输入变量的值 y:输出变量的值 xi=(x(1),x(2),...,x(n))x_i=(x^{(1)},x^{(2)},...,x^{(n)}):第i个输入实例x的特征向量,n是特征的个数 T={(x1,y1),(x2,y2),...(xN,yN)}\{(x_1,y_1),(x_2,y_2),...(x_

2017-03-07 11:41:55 812

原创 Tracing my right or wrong way of learning ML here.

[我不想在这里写具体的学习内容或笔记,只记录过程]接触机器学习是因为新找的工作需要用,我很早就听过相关的概念,感兴趣所以也乐于学习这新鲜的知识。看了1个星期了,现在斯坦福的机器学习课程看了2节课,感觉有一点了,想记录一下自己的过程。

2017-03-06 15:13:26 308

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