weixin_60530224的博客

原创 算法设计与分析实验4 ：利用动态规划的方法解决子集等和分割判断问题

（5）如果nums[i]j，说明nums[i]不属于总和为j的集合，此时的dp[i][j]=dp[i-1][j];（3）如果nums[i]直接满足容量j，那么将物品直接放入，dp[i][j]为true；

原创 算法与分析实验3： 利用预排序、堆排序和计数排序解决排序问题

但是对于堆的数组实现来说，一个正在被删除的元素是位于最后的，所以结果数组将恰好是按照升序排列的原始数组。//用分布计数法，对来自于有限范围整数的一个数组进行排序//输入:数组 A[0.n-1]，数组中的整数位于I和u之间(l≤u)//输出:A中元素构成的非降序数组 S[0..n-1]计数排序是输入增强的一个例子，针对待排序列表(A[])的每一个元素，算出列表中小于该元素的元素个数，并把结果记录在一张表（count[]）中，个数之处了该数在有序表中的位置。第一步:构造堆，即为一个给定的数组构造一个堆。

原创 计算机网络实验七：开放最短路径优先OSPF

在此次实验是关于开放最短路径优先协议（OSPF）的实验，学习了OSPF协议的工作原理和特点，以及如何在仿真环境中配置和测试OSPF协议。OSPF使用链路状态协议来建立相邻路由器之间的联系，并生成拓扑结构数据库同时，OSPF采用最短路径优先算法计算最短路径并生成路由表。其次，学习了如何在仿真环境中配置和测试OSPF协议。通过创建拓扑图和配置路由器，成功实现了OSPF协议的功能，并使用命令行工具进行连通性检验。此外，还学习了如何使用ICMP协议来测试网络连通性。

原创 计算机网络实验六：路由信息协议RIP

在此次实验中，学习了路由信息协议（RIP）的概念、特点和应用且对此有了更深入的了解。还学习了它的基本原理和应用方法，了解到RIP是最早的动态路由协议之一，并学习了RIP协议的工作原理和特点，如何选择最短路径路由。

原创 计算机网络实验五：特定主机路由和默认路由

在实验中，学习了默认路由的概念和作用，它是一种通用路由，当路由表中没有匹配目标IP地址的路由时，就会使用默认路由。同时，还学习了如何配置默认路由，以及如何使用命令行工具来检查和验证默认路由的设置。还学习了如何配置和删除特定主机路由，以及如何使用命令行工具来检查和验证特定主机路由的设置。总的来说，此次实验让我深入地了解了网络中路由选择的基本原理和应用。了解默认路由和特定主机路由的概念和使用方法。

原创 计算机网络实验四：MAC地址、IP地址、ARP地址

此次实验主要涉及到计算机网络中MAC地址、IP地址和ARP协议的原理和应用。这些知识点是构建现代计算机网络的基础，了解它们的工作原理对于我们深入理解网络通信具有重要意义。在实验过程中，理解了MAC地址的概念和作用，它是网卡设备的硬件地址，用于唯一标识网络上的设备。并且了解了IP地址和子网掩码的概念，以及如何通过子网掩码计算出网络地址和主机地址。我还学习了ARP协议，它可以将一个IP地址映射到一个对应的MAC地址，从而实现在网络中定位并访问其他设备。

原创 计算机网络实验三： 访问Web服务器

此次实验的主要目的是让我们通过模拟访问Web服务器，深入理解计算机网络体系结构。在实验中，我们首先使用仿真模式，模拟了HTTP请求，使用浏览器来向Web服务器发送HTTP请求，并在客户端上查看响应结果，从而加深对HTTP协议的理解。在实验过程中，我们发现了不同层次之间的交互关系，例如DNS协议在应用层和传输层之间起到了桥梁作用，将域名解析成IP地址；TCP协议在传输层保证了数据的可靠传输；HTTP协议在应用层提供了基于请求/响应模式的通信服务。

原创 计算机网络实验二：Packet Tracer的简单使用

在此次实验中，学习了在栏底终端设备添加PC，网络设备添加集线器，让软件自动连接PC至集线器，完成简单的构建网络拓扑。配置各网络设备，以及网络功能验证测试，采用实时与仿真模式来测试PC间的连通性。在实验中还学习到了静态路由配置时未配置返回路由，导致连通性测试不通。在本次实验中，对于packet tracer仿真软件的操作有了进一步的掌握，对于网络的网络配置也有了进一步的加深和巩固，但是仍然不够，后续还要继续实操，进一步掌握与学习。

原创 计算机网络实验一：网线制作

(1)压制时力度不足，导致每根线槽的铜片未能压入铜线形成通路。后来用力压入测试时可以了(2)在实验中，我采用了EIA/TIA-568-A标准，在形成通路进行测试时发现错误，后来发现是双绞线的排列顺序弄错了，后面又重新拿了水晶头重做，成功实现。

原创 算法设计与分析实验1：利用减治法和分治法来处理同一个问题

大整数乘法是两个大整数X、Y，要求X*Y的乘积，普通的算法就是把X与Y中的每一项去乘，但是这样的乘法所需的时间复杂度为O(N^2)，(因为每一位要逐个去乘)，所以效率比较低下。是对n分类讨论，如果n是偶数，则n x m=n/2 x 2m，如果n是奇数，则需对公式做轻微的调整：n x m= (n-1)/2 x 2m +m，一直到m等于1时，最后的值即为最开始相乘的值。我们还是假设有两个大整数X、Y，它们的位数不相同，现在要求X*Y的乘法，我们采用分治的算法，将X、Y分别拆分为A与B、C与D，

原创 算法设计与分析实验2 ：利用蛮力法、减治法和分治法解决排序问题

快速排序的核心是分治思想：假设我们目标是从小到大的顺序排列，我们找到数组中一个数作为分割值，把比分割值小的数都放在数组的左边，把比分割值大的都放在数组的右边，这样就可以确定分割值的位置。可以从右到左扫描这个有序的子数组，直到遇到第一个小于等于 A[n-1]的元素，然后把A [n-1]插在该元素的后面。//输入:n个可排序元素构成的一个数组 A[O..n-1]//输出:非降序排列的数组 A[0..n-1] for i←1 to n-l do。模的解，并将元素A[n-1]考虑进来，来得到原问题的解呢?

原创 大数据技术原理及应用课实验7 :Spark初级编程实践

对于访问本地文件，我们可以使用Spark的textFile()方法来读取本地的文本文件，而对于访问HDFS文件，则需要设置HDFS的URL和存储路径，在编写、编译和运行Spark应用程序时，需要使用Scala或Java等语言来编写Spark的代码，并使用sbt或Maven等工具来进行编译和打包。（3）编写独立应用程序（推荐使用Scala语言），读取HDFS系统文件“/user/hadoop/test.txt”（如果该文件不存在，请先创建），然后，统计出文件的行数；1. Spark读取文件系统的数据。

原创 大数据技术原理及应用课实验8 ：Flink初级编程实践

在本次实验中，主要是学习掌握基本的Flink编程方法编写Flink程序的方法以及对大数据的基础编程技能进行巩固。并且还学习了Flink的基本原理和运行机制，还通过具体的代码实现，了解到Flink程序的编写步骤和注意事项。此外，还学会了如何使用IntelliJ IDEA工具进行Flink程序的编写和调试，加深了对开发工具的了解。

原创 大数据技术原理及应用课实验6 :熟悉Hive的基本操作

在本次实验中，理解学习了Hive作为数据仓库在Hadoop体系结构中的角色以及学习了如何使用常用的HiveQL。具体如下：学习了创建内部表、从文件向表中导入数据、利用Hive自动分区特性向分区表dividends各个分区中插入对应数据、查询指定的内容等等。还有在实验中有遇到过一些问题，如在启动 Hive 时,出现 Hive metastore database is not initialized 的错误。

原创 大数据技术原理及应用课实验4： NoSQL和关系数据库的操作比较

在本次实验中，理解到了四种数据库(MySQL、HBase、Redis和MongoDB)的概念以及它们的不同点；通过这次实验对使用四种数据库操作常用的Shell命令有了更深的体会，并且还学习了MySQL、HBase、Redis和MongoDB这四种数据库操作常用的Java API。在此次实验中，对于redis和MongoDB的安装花费了不少时间，根据实验步骤是有报错的，经过查找CSDN解决了一些问题，但还是仍有问题，后面发觉一些问题是暂时不影响实验的继续，问题可以先放着。

原创 大数据技术原理及应用课实验3 ：熟悉常用的HBase操作

在本次实验中，我更加进一步理解了HDFS在Hadoop体系结构中的角色并能使用HDFS操作常用的Shell命令以及HDFS操作常用的Java API。在本次实验的第一题是用编程Java API实现指定功能，并用Hadoop提供的HBase Shell命令完成相同任务。在本题中学习了列出HBase所有的表的相关信息，在终端打印出指定的表的所有记录数据，向已经创建好的表添加和删除指定的列族或列，清空指定的表的所有记录数据，统计表的行数。

原创 大数据技术原理及应用课实验5 :MapReduce初级编程实践

1. 通过实验掌握基本的MapReduce编程方法；2. 掌握用MapReduce解决一些常见的数据处理问题，包括数据去重、数据排序和数据挖掘等。二、实验平台1. 操作系统：Linux（建议Ubuntu16.04或Ubuntu18.04）2. Hadoop版本：3.1.3三、实验步骤（每个步骤下均需有运行截图）（一）编程实现文件合并和去重操作对于两个输入文件，即文件A和文件B，请编写MapReduce程序，对两个文件进行合并，并剔除其中重复的内容，得到一个新的输出文件C。下面是输入文件

原创 大数据技术原理及应用课实验2 ：熟悉常用的HDFS操作

在本次实验中，我进一步理解了HDFS在Hadoop体系结构中的角色并能使用HDFS操作常用的Shell命令以及HDFS操作常用的Java API。在本次实验的第一题我采用了Hadoop提供的Shell命令以及Java API来解答。学习了当向HDFS中上传任意文本文件，如果指定的文件在HDFS中已经存在，由用户指定是追加到原有文件末尾还是覆盖原有的文件。能够从 HDFS 中下载指定文件，懂得了若是本地文件与要下载的文件名称相同，自动对下载的文件重命名等等内容。

原创 大数据技术原理及应用课实验1 熟悉常用的Linux操作和Hadoop操作

（1）使用hadoop用户登录Linux系统，启动Hadoop（Hadoop的安装目录为“/usr/local/hadoop”），为hadoop用户在HDFS中创建用户目录“/user/hadoop”（2）删除上面创建的目录“a1/a2/a3/a4” （在“/tmp”目录下面），然后查看“/tmp”目录下面存在哪些目录。（1）进入“/tmp”目录，创建一个名为“a”的目录，并查看“/tmp”目录下已经存在哪些目录。（2）在目录“/tmp”下新建目录test，再把这个目录复制到“/usr”目录下。

原创 统计学R语言实验8 ：线性回归

在收入和支出的数据集中，使用了 cor() 函数计算收入和支出之间的相关系数，并得到结果为0.9447443，意味着收入和支出之间存在较强的正相关关系。可以得到一元线性回归模型中截距的最小二乘估计为β0=和自变量income的系数B1的最小二乘估计β1=0.1339。计算出的相关系数为 0.9447443，意味着收入和支出之间存在较强的正相关关系。反之，收入减少时，支出也会相应降低。总之，在本次实验中学习了如何使用 R 语言进行数据分析的基本流程和方法，并学习了相关系数和线性回归在投资、经济等领域的应用。

原创 统计学R语言实验7 方差分析

oneway.test 函数可以计算不同组之间的均值和标准差，并检验它们是否显著不同。但是,这些系数的意义并不是通常的回归线斜率,而应该这样理解:截距这一项是大学本科工资收入的均值,而另外两个是相应组均值与大学本科工资收入这一组均值的差异。通过观察箱线图可以看出三种不同学历的公司员工的工资收入有明显的差异，所以猜测不同学历的工资收入也许有本质的差异。函数语法：aov(formula, data)其中，formula 和 data 的含义与 oneway.test 函数中相同。完成教材P117的第4题。

原创 统计学R语言实验6 ：比例的假设检验

一、实验目的1. 掌握理解两个总体比例假设检验的相关概念。2. 掌握理解两个总体比例假设检验的相关方法。3. 熟悉R语言等语言的集成开发环境。二、实验分析与内容完成教材P98的第4题在一个流行病事件中,A地区656 例病人中完全康复了474人,B地区568例病人中完全康复了463人。这个差异在统计上是显著的吗?方法一：可以发现该检验的p值为0.999。这个p值太大,无法拒绝零假设，也就是说，没有理由为两个地区认为完全康复的人的比例有显著差异。这里还给出了比例之差的95%置信区间(-0.1335231,1.0

原创 统计学R语言实验5 ：两个总体均值假设检验

最后，我们使用t.test()函数执行了一个 Welch 独立两样本 t 检验，其中alternative = "greater"表示进行单侧测试，即测试女性的平均得分是否显著高于男性的平均得分。根据方法二和三的结果，在 0.01 的显著性水平下不能拒绝女性平均得分与男性平均得分相等的原假设，因为P值为 0.5947，大于显著性水平0.01。在本次实验中主要学习了两个总体均值假设检验的相关概念以及两个总体均值假设检验的相关方法，并继续加深对R语言等语言的集成开发环境的熟悉。完成教材P88的第7题、第8题。

原创 统计学R语言实验4 均值假设检验

与t经量相应的p值等于0.1715>0.01,这表示因为拒绝零假设而犯错误的实际概率有0.1715。这样， p值大于显著性水平，我们不可以拒绝零假设。在此次实验中我理解了假设检验的相关概念。假设检验是根据样本信息，提出对于总体信息的假设，并且对假设的正确性进行推断。推断的依据是假设成立发生的概率，并且设置显著性水平 α \alphaα (取值一般为0.01，0.05，0.1)。在此次实验中理解假设检验的相关方法并使用了R语言等语言的集成开发环境来解决问题。2. 掌握理解假设检验的相关方法。

原创 统计学R语言 实验3 点估计

本次实验中只有一道题，是灯泡的寿命试验而得到灯泡寿命（h）数据，求该日生产的整批灯泡的寿命均值和寿命方差的无偏估计。通过本次实验，对点估计的认识有了进一步的深入，对相关函数以及概念也有了更深刻的理解，然而这还不足够，还需要继续深入学习掌握。求该日生产的整批灯泡的寿命均值和寿命方差的无偏估计值（提示：样本方差才是方差的无偏估计）在本次实验中，学习了点估计的相关概念和方法、理解点估计的估计质量好坏判断方法和R语言等语言的集成开发环境。1. 掌握理解点估计的相关概念和方法。3. 熟悉R语言等语言的集成开发环境。

原创 统计学R语言实验2 ：概率与分布

在R中，rnorm（x，mean，sd）函数来随机抽取正太分布随机数，只是抽取符合正态分布的随机数。题目一：在R中，pois表示泊松分布，加上不同的前缀表示不同的函数，加上前缀d表示概率密度函数，加上前缀p表示分布函数，加前缀q表示分位函数，加前缀r表示随机生成数，各函数的语法格式如下：其中x变量表示服从泊松分布函数的成功的次数，而均值表示数量的均值(此处均值mean= lambda)本题用pnorm（x，mean，sd）函数和pnorm（x，mean，sd）函数,x变量，mean均值，sd标准差。

原创 R语言实验1 ：数据的描述性分析

在此次实验中掌握理解了均值、方差等一系列统计相关概念并加深对散点图、直方图、相关系数等概念的理解，还熟悉R语言等语言的集成开发环境，而且还学会了运用R语言的集成开发环境去处理数据，计算数据的均值、方差、标准差、极差、变异系数、偏度和峰度，并绘制直方图、茎叶图、t箱线图、散点图,并计算相关系数。2. 加深对散点图、直方图、相关系数等概念的理解。1. 掌握理解均值、方差等一系列统计相关概念。3. 熟悉R语言等语言的集成开发环境。完成教材P37第6题。

原创 在navicat客户端Mysql连接出现Authentication plugin ‘caching sha2 password‘ cannot be loaded: @Xeegeeeg问题

方法二：创建新用户：在 MySQL 服务器上创建一个新用户，将其身份验证插件设置为与旧版本的客户端兼容的插件，然后使用该用户进行连接。创建新用户：在 MySQL 服务器上创建一个新用户，将其身份验证插件设置为与旧版本的客户端兼容的插件，然后使用该用户进行连接。现在，你可以使用刚刚创建的用户连接到 MySQL 数据库，并且该用户的身份验证插件是与旧版本的 MySQL 客户端兼容的插件。方法一：更改身份验证插件：在 MySQL 服务器上更改默认的身份验证插件，将其设置为与旧版本的客户端兼容的插件（例如。

原创 大数据可视化技术（1）：调查数据。某公司对财务部门人员是否抽烟进行调查，结果为：否，否，否， 是，是，否，否，是，否，是，否，否，是，是，否，是，否，否，是，是。

1）试用mean、median、var、sd函数求数据的均值、中位数、方差、标准差。2）绘制该数据的散点图和直方图，应用hist函数构建自己的计量频数表函数。1）请用value_count函数统计人数，并绘制条图，按颜色区分是否。3）请用自定义函数freq生成频数表和频数图。2）请用自定义函数tab生成频数表和频数图。

原创 机器学习实验四：决策树-隐形眼镜分类（计算信息增益和信息熵以及模型准确率）

Description :隐形眼镜数据是非常著名的数据集 ，它包含很多患者眼部状况的观察条件以及医生推荐的隐形眼镜类型。# 为了更容易显示数据,本书对数据做了简单的更改 ，数据存储在源代码下载路径的文本文件中。# 隐形眼镜类型包括硬材质 、软材质以及不适合佩戴隐形眼镜。数据来源于UCI数据库。Title : 使用决策树预测隐形眼镜类型。

原创 Flask Web开发实验一：第一个Flask项目与Flask的工作方式

请求http://127.0.0.1:5000/后，服务器日志有run_before_request打印的内容，且请求到达的时间g.begin_time也共享到视图函数使用。Flask在分发请求之前激活（或推送）程序和请求上下文，那么就可以使用上面几个变量了，且请求处理完成后会将它删除。要想让视图函数能够访问请求对象，一个显而易见的方式是将其作为参数传入视图函数，程序收到客户端发来的请求时，要找到处理该请求的视图函数。试想，在多线程服务器中，多个线程同时处理不同客户端发送的不同请求时，

原创 机器学习8：在病马数据集上进行算法比较（ROC曲线与AUC）

使用不同的迭代次数（基模型数量）进行 Adaboost 模型训练，并记录每个模型的真阳性率和假阳性率，并绘制每个模型对应的 ROC 曲线，比较模型性能，输出 AUC 值最高的模型的迭代次数和 ROC 曲线。计算不同基模型数量下的AUC值，画出“分类器个数-AUC”关系图讨论：随着弱分类器个数的增加，AUC的值会如何变化？为什么？如果AUC值随着弱分类器的增加而增加，是否表示弱分类器个数越多越好呢？我们能否根据AUC的曲线图找到最优的弱分类器个数？怎么找？

原创 Flask Web开发：数据库

在 ORM（对象关系映射器）中，模型一般是一个 Python 类，类中的属性对应于数据库表中的列。Flask-SQLAlchemy 实例为模型提供了一个基类以及一系列辅助类和辅助函数，可用于定义模型的结构。如下实体 – 关系图中的 roles 表和 users 表，我们可以分别定义为 Role 和 User 模型：# ...# ...也就是将 User 模型中的 role_id 列定义为外键，来联接这两个表。

原创 Flask Web开发实验二：模板（2）

如果你在浏览器的地址栏中输入了不可用的路由，那么会显示一个状态码为 404 的错误页面。现在这个错误页面太简陋、平庸，而且样式和使用了 Bootstrap 的页面不一致。像常规路由一样，Flask 允许程序使用基于模板的自定义错误页面。最常见的错误代码有两个：404，客户端请求未知页面或路由时显示；500，有未处理的异常时显示。为这两个错误代码指定自定义处理程序的方式如示例 3-6 所示。和视图函数一样，错误处理程序也会返回响应。它们还返回与该错误对应的数字状态码。

原创 Flask Web开发实验二：模板

3.1 Jinja2模板引擎形式最简单的Jinja2模板就是一个包含响应文本的文件。示例3-1是一个Jinja2模板，它和示例2-1中index()视图函数的响应一样。示例3-1Jinja2模板3-1.pyindex.html示例3-2Jinja2模板示例2-2中，视图函数user()返回的响应中包含一个使用变量表示的动态部分。示例3-2 实现了这个响应。示例 2-2 hello.py：包含动态路由的 Flask 程序。

原创 Flask安装

原创 机器学习6：逻辑回归

具体地，我们可以先将测试样本添加偏置项，然后将该样本的特征向量带入经过训练得到的模型参数 w 中，计算出 sigmoid 函数的输出值（即该样本属于正类的概率值），最后根据概率值来判断该样本属于哪个类别。对于测试样本 (1，2.2)， (2.2, 2.3)，我们可以使用经过训练得到的 logistic 回归模型对其进行分类预测，并计算其属于正类的概率值。数来将线性函数的输出转换为概率值，使用对数损失函数（log loss）来衡量模。型的预测结果与实际类别标签之间的差异，请使用逻辑回归模型对新的测试样本。

原创 操作系统实验二、进程和线程管理(Windows 2学时)Windows下创建子进程

在调用该函数时，传入的参数依次表示：应用程序名称、命令行参数、进程句柄不可继承、线程句柄不可继承、不指定额外的继承选项、无特殊的创建标志、默认使用当前进程的环境变量、默认使用当前目录、指向 STARTUPINFO 结构体变量的指针、指向 PROCESS_INFORMATION 结构体变量的指针。（1）Windows应用程序中创建子进程的过程：在Windows应用程序中创建子进程的过程是通过系统调用CreateProcess函数来实现的，这个函数会创建一个新的进程，并在这个新进程中运行指定的可执行文件。

原创 人工智能数学基础3：用Python 编程求极限

利用泰勒展开的方法来求解这个极限。，并用Python 编程求极限。使用洛必达法则来求解。

原创 思科对路由器的配置

RA(config-router)#network 192.168.12.0 0.0.0.255 area 0 //将 G0/0 接口所在的网段加入 OSPF Area 0。RA(config-router)#network 192.168.100.0 0.0.0.255 area 1 //将 G0/1 接口所在的网段加入 OSPF Area 1。RA(config)#interface GigabitEthernet0/0 //进入 G0/0 接口配置模式。进行配置，先对各接口配置基本。