技能++++
1.软链接
建立软链接,文件夹存在别处,让C盘瘦身又不影响原本安装的一些东西
在cmd命令下进行
创建: mklink /j “目标路径(文件夹要不存在)” “实际存放的路径”
删除: rmdir “目标路径”
2.Git
你的数据,代码通过git在gitlab或者github上备份,有网基本就能找到,不过记得建私人库哦。
首次使用配置
git config --global user.name"yourname"配置你的名称
git config --global user.mail"youemail@email.com"配置你的邮箱
如果想修改上一步输的入user.name和user.mail,可用 git config --replace-all user.mail(user.name)修改user.name和user.mail
鼠标右键》git Bash Here
git clone SSH
拉取:git pull
修改后上传:cd 个人文件夹》git add . 》git commit -m “修改理由”》git push SSH master/main
3.文献阅读工作流
要让读过的文献有迹可循,这样某一天如果有需要再读,才不至于空有印象却找不到文献。
目前我习惯用的是Zotero+Obsidian工作流,一开始是两者连用的,后来发现各用各的,让文献和笔记分离也不错。
Zotero 6.0版本(用来做文献初读批注&管理)+
Zotfile插件(用来重命名和移动文献,避免空间占用,毕竟免费的才给了300M)+
茉莉花插件(中文文献必备)+
Better BibTex插件(导出bib文件供其他软件获得zotero拉取的信息)+
百度网盘同步空间(我用来存移出的文献,这样换台电脑也不愁,可惜同步空间不能像git一样检重)
Obsidian(做笔记)+
citation插件(用来引用东西,比如从bib调用zotero拉取的信息)+
github存储(连.obsidian一起push,电脑随便换)
4.解决软件使用的问题
远程桌面使用matlab报错License Manager Error -103的解决办法
这是由于 matlab使用了 FLEXlm进行 liscense管理,而 FLEXlm不支持从远程桌面访问。不过,对 liscense文件稍加修改,就能够使用啦~
修改matlab安装用的license_standalone.lic文件,将SIGN替换成TS_OK SIGN
修改之后即可使用啦!
缺少某个DLL
从这里面https://www.dll-files.com/搜索下载缺失的DLL即可
5.编程最基础
Matlab函数手册
范围扩大的同时,处理时间可能也会变长哦
6.召回率,准确率,精确率
以喝酒为例,假设有100个人,实际上50个人喝酒了,50个人没喝。我们有一个判定是否喝酒的模型,通过这个模型我们的判定结果如下:
那么:
准确率(Accuracy): 就是判断正确的占总数的比例。
Accuracy=(TP+TN) / (TP+FP+TN+FN) = (40+30)/100 = 70%
虽然准确率能够判断总的正确率,但是在样本不均衡的情况下,并不能作为很好的指标来衡量结果。
比如在样本集中,正样本有90个,负样本有10个,样本是严重的不均衡。对于这种情况,我们只需要将全部样本预测为正样本,就能得到90%的准确率,但是完全没有意义。对于新数据,完全体现不出准确率。因此,在样本不平衡的情况下,得到的高准确率没有任何意义,此时准确率就会失效。所以,我们需要寻找新的指标来评价模型的优劣。
精确率(Precision): 是针对预测结果而言的,其含义是在被所有预测为正的样本中实际为正样本的概率。精确率代表对正样本结果中的预测准确程度。
P=TP / (TP+FP) = 40/(40+20) = 66.7% 此例中表示预测喝酒的人数中有多少人是真正喝酒的比例。
召回率(Recall): 是覆盖面的度量。衡量了分类器对正例的识别能力。也叫查全率。
R=TP / (TP+FN)= 40/(40+10) = 80% 此例中表示我们预测出的喝酒的人数占真正喝酒的人数的比例。
7.C++中的去除孤立点差别
在c++中,使用opencv库可以实现去除孤立点的操作,即将图中小于设定阈值面积的部分去除。去除代码有两种:
1.传统方法。这种方法是取连通域边界像素的中心点,连接起来成为一个轮廓,再计算轮廓的面积。以下图为例,计算出的面积为3x3=9;
2.像素级别的方法。这种方法是根据像素的连通域,实际计算像素个数作为面积。以下图为例,计算出的面积为4x4=16;
所以如果你要去除小于3的孤立区域,恰好有三个连成直线的像素点,那么使用传统方法会被计算为0,被去除。
//-------------------------------------------------------去除孤立点(传统的)