- 博客(62)
- 收藏
- 关注
RSS订阅原创 查看docker中mysql是否开启
使用docker ps命令查看所有正在运行的Docker容器，并找到MySQL容器的ID或名称。docker ps。
2024-03-25 16:56:29
315
原创 mysql配置允许远程访问
第二步：查找bind-address设置，并将其设置为0.0.0.0或将这行用#符号注释掉（默认为0.0.0.0），以允许所有IP地址连接。第一步：找到mysql配置文件，通常是/etc/mysql/my.cnf或/etc/my.cnf。第三步：重启MySQL服务。
2024-03-25 16:51:21
167
原创 如何查看ubuntu服务器上防火墙信息
Ubuntu 18.04及更高版本使用的是ufw（Uncomplicated Firewall）。如果ufw已安装并正在运行，则会显示防火墙的状态（如活动、已停止等）以及开放的端口。
2024-03-25 16:26:49
502
原创 linux查看系统位数
如果输出是 x86_64，表示系统是 64 位；如果是 i686 或 i386，表示系统是 32 位。如果输出 0 表示系统是 32 位，如果输出 1 表示系统是 64 位。这会直接输出系统架构，如果是 x86_64，表示系统是 64 位。如果输出包含 lm（long mode），表示系统是 64 位。三、查看 /proc 文件系统。
2023-12-12 10:45:22
514
原创 linux查看本机ip地址
ifconfig 命令可以显示网络接口的信息，包括 IP 地址。在一些最新的发行版中，可能使用 ip 命令代替 ifconfig。
2023-12-07 14:59:36
761
原创 c++中.h文件和.cpp文件的区别
头文件（.h）主要用于声明函数和类的接口，不包含具体实现代码。源文件（.cpp）主要用于实现头文件中声明的函数和类的具体代码。将声明和实现分开，可以使得代码结构更加清晰，有助于提高代码的可维护性和可读性。同时，头文件的存在使得多个源文件可以共享和重复使用同一组声明，提高了代码的模块化和复用性。
2023-08-05 17:13:40
3243
原创 floyd算法三重循环的顺序为什么不能改
那么i、j间的最短距离为经过不经过k点和经过k点的最小值，其中不经过k点的最短距离为dp[k - 1][i][j]，经过k点的最短距离为dp[k - 1][i][k] + dp[]k - 1[k][j]。设dp[k][i][j]表示：点i、点j之间，经过的点的编号不超过k的最短距离。i点和j点之间的最短距离为dp[n][i][j]。floyd算法的本质是动态规划算法。设一共有1-n个点。
2023-04-10 21:38:48
474
1
原创 多臂老虎机问题——Bandit算法
多臂老虎机（Multi-Armed Bandit）问题是一类强化学习问题，它的名称来自于赌场老虎机的臂。在多臂老虎机问题中，一个代理需要在有限时间内选择多个臂中的一个，每个臂都有一个未知的概率分布，代理的目标是最大化其收益。举个例子，假设有一家网站想要增加其广告收入。该网站可以在其网页上放置多个广告，每个广告都有不同的点击率。多臂老虎机问题就是在这种情况下，如何决定在每次访问中展示哪个广告，以最大化广告收入。
2023-04-06 22:44:14
1644
原创 RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is Fal
这个错误通常是因为模型在GPU上训练，但是在CPU上加载模型时出现的。这样就可以在CPU上加载模型了。
2023-03-30 16:12:41
987
原创 最长公共子序列问题（LCS）求解
对于 dp[i][j]，如果 s[i-1] 和 t[j-1] 相等，则 dp[i][j] = dp[i-1][j-1] + 1；否则 dp[i][j] = max(dp[i-1][j], dp[i][j-1])。最后，dp[len(s)][len(t)] 就是 s 和 t 的最长公共子序列的长度。否则比较 dp[i-1][j] 和 dp[i][j-1]，如果 dp[i-1][j] 大于 dp[i][j-1]，则说明最长公共子序列中不包含 s[i-1]，将 i 减 1；重复这个过程直到 i 或 j 为 0。
2023-03-28 23:23:51
206
原创 最长上升子序列问题（LIS）求解
例如，对于序列 [3, 1, 4, 1, 5, 9, 2, 6, 5, 3, 5]，最长的单调递增子序列为 [1, 2, 3, 5, 5]，长度为 5。LIS（Longest Increasing Subsequence）问题是指给定一个序列，求其中最长的单调递增子序列的长度。LIS 问题可以使用动态规划算法解决，时间复杂度为。，也可以使用二分查找算法优化时间复杂度至。
2023-03-26 00:03:39
121
原创 广度优先搜索、dijkstra算法与A*启发式搜索
利用广度优先搜索、dijkstra路径搜索算法、A*启发式搜索算法解决leetcode中的题目
2022-06-05 16:26:27
320
原创 用surprise库实现kaggle电影推荐（Baseline、SlopeOne、NormalPredictor）
使用python中的推荐系统库对kaggle中的电影数据集做打分，并根据评分做推荐
2022-06-02 19:16:49
809
原创 约瑟夫环问题
问题描述：共有 n 名小伙伴一起做游戏。小伙伴们围成一圈，按 顺时针顺序 从 1 到 n 编号。确切地说，从第 i 名小伙伴顺时针移动一位会到达第 (i+1) 名小伙伴的位置，其中 1 <= i < n ，从第 n 名小伙伴顺时针移动一位会回到第 1 名小伙伴的位置。游戏遵循如下规则：从第 1 名小伙伴所在位置 开始 。沿着顺时针方向数 k 名小伙伴，计数时需要 包含 起始时的那位小伙伴。逐个绕圈进行计数，一些小伙伴可能会被数过不止一次。你数到的最后一名小伙伴需要离开圈子，并视作输掉游
2022-05-04 14:57:59
98
原创 拒绝采样算法
leetcode：470.用Rand7()实现Rand10()题目：已有方法 rand7 可生成 1 到 7 范围内的均匀随机整数，试写一个方法 rand10 生成 1 到 10 范围内的均匀随机整数。不要使用系统的 Math.random() 方法解法：class Solution: def rand10(self): """ :rtype: int """ # 方法一：拒绝采样 # 时间复杂度：O(1)
2022-05-04 11:34:51
459
原创 凸包算法-流程及代码简述
leetcode：587.安装栅栏凸包算法：给定N个点，包围这N个点的最小面积的多边形为凸包，找到这N个点中在凸包上的点。一、暴力法时间复杂度：O(n^3)空间复杂度：二、方法二：Javis算法时间复杂度：O(n^2)空间复杂度：O(n)class Solution: def outerTrees(self, trees: List[List[int]]) -> List[List[int]]: def cross(x, y, z): # 求外积
2022-05-02 09:58:31
906
原创 水塘抽样算法在leetcode中的应用
一、水塘抽样算法二、应用1、382.链表随机节点382.链表随机结点给你一个单链表，随机选择链表的一个节点，并返回相应的节点值。每个节点 被选中的概率一样 。实现 Solution 类：Solution(ListNode head) 使用整数数组初始化对象。int getRandom() 从链表中随机选择一个节点并返回该节点的值。链表中所有节点被选中的概率相等。 示例：输入["Solution", "getRandom", "getRandom", "getRandom", "
2022-04-25 12:27:06
168
原创 pytorch实现cifar10分类
import torchimport torch.nn as nnimport torch.optim as optimimport torchvisionimport torchvision.datasets as datasetsimport torchvision.transforms as transformsfrom matplotlib import pyplot as pltfrom torch.utils.data import DataLoader# 超参数定义EPO
2021-10-15 19:22:45
221
原创 GridSearchCV——信用卡违约率分析示例
一、简介GridSearchCV，即网格搜索，给定指定的模型、参数，GridSearchCV可以自动的寻找到最优的模型及参数。二、代码引用包：from sklearn.model_selection import GridSearchCV构造分类器：classifiers = [ SVC(random_state = 1, kernel = 'rbf'), DecisionTreeClassifier(random_state = 1, criterion = 'gin
2021-10-08 17:58:04
150
原创 卷积神经网络——先下采样，再上采样的目的
减小计算量，内存变少增加feature map，提取更多特征增大感受野融合不同级的特征，得到更准确的效果
2021-10-05 02:24:40
1331
原创 有符号位移（＜＜、＞＞）与无符号位移（＞＞＞）
一、区别无符号右移：正负数在最高位均补0，有符号右移：正数的最高位补0，负数的最高位补1二、示例1、正数正数的有符号右移与无符号位移结果相同以正整数10为例，其二进制表示：0000 0000 0000 0000 0000 0000 0000 10101.1、有符号右移（>>）有符号位移的最高位补0。10的二进制表示：0000 0000 0000 0000 0000 0000 0000 1010，10右移一位为：0000 0000 0000 0000 0000 0000
2021-10-02 21:59:08
1265
原创 CPU性能评价标准
目录一、MIPS二、DMIPS三、MFLOPS一、MIPSMIPS全称Million Instruction executed Per Second（每秒执行百万条指令），用来计算同一秒内系统的处理能力。二、DMIPSDMIPS全称Dhrystones Million Instruction executed Per Second，主要用于测试整数计算能力。三、MFLOPSMFLOPS全称Million Floating-point Operations Per Second，主要用于测试浮点数
2021-10-02 02:14:40
996
原创 推荐系统之用户标签，以及基于标签的算法
目录一、用户标签1、维度2、阶段3、打标签的方式4、如何给用户推荐标签二、基于标签的算法1、SimpleTagBased2、NormTagBased3、TagBased-TFIDF一、用户标签1、维度用户标签，如年龄、工作、性别等行为标签，如消费金额、消费频次等消费标签，如点击、收藏、购买等内容分析，浏览内容，如科技、娱乐、新闻类等2、阶段用户生命周期的三个阶段获客：如何进行拉新，通过更精准的营销获取客户；粘客：个性化推荐，搜索排序，场景运营等；留客：流失率预测，分析关键节点降低
2021-10-02 01:34:24
2011
原创 用户分层之RFM模型
一、简介RFM模型是衡量用户价值的模型，其中具体含义：Recency：最近一次消费时间间隔Frequency：消费频率，一段时间（比如1年）内的消费次数Monetary：消费金额，一段时间（比如1年）内的消费金额二、模型对于模型来说，最近一次消费时间间隔（R）越小越好消费频率（F）越大越好消费金额（M）越大越好对每个指标设定一个阈值，根据阈值将每个分为“高”、“低”两部分，用XYZ坐标代表三个指标，将三维空间分为8部分：用户分类规则如下：针对不同等级的客户有不同的营销策略，
2021-10-02 01:00:39
2674
原创 利用WordCloud生成词云
一、代码# -*- coding:utf-8 -*-# 词云展示from wordcloud import WordCloudimport pandas as pdimport matplotlib.pyplot as pltfrom nltk.tokenize import word_tokenize# 去掉停用词def remove_stop_words(f): stop_words = ['Movie'] for stop_word in stop_words: f = f
2021-10-01 17:48:15
1479
原创 聚类之亚洲足球排名数据集（kmeans、GMM）
一、代码在这里插入代码片# coding: utf-8from sklearn.cluster import KMeansfrom sklearn import preprocessingimport pandas as pdimport numpy as np# 数据加载data = pd.read_csv('team_cluster_data.csv', encoding='gbk')train_x = data[["2019国际排名","2018世界杯排名","2015亚洲杯排名"]
2021-09-30 19:38:07
684
原创 MNIST数据集实战——LR、朴素贝叶斯、决策树、SVM、随机森林
一、代码# MNIST手写数字分类（多种分类方法）from sklearn.model_selection import train_test_splitfrom sklearn.metrics import accuracy_scorefrom sklearn.datasets import load_digitsfrom sklearn.linear_model import LogisticRegressionfrom sklearn.naive_bayes import Gaussian
2021-09-23 17:02:05
1540
原创 sklearn实战——层次聚类
一、代码# Mall Customer聚类from scipy.cluster.hierarchy import dendrogram, wardfrom sklearn.cluster import KMeans, AgglomerativeClusteringfrom sklearn import preprocessingimport pandas as pdimport numpy as npimport matplotlib.pyplot as plt# 数据加载data =
2021-09-23 16:43:22
2631
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