<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[wenyusuran的专栏]]></title><description><![CDATA[做个专注的人，永不放弃]]></description><link>https://blog.csdn.net/wenyusuran</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; wenyusuran]]></copyright><item><title><![CDATA[tableau高级绘图（十三）-tableau绘制半圆时间图]]></title><link>https://blog.csdn.net/wenyusuran/article/details/125264156</link><guid>https://blog.csdn.net/wenyusuran/article/details/125264156</guid><author>wenyusuran</author><pubDate>Sun, 21 Aug 2022 04:45:00 +0800</pubDate><description><![CDATA[直接黏贴进去之后，你应该会发现数据源联接界面报了错误，在联接的数据源以及你复制进去的文本的两侧，均选择编辑联接计算，均输入1，选择左连接即可。将数据源加载到Tableau后，打开数据源页面，复制黏贴以下内容到数据源界面。o右键单击该字段，并确保选择了“完成此操作后，让我们开始创建数据可视化。·Ctrl（或Command）将度量的。选择工作表界面，我们首先创建数据捅，o右键单击该字段，转到“o右键单击该字段，转到“，确保改订单日期的格式为年份。现在，我们将添加一行显示值。，转到创建并选择数据捅。...]]></description><category></category></item><item><title><![CDATA[tableau高级绘图（十一）-tableau绘制日历圆形图]]></title><link>https://blog.csdn.net/wenyusuran/article/details/125263640</link><guid>https://blog.csdn.net/wenyusuran/article/details/125263640</guid><author>wenyusuran</author><pubDate>Sat, 20 Aug 2022 04:45:00 +0800</pubDate><description><![CDATA[日历圆形图的形式非常适合用于展现一年12个月的相关数据，能清晰体现月份的分布，单点数值的大小。注：当我们处理有关日期的字段的时候，一定要记得【显示缺失值】在数据源加载完成后，我们需要创建如下计算来实现最终的图形。IF ([Index]%[深度]) < [深度]/2。OK，字段创建完毕，我们就可以开始进行建立工作表了。○ 右键点击，设置计算依据为order date。○ 右键点击，设置计算依据为order date。([Index]%[深度])+[中心距离]○ 右键点击字段，确保【显示缺失值】勾选。...]]></description><category></category></item><item><title><![CDATA[机器学习实战应用案例100篇（八）-图网络从原理到实战应用案例（一）]]></title><link>https://blog.csdn.net/wenyusuran/article/details/123660299</link><guid>https://blog.csdn.net/wenyusuran/article/details/123660299</guid><author>wenyusuran</author><pubDate>Fri, 19 Aug 2022 05:00:00 +0800</pubDate><description><![CDATA[图网络简介

1 深度学习中的特征表达


	独热编码（左图）：只有一个维度有值，其他为0
	
	
	嵌入表达（右图）：所有维度都有值
	


2 图神经网络







图神经网络中，每个结点都具有信息，这个信息可以是独热编码也可以是嵌入编码（向量表示）。

每个结点的信息可以表示为图片、文字等。每个结点都用一个向量表示，网络一旦训练，结点之间将会互相影响。





1 单节点消息传递





上图可以用下式表示：





2 多节点消息传递

所有结点同时更新（分布式运行）。



消息传递..]]></description><category></category></item><item><title><![CDATA[机器学习实战应用案例100篇（二十）-模拟退火法从原理到实战应用案例]]></title><link>https://blog.csdn.net/wenyusuran/article/details/123666495</link><guid>https://blog.csdn.net/wenyusuran/article/details/123666495</guid><author>wenyusuran</author><pubDate>Thu, 18 Aug 2022 05:00:00 +0800</pubDate><description><![CDATA[模拟退火算法(实战)


importnumpyasnp
importmatplotlib.pyplotasplt


defobjective(x):
"""目标函数"""
returnx[0]**2.0


classSA:
def__init__(self,X,bounds,n_iter,sigma,T):
self.X=X
self.bounds=bounds
self.best=...]]></description><category></category></item><item><title><![CDATA[机器学习实战应用案例100篇（十八）-鲸鱼算法从原理到实战应用]]></title><link>https://blog.csdn.net/wenyusuran/article/details/123665956</link><guid>https://blog.csdn.net/wenyusuran/article/details/123665956</guid><author>wenyusuran</author><pubDate>Wed, 17 Aug 2022 05:00:00 +0800</pubDate><description><![CDATA[鲸鱼优化算法(原理)

1 算法简介

鲸鱼被认为是世界上最大的哺乳动物，成年鲸鱼可长到 30 m 长和 180 t 重。鲸鱼通常以群居为主。鲸鱼是食肉动物，它们最喜欢的食物是成群磷虾和小鱼。鲸鱼有一种独特的捕食行为，即气泡捕食法。

气泡捕食法具体为：


	鲸鱼首先潜入水深约 15 米处，以螺旋形姿势向水面上游动，游动过程中伴随着吐出许多大小不等的气泡，使最后吐出的气泡与第一个吐出的气泡同时上升到水面；
	
	
	与此同时，所吐出的气泡便构成了类似于圆柱状或管状的气泡网，有如蜘蛛所编织的网，把猎物紧紧.]]></description><category></category></item><item><title><![CDATA[大学生数学建模赛题解析及优秀论文-2021电工杯A题高铁牵引供电系统运行数据分析及等值建模（附Python代码）]]></title><link>https://blog.csdn.net/wenyusuran/article/details/126339876</link><guid>https://blog.csdn.net/wenyusuran/article/details/126339876</guid><author>wenyusuran</author><pubDate>Tue, 16 Aug 2022 05:00:00 +0800</pubDate><description><![CDATA[我国是世界上电气化铁路运营里程最长、服役电力机车型号最多、运营最 繁忙的国家。截至 2020年底，我国铁路年消耗电量约800亿千瓦时，约占三峡 年总发电量的 80%。图1为高速铁路牵引供电系统示意图，主要包括牵引变电所、牵引网和动车 组。牵引变电所将 220kV三相电压转换为满足电力机车运行的27.5kV单相电压， 其核心元件是牵引变压器。牵引网由馈线、接触网、钢轨、回流线等组成，完成 对电力机车的送电任务。...]]></description><category></category></item><item><title><![CDATA[tableau高级绘图（十）-Tableau绘制圆形图]]></title><link>https://blog.csdn.net/wenyusuran/article/details/125263564</link><guid>https://blog.csdn.net/wenyusuran/article/details/125263564</guid><author>wenyusuran</author><pubDate>Tue, 16 Aug 2022 04:15:00 +0800</pubDate><description><![CDATA[这两个函数中的X 都是指的“弧度”而非“角度”，弧度的计算公式为：2*PI/360*角度。根据三角形的正弦、余弦来得值，假设一个圆的圆心坐标是(a,b)，半径为r，则圆上每个点的。返回的是 -1.0 到 1.0 之间的数。X坐标=a + sin(2*PI / 360*角度) * r。Y坐标=b + cos(2*PI / 360*角度) * r。30° 角度 的弧度 = 2*PI/360*30。Y坐标Y坐标=cos(*PI / 180*角度)X坐标=sin(*PI / 180*角度)...]]></description><category></category></item><item><title><![CDATA[tableau高级绘图（九）-Tableau 中创建连接散点图]]></title><link>https://blog.csdn.net/wenyusuran/article/details/125263486</link><guid>https://blog.csdn.net/wenyusuran/article/details/125263486</guid><author>wenyusuran</author><pubDate>Mon, 15 Aug 2022 08:19:50 +0800</pubDate><description><![CDATA[我们首先将数据源加载到 Tableau Desktop/ Tableau public 中。注意：如果您配置的是 Tableau Desktop，则可以直接使用示例数据源，但是，如果您配置的是 Tableau Public，请下载并加载数据源。]]></description><category></category></item><item><title><![CDATA[【数据可视化应用】区域渐变填充折线图（R语言&Python实现）]]></title><link>https://blog.csdn.net/wenyusuran/article/details/122533537</link><guid>https://blog.csdn.net/wenyusuran/article/details/122533537</guid><author>wenyusuran</author><pubDate>Thu, 21 Jul 2022 05:00:00 +0800</pubDate><description><![CDATA[R-ggplot2

1. 简单的代码

这个代码是我随便从网上找到，然后修改的。


library(tidyverse)

mydata&lt;-data.frame(x=seq(-3,3,1e-2))%&gt;%
mutate(y1=cos(x))%&gt;%
mutate(y2=cos(x)+sin(x))%&gt;%
mutate(color_value=sin(x))
mydata

mydata%&gt;%ggplot()+
ge......]]></description><category></category></item><item><title><![CDATA[机器学习实战应用案例100篇（九）-图网络从原理到实战应用案例（二）]]></title><link>https://blog.csdn.net/wenyusuran/article/details/123660818</link><guid>https://blog.csdn.net/wenyusuran/article/details/123660818</guid><author>wenyusuran</author><pubDate>Wed, 20 Jul 2022 05:45:00 +0800</pubDate><description><![CDATA[图网络 MixHop 简介

1 模型提出


标题：MixHop: Higher-Order Graph Convolutional Architectures via Sparsified Neighborhood Mixing

链接：https://arxiv.org/abs/1905.00067




标准GCN只能学习到相邻结点之间的信息，不能学习邻里混合关系。

为了解决这个缺点，作者提出了一个新的模型，MixHop，通过重复混合不同距离的邻居的特征表示，它可以学习这些关系，包括不同的运算子]]></description><category></category></item><item><title><![CDATA[MySQL从入门到精通50讲（二十一）-CURSOR游标]]></title><link>https://blog.csdn.net/wenyusuran/article/details/123845808</link><guid>https://blog.csdn.net/wenyusuran/article/details/123845808</guid><author>wenyusuran</author><pubDate>Tue, 19 Jul 2022 06:15:00 +0800</pubDate><description><![CDATA[游标











游标概念

游标（CURSOR）是一个存储在MySQL服务器上的数据库查询，它不是一条SELECT语句，而是被该语句检索出来的结果集。在存储了游标之后，应用程序可以根据需要滚动或浏览其中的数据。

游标主要用于交互式应用，其中用户需要滚动屏幕上的数据，并对数据进行浏览或做出更改。

小提示

只能用于存储过程：不像多数DBMS，MySQL游标只能用于存储过程（和函数）。



使用游标须知

使用游标涉及几个明确的步骤。


	在能够使用游标前，必须声明（定义）它。这个过程实际上]]></description><category></category></item><item><title><![CDATA[tableau高级绘图（七）-tableau绘制三维柱图]]></title><link>https://blog.csdn.net/wenyusuran/article/details/125260700</link><guid>https://blog.csdn.net/wenyusuran/article/details/125260700</guid><author>wenyusuran</author><pubDate>Tue, 19 Jul 2022 05:15:00 +0800</pubDate><description><![CDATA[备注：在数据可视化的过程中，三维的表现方式并不是一种最优途径，然而，我见过在一些娱乐类的资讯中，用这样的方式绘制出了有趣又吸引人的图形数据源参见数据准备我们先使用Tableau读取如下数据（data.xlsx）                   读取完成后，右键数据源并点击“编辑数据源”，新增如下数据源（model.xlsx）并做关联                                    因为没有可以用于关联的字段所以你会看到一个报错，这时选中关联的圈圈处，点击“添加新的链接字句”，选中“]]></description><category></category></item><item><title><![CDATA[tableau高级绘图（六）--tableau绘制范围点图]]></title><link>https://blog.csdn.net/wenyusuran/article/details/125260643</link><guid>https://blog.csdn.net/wenyusuran/article/details/125260643</guid><author>wenyusuran</author><pubDate>Mon, 18 Jul 2022 05:15:00 +0800</pubDate><description><![CDATA[范围点图不仅能用一个圆点来展示特定成员的当前表现情况，而且还能显示该点随时间变化的完整范围。您也可以通过更改点的颜色或将圆点标记类型更改为向上或向下的三角形来增加更多上下文信息。这两种对传统点图的补充都有助于为读者提供更多的比较信息。本文将教您如何制作一张范围点图。如何制作每个维度成员的范围点图读完文章，您将能够制作一张点图，展示各个维度成员的表现，并在背景中显示每个维度成员的范围。让我们先来看看该图表中的传统点图部分。您可以使用任何度量和维度来创建此图表，但在这里我将关注示例超市数据集中各个区域的当月销售]]></description><category></category></item><item><title><![CDATA[tableau高级绘图（八）-tableau绘制渐变图]]></title><link>https://blog.csdn.net/wenyusuran/article/details/125263372</link><guid>https://blog.csdn.net/wenyusuran/article/details/125263372</guid><author>wenyusuran</author><pubDate>Mon, 18 Jul 2022 04:45:00 +0800</pubDate><description><![CDATA[但是，单击“添加新连接”子句，转到“创建连接计算”，键入数字“1”并单击“确定”。与前面的示例一样，单击“颜色标记”并编辑颜色；o选择路径（数据桶）和位置（数据桶），并确保路径（数据桶）在顶部。o右键单击该字段，转到“计算依据”并选择“路径（数据桶）”o右键单击，转到“计算依据”并选择“路径（数据桶）”o右键单击，转到“计算依据”并选择“路径（数据桶）”o右键单击，转到“计算依据”并选择“路径（数据桶）”•将“颜色”拖到“过滤器”窗格上，然后选择“蓝色”...]]></description><category></category></item><item><title><![CDATA[tableau高级绘图（四）-tableau绘制蜡烛图]]></title><link>https://blog.csdn.net/wenyusuran/article/details/125260509</link><guid>https://blog.csdn.net/wenyusuran/article/details/125260509</guid><author>wenyusuran</author><pubDate>Sun, 17 Jul 2022 05:30:00 +0800</pubDate><description><![CDATA[蜡烛图又称K线图，常用与描述一定时间内某一证券的最低、最高、开盘价和收盘价。 例如下面这个300能源指数价格波动分析图：红色代表指数上涨，绿色代表指数下跌；粗柱子高度代表开盘价和收盘价之间差额大小；细柱子高度代表最高价和最低价的差额大小。今天就来分享如何1分钟做出蜡烛图吧！先看数据一份关于300能源的数据源1创建细柱子：最高价和最低价1、打开Tableau Desktop，连接提前准备好的数据，新建工作表。2、创建计算字段（“距离：最低价到最高价”）：在数据窗格中，右击空白处，在下拉菜单中选择“创建”→“计]]></description><category></category></item><item><title><![CDATA[【实用小技巧】MATLAB从入门到精通：MATLAB十个常见问题及解决方案]]></title><link>https://blog.csdn.net/wenyusuran/article/details/122046103</link><guid>https://blog.csdn.net/wenyusuran/article/details/122046103</guid><author>wenyusuran</author><pubDate>Sat, 16 Jul 2022 06:00:00 +0800</pubDate><description><![CDATA[前言

以下为博主为大家精心准备的人工智能&amp;算法类精品专栏，需要的小伙伴自行订阅。

深度学习100例全系列详细教程 深度学习算法原理介绍及应用案例

tensorflow从入门到精通100讲深度学习框架TensorFlow的应用案例

手把手教你ML机器学习算法源码全解析 机器学习算法解析及应用案例

数据挖掘算法解析指南数据挖掘算法原理解析及应用案例

数据结构常见算法原理讲解数据结构算法原理解析及应用

人工智能AI实战系列代码全解析图像处理、自然语言处理实战案例解析

1.Arr......]]></description><category></category></item><item><title><![CDATA[机器学习实战应用案例100篇（十一）-正余弦优化算法从原理到实战应用案例]]></title><link>https://blog.csdn.net/wenyusuran/article/details/123663650</link><guid>https://blog.csdn.net/wenyusuran/article/details/123663650</guid><author>wenyusuran</author><pubDate>Fri, 15 Jul 2022 10:37:20 +0800</pubDate><description><![CDATA[正余弦优化算法(原理)

1 算法简介

随机种群优化算法的共同点是将优化过程划分为探索与开发两个阶段。


	在前一阶段，优化算法将解集中的随机解以较高的随机率突然组合在一起，寻找搜索空间的有希望区域。
	
	
	而在开发阶段，随机解的变化是渐进的，且随机变化比探索阶段要小得多。
	
对此，澳大利亚学者Mirjalili于2016年提出正弦余弦算法（Sine Cosine Algorithm，SCA）。

SCA 归纳吸收了部分群智能优化算法的迭代策略，以包含特定个数随机解的集合作为算法的初始解集，重复地]]></description><category></category></item><item><title><![CDATA[tableau高级绘图（三）-tableau绘制王者荣耀人物关系图]]></title><link>https://blog.csdn.net/wenyusuran/article/details/125260432</link><guid>https://blog.csdn.net/wenyusuran/article/details/125260432</guid><author>wenyusuran</author><pubDate>Wed, 13 Jul 2022 05:30:00 +0800</pubDate><description><![CDATA[最终效果图如上成品及数据 一.数据准备1. 收集所有英雄信息（王者荣耀游戏阵营信息收集），为防止数据过度密集，以阵营归属划分，rand随机数赋值坐标2. 数据准备时，关于a—b的关系（王者人物阵营信息），英雄及关联英雄务必需要2行标识二．Tableau Desktop作图1.  x ,y 数据放入行列，取消分析—聚合,标记设置为线，设置英雄为路径，a—b详细信息补充关系线2. y数据control复制一栏，新图设置形状，图形设置双轴，同步轴，英雄归属标记颜色，加工坐标轴显示，美化图形3. 新建表将各个人物与]]></description><category></category></item><item><title><![CDATA[机器学习实战应用案例100篇（十六）-旅行商问题(TSP)从原理到实战应用]]></title><link>https://blog.csdn.net/wenyusuran/article/details/123665499</link><guid>https://blog.csdn.net/wenyusuran/article/details/123665499</guid><author>wenyusuran</author><pubDate>Tue, 12 Jul 2022 04:45:00 +0800</pubDate><description><![CDATA[旅行商问题(TSP)

1 简介

旅行商问题属于组合优化问题。

组合优化问题(Combinatorial Optimization Problem，COP)是一类在离散状态下求极值的问题。把某种离散对象按某个确定的约束条件进行安排，当已知合乎这种约束条件的特定安排存在时寻求这种特定安排在某个优化准则下的极大解或极小解。

TSP 的经典提法是：有一个销售员要去若干个城市销售货品，从某个固定城市出发(假设每个城市之间的距离固定)，经过剩下的每个城市至少一次，然后回到起始城市，问题是选择哪条线路，才能使总行]]></description><category></category></item><item><title><![CDATA[MySQL从入门到精通50讲（三十三）-MySQL 8.0线上环境硬件故障导致的主备切换]]></title><link>https://blog.csdn.net/wenyusuran/article/details/123873186</link><guid>https://blog.csdn.net/wenyusuran/article/details/123873186</guid><author>wenyusuran</author><pubDate>Mon, 11 Jul 2022 04:45:00 +0800</pubDate><description><![CDATA[问题定位和环境介绍









故障环境概况及部分参数

发生故障环境的概况如下：


MySQL Version：8.0.21
MySQL Port：3386
Xtrabackup Version：percona-xtrabackup-8.0.22-15
数据同步方式：ROW + GTID + 增强半同步复制
高可用架构：Keepalived + M-S（经典常见架构）

一些参数配置：
binlog_transaction_dependency_tracking = WRITESET
transa]]></description><category></category></item></channel></rss>