Asll的学习小站

原创 Ubuntu使用心得

Ubuntu使用心得一、环境变量1.1 Linux常见指令1.2 环境变量说明二、Hadoop环境配置三、Spark环境配置四、Python环境配置4.1 Anaconda安装4.2 Jupyter安装4.3 Pycharm安装4.4 pip又卡了？五、一些有用的Tools5.1 中文输入法配置5.2 系统语言配置（专八大佬自行忽略）5.3 一个漂亮的桌面&关闭自动休眠5.4 磁盘扩容5.4.1 物理扩容5.4.2 逻辑扩容首先还是记录一下，学习大数据经常离不开各种各样的宏包，需要搭配各种各样乱七

原创 Machine learning(ML)常用的几类学习器及Python实现

Machine learning（ML）常用的几种学习器及Python实现一、一、

原创 MathType公式编辑文本复制粘贴选项

MathType公式编辑的笔记

原创 基于Matlab的回归分析

基于Matlab的回归分析

原创 基于Matlab的插值问题(Lagrange插值法、三次插值多项式)

基于Matlab的插值法，以及Lagrange插值法代码复现

原创 数据可视化

Matplotlib、PyEchart的常见操作

原创 机器学习2

关联规则挖掘、图像处理、自然语言处理

原创 机器学习1

机器学习常用方法，从数据预处理到建模全过程

原创 基于Matlab的非线性规划问题

使用Matlab对非线性规划求解

原创 Spoon图形操作

ETL的常用解决方案Ketlle的可视化操作Spoon介绍

原创 Jetson部署实践

Jetson部署实践一、模型开发1.1 Yolov5图像检测模型开发二、模型部署2.1 DeepStream框架介绍2.2 TensorRT 加速算子、模型转换2.3 wtf文件传输(ssh)、部署2.4 推理测试2.4.1 单路usb接口图像传入2.4.2 多路接口图像传入2.4.3 多模型并发推理三、推理结果输出四、常见报错4.1 fatal: unable to access 'https://github.com/wang-xinyu/tensorrtx.git/': server certific

原创 Anaconda虚拟环境开发日志

Anaconda虚拟环境开发日志一、Conda环境变量1.1 常用方法1.2 在Jupyter Lab中设置Conda中的Kernel二、pip中出现的问题一、Conda环境变量1.1 常用方法1.2 在Jupyter Lab中设置Conda中的Kernel在activate的环境中：pip install ipykernel# --name:Conda虚拟环境名称，--display-name:你希望在Jupyter Lab中看到的kernel名称python -m ipykernel i

原创 CV tensorflow、pytorch 报错大全

CV tensorflow、pytorch 报错大全Tensorflow1. AttributeError: module 'tensorflow' has no attribute 'placeholder'PytorchTensorflow1. AttributeError: module ‘tensorflow’ has no attribute ‘placeholder’当你出现这个问题时，说明在tf2下使用了tf1的API不太清楚的话可以：import tensorflow as tf

原创 RabbitMq的Ubuntu安装以及Python实现

RabbitMq一、RabbitMq简介二、Ubuntu安装2.1 安装支持库以及RabbitMq本体2.2 RabbitMq的基础指令三、Python实现3.1 模式一：fanout（群体发送）3.2 模式二：direct（routing_key 定向发送）3.3 模式三：topicd（routing_key正则匹配）一、RabbitMq简介RabbitMq 是实现了高级消息队列协议（AMQP）的开源消息代理中间件。消息队列是一种应用程序对应用程序的通行方式，应用程序通过写消息，将消息传递于队列，由另

原创 Facebook时序工具库 Kats 中文教程（个人首发）

Facebook时序工具库 Kats 中文教程1. Kats是什么？2. 我将如何使用Kats2.1 在Python中安装Kats2.2 实例2.2.1 预测2.2.2 推理预测2.3 TSFeatures3. 中文教程4. 更新进度1. Kats是什么？Kats是Facebook在June 18th刚刚发布的一个专门为了时间序列服务的工具库。它作为一个Toolkit包，提供了四种简易且轻量化的API。预测（封装了10+models，主要是传统的时间序列模型，这些模型有支持ensemble的API，

原创 百度VidPress智能图文剪辑测评

百度VidPress智能图文剪辑测评一、VidPress项目简介二、2021-9-17 平台测试一、VidPress项目简介2020年4月20日，百度研究院宣布已孵化出业界首个支撑通用型、大规模生产的智能视频合成平台VidPress。号称可以通过一段图文信息自动生成为一段视频。《百度研究院宣布孵化出首个智能视频合成平台VidPress》我这边接触到这个的时候已经是平台开放测试的第四个月了，果不其然的是，网上的破解版本也来得非常快，一搜『AI智能剪辑』就有一大堆，输入文本匹配视频的『破解注册机VidP

原创 Git远程仓库(Github)

Git远程仓库一、Git 工作流程二、基本操作三、My copy&paste一、Git 工作流程一般工作流程如下：克隆 Git 资源作为工作目录。在克隆的资源上添加或修改文件。如果其他人修改了，你可以更新资源。在提交前查看修改。提交修改。在修改完成后，如果发现错误，可以撤回提交并再次修改并提交。二、基本操作菜鸟教程：Git 基本操作三、My copy&pastegit init - 初始化仓库。git add . - 添加文件到暂存区。git commit

原创 Kalman filter算法介绍及Python实现

Kalman filter算法介绍及Python实现一、算法思路1.1 Kalman filter简介1.2 算法推导二、Python复现三、参考文章一、算法思路1.1 Kalman filter简介卡尔曼滤波（Kalman filtering）是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。数据滤波是去除噪声还原真实数据的一种数据处理技术，Kalman滤波在测量方差已知的情况下能够从一系

原创 YOLOv5报错大全

YOLOv5报错大全YOLOv5报错大全YOLOv5报错大全1、安装GPU训练环境1.1 显卡驱动报错：NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver1、安装GPU训练环境1.1 显卡驱动报错：NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver# 查看预安装的nvidia版本，预安装可以在，&g

原创 Spark知识点

星星人星星魂，用星星都是人上人

原创 MongoDB知识点总结

芒果人，芒果魂，用芒果都是人上人！

原创 Spark机器学习实验

Spark机器学习实验一、出租车数据分析1.数据处理2.数据分析2.1创建 DataFrame2.2KMeans 聚类分析3.百度地图可视化3.1申请地图 key3.2聚类结果可视化二、图书推荐系统1.Django简介1.1.ORM 模型1.2.Template 模板1.3 View 视图2.Django 项目搭建2.1 项目创建2.2 视图和 URL 配置2.3 创建应用2.4 创建模型2.5 Admin 管理工具3.推荐引擎设计3.1导入数据3.2训练模型3.3图书推荐4.系统设计与实现4.1BootS

原创 Spark GraphFrames图计算

Spark GraphFrames图计算1. 图的概念在计算机科学中，图是一种重要的数据结构，它具有强大的表达能力，广泛应用于通信网络、搜索引擎、社交网络及自然语言处理等领域。GraphFrames 是关于图的计算框架，理解图的概念对学习和掌握 GraphFrames 的相关内容是非常重要的。由于数据结构的书籍都有对图的详细介绍，因此这里仅回顾一些重要概念，为讲解后面内容提供基础。[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-rKNFD3dG-1623235399503

原创 Spark机器学习

Spark机器学习1. 介绍1.1 机器学习常用算法1.2 Spark机器学习库官方介绍1.3 Spark机器学习库构成1.4 ml和mllib的主要区别和联系2.mllib库2.1 MLlib库组成2.2 MLlib基本使用2.2.1 基本概念2.2.2 使用方法2.2.3 对垃圾邮件进行分类2.2.4 MLlib中的数据类型2.2.5 特征提取2.2.6 对数据进行缩放2.2.7 统计2.2.8 线性回归2.2.9 Logistic Regression2.2.10 聚类任务3.ml库3.1 ml介绍和

原创 Latex中出现的问题及解决方案

Latex中出现的问题及解决方案一、基本代码1、首行空两格1. 手动空两格2. 使用宏包控制3. 取消首行缩进2、插入图片1. 插图2. 调整latex图与caption之间的距离3、序号序列1.枚举类型enumerate2. 枚举类型itemize3. 使用enumitem包对枚举类型enumerate进行缩进4、参考文献5、latex目录1. 插入目录不识别的sectionlatex中的距离二、报错以及处理三、宏包问题本篇不会讲基本操作等等，只是记录本人在使用latex中出现的一些问题等。一、基

原创 基于Matlab的时间序列（Time Series）（附代码）

时间序列（或称动态数列）是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。时间序列分析的主要目的是根据已有的历史数据对未来进行预测。经济数据中大多数以时间序列的形式给出。根据观察时间的不同，时间序列中的时间可以是年份、季度、月份或其他任何时间形式。

原创 粒子群优化Python实现(PSO，Particle swarm optimization)

粒子群优化Python实现一、PSO算法概念二、PSO算法流程三、Python代码实现四、优缺点以应用1、PSO算法的一些优点：2、PSO算法的不足之处：3、PSO算法的产业应用一、PSO算法概念  西元1995年由肯尼迪（Kennedy）与埃伯哈特（Eberhart）（1995）两位学者所提出，这两位学者借由观察鸟类族群觅食的讯息传递所得到的一个启发，粒子群算法的理论基础是以单一粒子来做为鸟类族群之中的单一个体，将种群中的个体看成是D维搜索空间中没有质量和体积的粒子，每个粒子以一定的速度在解空间运动，

原创 遗传算法Python实现（Genetic Algorithm，GA）

遗传算法Python实现一、GA算法介绍二、GA算法流程三、Python实现四、优缺点及应用1、不足之处2、特点3、应用一、GA算法介绍  遗传算法（Genetic Algorithm，GA）最早是由美国的 John holland于20世纪70年代提出,该算法是根据大自然中生物体进化规律而设计提出的。是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。该算法通过数学的方式,利用计算机仿真运算,将问题的求解过程转换成类似生物进化中的染色体基因

原创 模拟退火Python实现（Simulated Annealing， SA）

模拟退火算法一、概念二、Python代码实现三、​​应用：一、概念  模拟退火算法(Simulated Annealing，SA)最早的思想是由N. Metropolis [1] 等人于1953年提出。1983 年,S. Kirkpatrick 等成功地将退火思想引入到组合优化领域。它是基于Monte-Carlo迭代求解策略的一种随机寻优算法，其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性。模拟退火算法从某一较高初温出发，伴随温度参数的不断下降,结合概率突跳特性在解空间中随机寻找

原创 大数据分析与算法实战学习目录

原创 Stacking 融合算法

# coding=utf8from sklearn import datasetsfrom sklearn.ensemble import RandomForestClassifier, ExtraTreesClassifier, GradientBoostingClassifierfrom sklearn.cross_validation import train_test_splitfrom sklearn.cross_validation import StratifiedKFoldim

原创 机器学习笔记

机器学习笔记Ⅰ、导言Ⅱ、机器学习的分类1、基于学习策略的分类（1）模拟人脑的机器学习（2）直接采用数学方法的机器学习2、基于学习方式的分类3、基于数据形式的分类4、机器学习的各类算法逻辑关系图Ⅲ、机器学习的常见算法1、决策树算法2、朴素贝叶斯算法3、支持向量机（SVM）算法4、随机森林算法5、人工神经网络（Artificial Neural Network，即ANN ）算法6、深度学习7、Boosting与Bagging算法8、关联规则算法（关联矩阵）9、EM（期望最大化）算法10、各类回归11、马尔可夫算

原创 建模比赛心得

建模比赛心得一、比赛经历二、感悟三、总结一、比赛经历  大约是从2020年的美赛开始吧，就一直断断续续地准备着数学建模方面的比赛，不过遗憾的是，本该在大一上学期就开始的第一场MCM以及第一场泰迪杯，都在疫情期间，由于各种各样奇奇怪怪有的没的的理由水了（出于本人一直以来有始有终的做事风格嘛，难免是有点不甘心的）。  在暑假期间由于想要咸鱼翻身（也有可能是耍太久了想要找点事做），推翻了以前所有的假设以及之前为美赛和泰迪杯做的准备工作（相当于是把所有的收藏的一直没看的视频或者文章）全部删了。开始从0开始完整

原创 机器学习Python处理中出现的问题汇总

机器学习Python处理中出现的问题汇总一、Pycharm一直indexing造成无法run  在机器学习过程中出现的问题还是蛮多的，原因大概就是像数据集太大引起的，产生的冗杂文件过多，堆积文件过多或者算法复杂度过大引起的运行缓慢等等问题。  其实不难理解的就是，本来机器学习的训练调参过程就是一个极其缓慢的学习过程，少则十几万的数据量使得你的算法一旦有一点点问题，稍微复杂一点点就会引起运算速度按照指数级堆积，时间就会耗很久，又幸苦电脑（大黑天天面对俺的辣鸡代码欲哭无泪）cpu资源，又浪费我的时间（时间即

原创 自动化ARIMA时间序列及Python实现（Auto_arima）

时间序列的基本原理见Matlab篇，本篇主要讲基于原理的python代码实现部分。

原创 BP神经网络原理及Matlab实现（Back Propagation Neural Networks，BPNN）

BP (Back Propagation)神经网络是一种神经网络学习算法。其由输入层、中间层、输出层组成的阶层型神经网络，中间层可扩展为多层。相邻层之间各神经元进行全连接，而每层各神经元之间无连接，网络按有教师示教的方式进行学习，当一对学习模式提供给网络后，各神经元获得网络的输入响应产生连接权值（Weight）。然后按减小希望输出与实际输出误差的方向，从输出层经各中间层逐层修正各连接权，回到输入层。此过程反复交替进行，直至网络的全局误差趋向给定的极小值，即完成学习的过程。

原创 AsllのJava学习笔记 2

本篇主要是讲基于Java一些有用的实验。理论与实践相结合才能将知识结合得更加紧密嘛。

原创 AsllのJava学习笔记

Java学习所谓任重而道远，它的功能在我心目中大抵是“造轮子”。不同于Python和C，Java主要是面向对象的。重要的并不是“我的体会如何”而是“对象的体会如何”灵活多变的包装，Class也好，Interface也好。。。

原创 基于matlab的二分法（Bisection method）查找（附代码）

二分法（Bisection method） 即一分为二的方法. 设[a，b]为R的闭区间. 逐次二分法就是造出如下的区间序列([an，bn])：a0=a，b0=b，且对任一自然数n，[an+1，bn+1]或者等于[an，cn]，或者等于[cn，bn]，其中cn表示[an，bn]的中点.

原创 基于spss的分段回归模型（piecewise linear regression）

分段线性回归是指当y对x的回归在x的某一范围的服从某种线性关系，在其他范围内又服从斜率不同的线性关系时适用的一种回归估计方法。这种方法使用指示变量对各段(即不同范围的)数据同时拟合统—的回归模型 。 某些变量之间的关系非常有趣，不是恒久的线性或非线性关系，可能其中一段表现为线性，而另一段表现为非线性。例如，我们举一个每个人都有切身体会的例子，人的身高和年龄的关系，在3岁到10岁期间，它们基本是线性相关，而高中以后，身高基本定型，不再随年龄的增加而增长。对于这样的变量关系，在3到10岁期间，我们可以用一个