- 博客(14)
- 收藏
- 关注
RSS订阅原创 SSH访问不了特定网段
SSH访问不了172.20.70.240原因是第一个路由不是172.20.70.1 [root@sshbridge ~]# route -nKernel IP routing tableDestination Gateway Genmask Flags Metric Ref Use Iface0.0.0.0 192.168....
2019-02-28 16:59:16
883
原创 docker运维
编辑 /etc/docker/daemon.json文件[root@centos238 download]# vi /etc/docker/daemon.json[root@centos238 download]# systemctl restart docker.service[root@centos238 download]# cat /etc/docker/daemon.json...
2019-02-26 15:47:49
920
原创 centos7 配置yum源
配置本地yum源：准备mount centos7镜像到/mnt[root@sshbridge yum.repos.d]# mount /dev/cdrom -o loop /mnt[root@sshbridge yum.repos.d]# df -hFilesystem Size Used Avail Use% Mounted on/dev/mappe...
2019-02-26 15:08:27
210
原创 centos7 ssh免密登录
1.在sshbridge执行下列命令生成 id_rsa.pub文件并将其拷贝到目标机器[root@sshbridge .ssh]# hostnamesshbridge[root@sshbridge .ssh]# pwd/root/.ssh[root@sshbridge .ssh]# lltotal 0[root@sshbridge .ssh]# ssh-keygen -t rsa...
2019-02-26 14:52:19
177
原创 The Rand index
I’ve been looking for ways to compare clustering results and through my searching I came across something called the Rand index. In this short post, I explain how this index is calculated. From th...
2019-02-24 12:44:00
728
原创 聚类
聚类的目的:聚类的数据对象都是没打标签的，为了了解数据，协助打标签的人打标签，可以先聚类，将聚类的结果交给打标签的人确认聚类的结果结合业务看可以归为哪一类，然后打标签。...
2019-02-24 09:22:30
190
原创 传统机器学习分类器选型
NB -优势实现简单、训练速度快适应不同量级的数据支持增量式训 练可解释性强NB -劣势需假设条件独立难以处理特征组DT -优势计算复杂度不高有效处理连续特征适合小规模数据可解释性强DT -劣势不擅长对数值结果进行预测 不擅长对数值结果进行预测 不擅长对数值结果进行预测不支持增量式训练容易出现过拟合 KNN -优势可用复杂函数进行值预测对噪声数据不敏感支...
2019-02-17 17:11:38
2226
原创 随机种子
numpy.random.seed()方法的作用numpy.random.seed()是个很有意思的方法，它可以使多次生成的随机数相同。 from sklearn.linear_model import ElasticNetclf_2=ElasticNet(random_state=0)...
2019-02-17 16:24:29
532
原创 sigmoid函数求导
https://blog.csdn.net/zhangyingjie09/article/details/82180199
2019-02-17 16:18:42
853
原创 常见损失函数
常见损失函数➢ 0-1损失函数 (0-1 loss function)➢ 绝对损失函数 (absolute loss function)➢ 平方损失函数 (quadratic loss function)➢ 对数损失函数 (logarithmic loss function) /对数似然损失函数 (loglikelihood loss function)...
2019-02-17 14:36:10
3066
原创 相似度计算——欧氏距离,曼哈顿距离,闵可夫斯基距离,汉明距离,夹角余弦
模式识别、机器学习、数据挖掘当中的各种距离总结在做分类时常常需要估算不同样本之间的相似性度量(SimilarityMeasurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。本文目录：1.欧氏距离2.曼哈顿距离3. 切比雪夫距离4. 闵可夫斯基距离5.标准化欧氏距离6.马氏距离...
2019-02-17 11:25:10
8406
原创 集成学习（Ensemble Learning）
集成学习（Ensemble Learning）通过构建并结合多个学习器来完成学习任务.只包含同种类型的个体学习器，这样的集成是“同质”的；包 含不同类型的个体学习器，这样的集成是“异质”的. 集成学习通过将多个学习器进行结合，常可获得比单一学习器 显著优越的泛化性能.根据个体学习器的生成方式，目前的集成学习方法大致可分为两大类：（1）个体学习器间存在强依赖关系、必须串行生成的序列化...
2019-02-16 14:52:11
682
原创 常见报错集合
问题1：# visulizationimport graphviz ---------------------------------------------------------------------------ImportError Traceback (most recent call last)<ipyth...
2019-02-15 14:15:56
220
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