- 博客(56)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 SSH 原理简介及使用教程
SSH 原理简介及使用教程1，SSH原理 简单来说，SSH是一种网络协议，用于计算机之间的加密登陆。假定本地主机的名字是localhost,远程主机的名字是cloudhost。现在要从localhost登陆cloudhost，如果使用SSH协议，则被认为是安全的。登陆过程如下： 序号 动作 说明 1 远程主机cloudhost收到本地主机local...
2018-05-31 21:18:27
1780
原创 ubuntu中的进程管理
1，查看占用某个端口的进程 代码：lsof -i:22 #查看占用端口号为22的端口的进行 运行结果：COMMAND PID USER FD TYPE DEVICE SIZE/OFF NODE NAMEsshd 1121 root 3u IPv4 16060 0t0 TCP *:ssh (LISTEN)sshd 606...
2018-05-31 19:51:54
504
转载 说说进程和线程的区别
说说进程和线程的区别 转载自https://www.cnblogs.com/zhehan54/p/6130030.html 在理解进程和线程概念之前首选要对并发有一定的感性认识，如果服务器同一时间内只能服务于一个客户端，其他客户端都再那里傻等的话，可见其性能的低下估计会被客户骂出翔来，因此并发编程应运而生，并发是网络编程中必须考虑的问题。实现并发的方式有多种：比如多进程、多线程、IO多路复...
2018-05-31 17:12:30
556
1
原创 端口简要介绍及ubuntu中的相关操作
本文简明介绍了什么是端口，并给出了如何在ubuntu系统中查看端口的占用情况。1，什么是端口 端口是英文“port”的意译。可以认为是设备与外界通讯交流的出口。可以分为虚拟端口和物理端口。虚拟端口是指计算机内部或者交换机内部的端口，不可见。例如计算机中的80端口、21端口、23端口等。物理端口又称为接口，是可见端口，计算机背板的RJ45网口，交换机路由器集线器等RJ45端口。电话使用RJ...
2018-05-31 14:45:12
1086
原创 python常见文件操作
在python中对文件和目录的操作经常用到os和shutil模块，接下来主要介绍一些操作文件和目录的常用方法。 函数 说明 os.getwd() 获得当前python脚本的工作目录粒径 os.listdir() 返回指定目录下的所有文件和目录名 os.remove(filepath) 删除一个文件 os.path.exists() ...
2018-05-31 14:03:41
180
原创 python中的time中的time方法
python中的time中的time方法描述： python time time()返回当前时间的时间戳(1970纪元后经过的浮点秒数)语法 time.time()输入参数： 无输出参数： 返回当前时间段的时间戳（1970纪元后经过的浮点秒数）实例：# 导入时间包import time# 获取当前时间的浮点秒...
2018-05-31 13:54:43
1684
转载 Python 面向对象
转载自http://www.runoob.com/python/python-object.html Python从设计之初就已经是一门面向对象的语言，正因为如此，在Python中创建一个类和对象是很容易的。本章节我们将详细介绍Python的面向对象编程。 如果你以前没有接触过面向对象的编程语言，那你可能需要先了解一些面向对象语言的一些基本特征，在头脑里头形成一个基本的面向对象的概念，这样...
2018-05-29 16:06:59
259
转载 真正理解拉格朗日乘子法和KKT条件
转载自：https://www.cnblogs.com/xinchen1111/p/8804858.html 这篇博文中直观上讲解了拉格朗日乘子法和 KKT 条件，对偶问题等内容。 首先从无约束的优化问题讲起，一般就是要使一个表达式取到最小值： minf(x)minf(x)min f(x) 如果问题是 maxf(x)maxf(x)maxf(x) 也可以通过取反转化为求最小值min−f...
2018-05-29 11:08:13
68573
23
原创 几种常见的latex公式输入说明
注意：所有的代码在使用时，需要代码前面和后面都加上$或者 $$。1，分母形式代码：分数 = \frac {分子} {分母}效果：分数=分子分母分数=分子分母分数 = \frac {分子} {分母}2，求和形式代码：求和= \sum \limits _{下标} ^{上标} 表达式效果求和=∑下标上标表达式求和=∑下标上标表达式...
2018-05-29 10:31:11
12451
原创 numpy用于数组的文件输入输出
numpy能否读写磁盘上的文本数据或二进制数据。np.save和np.loadnp.save和np.load是读写磁盘数组数据的两个主要函数。默认情况下，数组是以未压缩的原始二进制格式保存在扩展名为.npy的文件中的。In[1]:import numpy as npIn[2]:arr = np.arange(10)In[3]:arrOut[3]: array([0, 1, 2...
2018-05-29 09:55:08
1189
原创 Vmware虚拟机和宿主之间的复制文件设置
环境描述： 虚拟机Vmware10.0 宿主系统：win10 x64问题描述： 虚拟机和宿主机之间无法复制粘贴。解决办法：1，关闭虚拟机（即安装的ubuntu等虚拟机），不关闭Vmware软件。这一步非常重要，否则无法进行下面的步骤： 2，打开菜单“虚拟机—–>设置” 3，在虚拟机设置对话框中切换到“选项”标签； 4，选择“客户机隔离项”，将右侧的“启用拖放...
2018-05-28 21:31:23
19408
5
原创 sklearn 中的train_test_split函数
语法： train_test_split(*arrays, **options)类型： sklearn.model_selection._split 中的函数，分离数组或者矩阵到随机的训练和测试子集。 快捷实用程序，该程序封装输入验证，该程序调用一个单个的分离操作（可选择二选抽样） 在用户指南中读取更多输入参数参数名：*arrays类型：seque...
2018-05-25 11:09:26
3883
原创 sklearn中的弹性网函数
语法： ElasticNet(self, alpha=1.0, l1_ratio=0.5, fit_intercept=True, normalize=False, precompute=False, max_iter=1000, copy_X=True, tol=1e-4, warm_start=False, positive=False, random_state=None, select...
2018-05-25 10:42:53
2989
原创 岭回归，Lasso回归和弹性网回归理论及特点
主要介绍了线性回归模型，岭回归，lasso回归和弹性网的基础理论。线性回归模型 线性回归是回归分析中最基本的一类回归问题，对于一般的线性回归模型来说，假设预测变量的个数为ppp，样本容量为NNN，则： {yi=β0+β1xi1+⋯+βpxip+ϵiϵi∼N(0,σ2),i=1,2,3,⋯,N(1)(1){yi=β0+β1xi1+⋯+βpxip+ϵiϵi∼N(0,σ2),i=1,2,3,...
2018-05-25 10:09:40
16343
原创 sklearn中的Lasso函数
语法： Lasso(alpha=1.0, fit_intercept=True, normalize=False, precompute=False, copy_X=True, max_iter=1000, tol=1e-4, warm_start=False, positive=False, random_state=None, selection=’cyclic’)类型： 在s...
2018-05-23 20:31:00
9855
2
原创 基于sklearn的Lasso实现与效果分析
Lasso回归(也称套索回归),是一种正则化的线性回归。与岭回归相同，使用Lasso也是约束系数，使其接近于0，但使用的是L1正则化。lasso惩罚系数是向量的L1范数，换句话说，系数的绝对值之和。L1正则化的结果是，使用lasso时，某些系数刚好为0。这说明某些特征被模型完全忽略。这可以看做是一种自动化的特征选择。代码实现 同样，将lasso应用在波士顿房价预测上面。完整代码如下：...
2018-05-23 19:54:09
9070
2
原创 xgboost理论推导（一）
本文是在学习陈天奇博士的xgboost论文后总结而来，并对相关知识点和公式进行了详细说明，推导和理解。内容安排如下： 顺序 内容 说明 1 树的复杂度衡量 因为xgboost的损失函数包含了正则项，而正则项则是依据树的复杂度进行的，所以先介绍书的复杂度 2 xgboost的损失函数 中间详细介绍了公式的推导过程，并对每个公式进行了详细介绍，方...
2018-05-23 18:57:39
488
原创 sklearn 中的RidgeCV函数
语法： _BaseRidgeCV(alphas=(0.1, 1.0, 10.0), fit_intercept=True, normalize=False, scoring=None, cv=None, gcv_mode=None, store_cv_values=False)类型： sklearn.linear_model.ridge模块中出现的类。 内置交叉验证的岭回归，...
2018-05-22 20:12:03
13561
1
原创 sklearn 中的Ridge函数
语法： Ridge(alpha=1.0, fit_intercept=True, normalize=False, copy_X=True, max_iter=None, tol=1e-3, solver=”auto”, random_state=None)类型： sklearn.linear_model.ridge模块中的函数，是Ridge类，线性最小二乘L2正则化。该模型求解...
2018-05-22 20:11:42
9895
原创 基于sklearn的岭回归实现及效果分析
岭回归也是一种用于回归的线性模型，预测公式与最小二乘法相同，但在岭回归中，对系数w的选择不仅要在训练数据上得到好的预测结果，而且还要拟合附加约束。我们还希望系数尽量小。换句话说，w的所有元素都应接近于0.直观上来看，这意味着每个特征对输出的影响尽可能小（即斜率很小），同时仍然给出很好的预测结果。这种约束就是所谓正则化的一个例子。正则化是指对模型做显式约束，以避免过拟合。岭回归用到的这种被称为L2...
2018-05-22 20:11:16
3188
原创 集成学习与Adaboost算法
本文简要介绍了集成学习，说明了Boosting和Bagging的主要特点。接着，基于周志华的《机器学习》中关于Adaboost算法介绍，详细推导了Adaboost算法，并给出了关键步骤的解释，更方便初学者的理解。集成学习 集成学习通过构建并结合多个学习器来完成学习任务，有是也称为多分类器系统，基于委员会的学习等。 上图显示出集成学习的一般结构：先产生一组“个体学习器”,再用某种策...
2018-05-21 22:41:38
461
原创 scikit-learn中的SelectKBes函数
语法： SelectKBest(…)类型： sklearn.feature_selection.univariate_selection模块中的函数，根据k最高分数选择特征。在用户指导中读取更多。输入参数;参数名：score_func类型：callable说明：函数使用两个数组x和y，并返回一对数组（分数，p值）或者一个带有分数的驻足，默认是 f_classi...
2018-05-21 14:49:50
1285
1
原创 sklearn pipeline函数
定义： Pipeline(…)类型： sklearn.pipeline模块中的函数 带有最终评估器的转移管道。连续运用一系列的转换操作和一个最终的评估器。管道的中间操作必须是’transform’，也就是说，它们必须实现fit和transform方法。最后的估计器只需要实现fit方法。管道中的转换器可以使用内存参数进行缓存。 管道的目的是组装几个步骤，这些步骤可以设置不同的...
2018-05-21 10:52:47
3299
原创 熵、信息增益、信息增益率与基尼指数
本文主要介绍了熵，信息增益，信息增益率和基尼指数的基本概念，并使用数据样例进行了计算。数据样例 名称 是否用鳃呼吸 有无鱼鳍 是否为鱼 鲨鱼 是 有 是 鲫鱼 是 有 是 河蚌 是 无 否 鲸 否 有 否 海豚 否 有 否熵 熵是度量样本集合纯度最常用的...
2018-05-20 19:32:44
4276
2
原创 集成学习
集成学习(ensemble learning)是一种新的学习策略，对于一个复杂的分类问题，通过训练多个分类器，利用这些分类器来解决同一个问题。在集成学习中，通过学习多个分类器，通过结合这些分类器对于同一个样本的预测结果，给出最终的预测结果。集成学习中的典型方法 在集成学习方法中，其泛化能力比单个学习算法的泛化能力强很多。在集成学习方法中，根据多个分类器学习方式的不用，可以分为:baggi...
2018-05-20 13:13:42
564
原创 plt subplot函数
语法： subplot(*args, **kwargs)类型： matplotlib.pyplot模块中的函数，返回一条位于给定网格位置的Axes(字面意思是轴）。需要的特点： subplot(nrows, ncols, index, **kwargs) 在当前的图片，创建并返回一个Axes，在一个虚拟的nrows*ncols网格中的index位置，索引从1...
2018-05-19 18:59:12
3980
原创 残差图
残差图 残差图是以某种残差为纵坐标，以其他适宜的两位横坐标的散点图。这里横坐标有多种选择，最常见的选择是：因素的拟合值某变量的观察值在因变量的观察值Y1,Y2,⋯,YnY1,Y2,⋯,YnY_1,Y_2,\cdots,Y_n为一时间序列时 横坐标可取为观察时间或观察序号。通过对残差及残差图的分析，以考察模型假设的合理性的方法，称为残差分析。这些方法比较直观，应用上效果也好。目前...
2018-05-19 10:53:55
23169
原创 矩阵求导
前提：本文中，XXX为向量，则XXX为列向量，XTXTX^T为行向量,xxx为标量，即一个数字。布局 布局简单的理解就是分子yyy,分母xxx是行向量还是列向量。分子布局：分子为列向量或者分母为行向量，分子为y或者分母为xT分母布局：分子为行向量或者分母为列向量，分子为yT或者分母为x 下面是维基百科中的例子：分子布局例子1:标量/向量 ∂y∂X=[∂y∂x1...
2018-05-18 22:53:30
194
原创 单因素方差分析
数学模型 把水平AiAiA_i下的试验结果xi1,xi2,⋯,xinixi1,xi2,⋯,xinix_{i1},x_{i2},\cdots,x_{in_i}看成来自第iii个正态总体Xi∼N(μi,σ2)Xi∼N(μi,σ2)X_i \sim N(\mu_i,\sigma^2)的样本观察值，其中，μμ\mu,σ2σ2\sigma^2未知，并且每个总体XiXiX_i都相互独立，考虑线性模型...
2018-05-18 19:15:23
3303
原创 numpy flatten函数
语法： flatten(order=’C’) 类型; a.flatten(order=’C’)，返回数组折叠成一维的副本。 输入参数：参数名：order类型：{‘C’, ‘F’, ‘A’, ‘K’}, optional说明：默认是C 名称 说明 C 折叠成行为主（C型）顺序的方法 F 折叠成列为主（Fortran-型）顺序的...
2018-05-18 17:09:51
564
原创 skimage中的图像直方图均衡化
skimage用于图像的直方图均衡化的函数有两个，分别是equalize_hist和equalize_adapthist函数，本文详细介绍了这两个函数。equalize_hist函数语法： equalize_hist(image, nbins=256, mask=None)类型： skimage.exposure.exposure模块中的函数，返回直方图均衡...
2018-05-18 17:07:10
7049
原创 python skimage图像处理
基于python脚本语言开发的数字图片处理包，比如PIL,Pillow, opencv, scikit-image等。PIL和Pillow只提供最基础的数字图像处理，功能有限；opencv实际上是一个c++库，只是提供了python接口，更新速度非常慢。scikit-image是基于scipy的一款图像处理包，它将图片作为numpy数组进行处理，正好与matlab一样。这里选择Skimage模块...
2018-05-18 17:06:44
10371
原创 skimage rescale_intensity函数
函数名： rescale_intensity语法： rescale_intensity(image, in_range=’image’, out_range=’dtype’)类型： skimage.exposure.exposure 模块中的函数，在对图像进行拉伸或者伸缩强度水平后返回修改后的图像，输入图像和输出图像的强度范围分别由in_range 和out_ran...
2018-05-18 16:25:14
6338
原创 skimage adjust_log函数
skimage adjust_log函数函数名： adjust_log语法： adjust_log(image, gain=1, inv=False)类型： skimage.exposure.exposure模块中的函数，对输入图像进行对数校正，该函数在将每个像素缩放到0到1范围之后，根据方程O=gain∗log(1+I)O=gain∗log(1+I)...
2018-05-18 16:02:35
1440
原创 skimage adjust_gamma函数
skimage adjust_gamma函数函数名 adjust_gamma语法 adjust_gamma(image, gamma=1, gain=1)类型 skimage.exposure.exposure模块中的函数，对输入图像进行gamma校正，也称作幂律变换（ Power Law Transform），这个函数将每个像素缩放到0到1后，根据方程O=I...
2018-05-18 16:02:13
4175
3
原创 skimage imsave函数和imshow函数
以下信息翻译自python帮助文档imshow函数语法： imshow(arr, plugin=None, **plugin_args)功能： skimage.io._io模块中的函数，显示一个图像参数：参数名：arr类型： ndarray or str，多维数组或者字符串说明：图像数据或者图像文件名字参数名：plugin类型：str...
2018-05-17 16:45:47
6656
原创 plt中的figure函数
类型 在matplotlib.pyplot模块中，常见一个图形参数参数名：num类型：interger 整型 ，string 字符串类型，optional 可选，默认是没有备注：如果不提供，则将创建新的图形，并且图形编号将递增。图形对象将这个数字保存在数字属性中。如果提供了num，并且具有该ID的图形已经存在，则使其处于活动状态，并返回对它的引用。如果这个数字不存在，创建...
2018-05-17 16:02:55
17280
1
原创 skimge imread图像读取函数
skimge imread图像读取函数 详细介绍了skimage中的imread图像读取函数，翻译自python帮助文档。功能 从文件中读取一个图像语法 imread(fname, as_grey=False, plugin=None, flatten=None, **plugin_args)类型 函数在 skimage.io._io...
2018-05-17 15:00:44
1755
原创 Box-cox变换
Box-Cox变换 Box和Cox于1964年提出了一种基于极大似然法的幂转换模型。Box-Cox幂分布族是一种十分有用的连续分布族。其转换模型为 y(λ)={yλ−1λ,λ≠0lny,λ=0(1)(1)y(λ)={yλ−1λ,λ≠0lny,λ=0y^{(\lambda)} = \begin {cases} \frac {y^\lambda-1} {\lambda},\lambda...
2018-05-17 14:10:24
3939
原创 Q-Q图
Q-Q图 统计学里的Q-Q图（Q代表分位数）是一个概率图，用图形的方式比较两个概率分布，把他们的两个分位数放在一起比较。首先选好分位数间隔。图上的点（x,y)反映出一个第二分布（y坐标）的分位数和与之对应的第一分布（x坐标）的相同分位数。因此，这条线是一条以分位数间隔为参数的曲线。 如果两个分布相似，则该Q-Q图趋近于落在y=x线上。如果两分布线性相关，则点在Q-Q...
2018-05-15 12:45:44
2880
1
boot2docker.iso
2019-10-31
torchvision-0.4.0+cpu-cp37-cp37m-win_amd64.whl
2019-09-30
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人