- 博客(22)
- 收藏
- 关注
RSS订阅原创 mac m1 安装cvxpy
一定要跟着官网的步骤走我使用的是conda安装的，各种报错不行，去了官网才注意到使用conda安装是不一样的，conda install -c conda-forge cvxpy如果根据官网的步骤安装不上，那么试一下：使用homebrew安装cmake如果有其他的问题，去看一下国外友人们的问答...
2021-12-29 18:34:39
1229
原创 conda管理python的版本和虚拟环境
conda管理python的版本的一些问题pipenv其实是一个不错的管理工具，但是它并不支持windows。而且在李辉的更新的《文章中，
2021-11-02 13:01:52
621
1
原创 tornado 入门
我的需求：做后台的微服务，而不是为了制作一个大的web项目1. 文档和学习资料官方文档《introduction to Tornado》1.1 Hello worldimport tornado.ioloopimport tornado.webclass MainHandler(tornado.web.RequestHandler): def get(self): self.write("Hello, tornado")if __name__ == "__
2021-07-28 18:08:31
865
原创 windows下使用celery，慎入！
学习Celery学习的文档是celery的中文文档然后这个中文文档没整明白，不过我找到了一个更好用的学习文档以下是学习过程中遇到的问题由于使用的是windows，RabbitMQ需要额外的依赖，官方推荐用choco install rabbitmq下载，但是我的电脑没有安装choco（这是一个软件安装工具，类似于mac的homebrew）知乎上查询以后，choco在Windows CMD 上的安装命令：@"%SystemRoot%\System32\WindowsPowerShell\v1.0\p
2021-07-22 14:27:24
4301
3
原创 创建自定义的异常
创建新的异常只要继承Exception类就可以了class CalculatError(Exception): pass而这个已经继承了Exception的异常还可以被其他异常继承class ProductionError(CalculateError): pass两者都可以作为异常被调用：try: data = get_data()except CalculatError as e: ...except ProductionError as e: ...我们可以看到，自定义
2021-07-11 16:14:13
299
原创 主成分分析法
主成分分析法非监督的机器学习法主要用于数据的降维通过降维，可以发现便于理解的特征去噪主成分分析法的目标是求www，使得Var(Xproject)=1m∑i=1m(∑j=1mXj(i)wj)2Var(X_{project})=\frac{1}{m}\sum^m_{i=1}(\sum^m_{j=1}X_j^{(i)}w_j)^2Var(Xproject)=m1∑i=1m(∑j=1mXj(i)wj)2，相当于把m维的点，映射到www坐标系上面，使得这些点在www坐标系上的方差最大（最稀疏
2021-07-01 22:32:01
370
原创 CFA笔记-职业伦理
复习笔记，仅适合有基础的查阅。reading1: code of ethics and standards of professional conductProfessional Conduct of ProgramDisciplinary Review Committee(DRC) are responsible for enforcement of the Code and StandardsDesignated Offcicer 决定如何处罚如果对designated officer的处
2021-06-25 14:31:42
847
原创 backtrader的学习之路：QuickStart
以下内容来自官方文档，我只是按照自己的理解进行翻译并对整个过程进行复现介绍平台的两大宗旨：好用参见平台的基本逻辑：建立一个策略确定需要修改的参数建立需要的信号写好买入卖出的逻辑创建交易的引擎（called Cerebro Engine in backtrader)然后下载数据 cerefro.adddata执行 cerebra.run()可视化cerebro.plot下载可以pip install backtrader，但是我更喜欢去github clon
2021-06-24 21:48:53
514
1
原创 梯度下降算法
梯度下降算法文章目录梯度下降算法1. 二次函数下的梯度下降1.1 对梯度下降法的模拟2. 线性回归中的梯度函数1. 二次函数下的梯度下降梯度下降算法不是一个机器学习算法，是一种基于搜索的最优化算法。目的是为了最小化损失函数。也有梯度上升法，目的是最大化一个效用函数。从起始点出发，每次都向导数减小的方向移动，最终当导数减小到0时，我们就得到了极值点。其中η\etaη 被称为学习率，决定每一次学习的“步伐的大小”有时候函数不止有一个极致点，因此初始点也是一个比较重要的参数。1.1 对梯度下降法的
2021-06-24 12:12:10
675
原创 CFA2级组合管理笔记
文章目录CFA2级组合管理笔记1. ETF问题CFA2级组合管理笔记1. ETF问题AP deliver the basket of securities to the ETF manager in exchange for an equal value in ETF shares.ETF的套利机制保证价格如果组成ETF的股票的价格<ETF的价格，AP sell ETF on market and buy basket of the securities，买来的股票可以用来和ETF s
2021-06-17 10:39:52
448
原创 机器学习之线性回归
简单线性回归算法目标是找到a和b，使得∑i=1m(yi−axi−b)2\sum_{i=1}^m(y_i-ax_i-b)^2∑i=1m(yi−axi−b)2尽可能的小。a=∑i=1m(xi−x‾)(yi−y‾)∑i=1m(xi−x‾)2a = \frac{\sum_{i=1}^m(x_i-\overline{x})(y_i-\overline{y})}{\sum_{i=1}^m(x_i-\overline{x})^2}a=∑i=1m(xi−x)2∑i=1m(xi−x)(yi−y)b=
2021-06-16 23:13:05
168
1
原创 KNN,K-means算法
KNN算法文章目录KNN算法概述scikit-learn中对KNN的封装手写数字的判断概述k临近算法可以解释为：近朱者赤近墨者黑。以下图为例，当K=3时，意味着距离绿点最近的3个点具有投票权，他们将会决定绿点的属性。决定投票权的是点于点之间的距离，基础距离公式为欧拉距离：distance=∑i=1n(Xia−Xib)2distance=\sqrt {\sum_{i=1}^n(X_i^a-X_i^b )^2}distance=i=1∑n(Xia−Xib)2通过python代码，实现K
2021-06-11 18:32:08
322
3
原创 如何使用python操作MySQL数据库？
如何使用python操作MySQL数据库文章目录如何使用python操作MySQL数据库1. 如何连接数据库？2. 数据库的查询基础查询条件查询3. 数据库修改获取和mysql的连接对象：需要了解数据库的地址、端口、用户名和密码从连接对象获取游标执行增删改查关闭数据库连接1. 如何连接数据库？建立数据库的连接对象import pymysqlcon = pymysql.connect( host='localhost', # 主机地址（数据库服务器的地址） user='use
2021-06-09 17:42:56
117
原创 flask - response
flask - response视图函数和普通函数的返回数值并不同，视图函数还会返回以下几个：status code: 200, 404, 301content-type http 存放在 headers 中# content-type默认是text/html@app.route('/hello')def hello(): return 'nihao'# flask也提供了response对象:make_response@app.route('/hello')def hello(
2021-06-09 10:40:34
110
原创 Flask-apscheduler 使用
Flask-apscheduler 使用examples最简单的使用例子from flask import Flaskfrom flask_apscheduler import APScheduler# set configuration valuesclass Config(): SCHEDULER_API_ENABLE = True# create appapp = Flask(__name__)app.config.from_object(Config)# i
2021-05-25 18:40:57
601
1
原创 Plotly Dash 在阿里云的部署，Centos+Apache+Flask
Plotly Dash 在阿里云的部署，Centos+Apache+Flask首先需要一个阿里云的实例，并远程连接我这里使用的是centos的系统ssh root@[address]在ECS服务器上，执行以下命令，安装Apache服务及其扩展包yum -y install httpd httpd-manual mod_ssl mod_perl mod_auth_mysql启动Apache的服务systemctl start httpd.service打开实例的安全组，调
2021-03-09 01:06:14
874
原创 Pandas遇到的问题
DataFrame合并的时候出现 cannot reindex from a duplicate axis在合并series的时候会出现这个问题，如下：series1 = pd.Series([1,2,3,4,5,6],index=['a','b','c','d','e','a'])series2 = pd.Series([1,2,3,4,5,6],index=['a','b','c','d','e','f'])pd.concat([series1,series2], axis=1, sort=Tr
2020-11-05 23:55:19
896
原创 PlotlyDash中dcc学习
dcc.Store主要是用来储存json文件的import dashimport dash_html_components as htmlimport dash_core_components as dccfrom dash.dependencies import Output, Input, Statefrom dash.exceptions import PreventUpdate# This stylesheet makes the buttons and table pretty.
2020-05-12 11:52:48
1014
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