- 博客(29)
- 收藏
- 关注
RSS订阅
原创 线性回归训练数据拟合过程及Python LinearRegression 代码实现
对于机器学习来说，最简单的模型就是线性回归，线性回归往往作为机器学习的入门模型来学习，线性回归，顾名思义就是数据集合的分布可以用一条直线（二维）或者一个平面（三维）或者更多维度的线性方程 来进行划分界限的分布，举个很直观的例子： 上面是二维和三维的线性回归的界限分隔示意图，线性回归最典型的例子就是房价的问题，如上面图中，左边的图显示了 房屋的大小对房价的影响，只关注一个变量（房屋大小...
2019-08-26 15:34:52
4107
6
原创 深度学习-感知器算法是怎么训练的？
最近在复习深度学习，最基础的感知器是神经网络的基础组成单元，理解一下感知器分类算法是如何进行数据训练的吧！从上面的图中可以看出，上面的数据集中的点，感知器会随机画一条直线作为分隔界限，从上面图中看出，初始的分隔界限产生了两个分类错误的点，那么怎么能进一步优化这个分隔线，使得他的分类效果达到更好？对于错误分类的点，感知器是努力让分割线离得更近一点，所以感知器会适当的调整分割线的位置，使得...
2019-07-19 16:53:14
1290
原创 机器学习模型评估指标-混淆矩阵-精度-召回率-F1分数
最近在复盘udacity 的机器学习的课程，现在来整理一下关于机器学习模型的评估指标的相关知识。不同数据集采用不同的模型进行训练，会得到完全不同的效果，那么如何衡量一个模型是否适合该数据集呢？在数据集训练后可以对一些指标进行运算，观察实际的效果，进行调整参数或者更换模型等等。学习模型的评估指标常用的有几种：F-β得分（F1得分，F2得分等等，根据不同的业务实际需求来指定适合的β值），ROC...
2019-06-14 15:23:35
1968
原创 逻辑回归分类器的决策边界可视化
最近在复盘机器学习的内容，课程中最基础的例子是利用sklearn中的LogisticRegression 来进行将数据进行分类训练，并画出决策边界，这是课程中的效果图，下面来说一下我的程序：首先加载数据，练习中给的数据及有三列，x1,x2,y,x1和x2 是特征属性，y作为分类的结果，值有两种 0和1 ，所以这是二分类的问题import pandas as pdimport ...
2019-06-04 14:27:13
6981
2
原创 flutter androd sutudio 安装及环境配置 -防止采坑篇
最近研究学习flutter 开发，这是一款开发app利器，能同时兼容安卓和IOS两个版本，大大节约了开发成本和维护成本，它是基于Dart语言，个人觉得对于安卓开发，flutter 几乎相当于原生开发，所以性能上要远远高于之前 的非原生开发工具。下面来看一下安装步骤，由于很多地方是国外的资源，需要翻墙或者做镜像，所以里面会有很多坑，我把自己的安装过程呈现一下，希望大家少采坑。安装需要的软件1 java sdk2 flutter3 android studio安装步骤：1...
2020-12-23 19:10:59
288
原创 php 解密微信支付返回的req_info 加密串
//退款的加密信息 $req_info = $refund_notify_info['req_info']; $api_key = config('api_key'); // 对加密信息进行解密,需要用到商户秘钥$req_info_xml = openssl_decrypt(base64_decode($req_info), 'aes-256-ecb',md5($api_key),OPENSSL_RAW_DATA);$req_info_data = $wechat->xmlToArray..
2020-12-04 16:10:48
850
原创 MySQL 排行榜名次并列情况查询，支持分页
SELECT t.*, @rownum := @rownum + 1 AS temp FROM ( SELECT obj.*, @rownum := @rownum + 1 AS num_tmp, @incrnum as incrnum, @incrnum := CASE WHEN @rowtotal = obj.score THEN.
2020-11-19 15:41:42
1091
原创 anaconda 中jupyter notebook 修改默认工作目录
安装anaconda 后发现，jupyter notebook 的根目录是C盘，想设置修改成自己想要的目录位置1 打开anaconda pomp ，进入命令行控制台，输入jupyter notebook --generate-config （如下图）2 找到对应的C:\Users\win10\.jupyter 下的jupyter_notebook_config.py 文件，找到c.NotebookApp.notebook_dir 设置项，将前面的“#”去掉，并设置成想要设置的路径（如下图）..
2020-11-12 15:04:10
185
原创 Error: [WinError 10013] 以一种访问权限不允许的方式做了一个访问套接字的尝试 ------windwos 查看什么程序占用了端口号
今天在启动Django 时候突然报错了：“Error: [WinError 10013] 以一种访问权限不允许的方式做了一个访问套接字的尝试。”百度查的结果是：8000端口被占用了，于是查是什么程序占用了8000端口，把对应的程序关闭就ok了。1 查看是谁占用了E:\pro\django\exam>netstat -ano|findstr 8000可以看出 确实有程序占用了...
2019-12-03 10:52:14
385
1
原创 windows下 apache 配置 Django
最近在用Django，研究了一下在apache 下配置Django，踩了好多坑，来记录一下由于之前的apache在跑php 程序，用的是默认端口80，想配置php 和django 同时能运行，那么Django 需要配置另外一个端口：8000，也就是在apache 的配置文件中增加一个<VirtualHost> 设置对应的django 的根目录就可以，整体的思路就是这样的，下满开始配...
2019-11-18 16:24:32
784
原创 解决Sublime Text 3在GBK编码下的中文乱码问题
最近几天在学习R语言，在画各种可视化的图表，在标记标题为汉字的时候，发现R 会报错“句法分析器2行里不能有多字节字符”究其原因是在windows 系统，R的编译时GBK 编码的，而我的R代码是用 Sublime Text3 写的，Sublime Text3 默认是保存为UTF-8 编码的，编码的不一致导致报了上面的错误，解决办法就是将代码保存为GBK或者gb2312，但是发现Subl...
2019-08-13 16:53:19
819
原创 感知器与梯度下降（二）
上一篇我们讲了感知器和梯度下降的关联，详细请查看 感知器与梯度下降（一）今天我们来讲一下，从算法上看，感知器和梯度下降的区别和联系。从上一篇中，我们得到了误差函数的表达式：误差函数是关于权重W的函数，画一个三维的图如下，误差函数是关于权重W1和W2的函数，在某一点上误差E的梯度是对w1和w2的偏导数的矢量和的反方向（相反数），如下图右侧所示：梯度下降的算法计算过程，我们来简单...
2019-07-31 11:42:57
660
原创 感知器与梯度下降（一）
上一篇博客讲述了感知器分类的学习过程，想看文章详细请点击深度学习-感知器是怎么学习分类的？这是基于离散型的感知器来分析的，就是说感知器的输出结果是1或者0，表示分类的结果，蓝色的分类代表1，红色的分类代表0，输出的结果只有0和1两种，对于感知器的学习过程，wx+b>0 则输出1，否则输出0。今天我们来说一说梯度下降，如果将学习模型的误差函数比作是一座山，那么刚开始时候误差比较大，就好比...
2019-07-25 16:47:28
1194
原创 机器学习网格搜索寻找最优参数
整理一下前阶段复习的关于网格搜索的知识：程序及数据 请到github 上 下载GridSearch练习网格搜索是将训练集训练的一堆模型中，选取超参数的所有值（或者代表性的几个值），将这些选取的参数及值全部列出一个表格，并分别将其进行模拟，选出最优模型。上面是数据集的可视化分布图，具体代码如下：%matplotlib inlineimport pandas as pdimpo...
2019-07-11 16:29:45
5674
转载 MYSQL 查询某个数据库里含有多少表
SELECT COUNT(*) TABLES, table_schema FROM information_schema.TABLES WHERE table_schema = '数据库' GROUP BY table_schema;information_schema数据库是MySQL自带的，它提供了访问数据库元数据的方式。什么是元数据呢？元数据是关于数据的数据，如数据库名或表名，列的...
2019-06-12 11:28:53
697
原创 织梦dedeCMS后台增加复制文档功能
由于客户需求，需要在dedecms 后台添加文档复制到另一个栏目下的功能，效果如下：当选中想要选择的文章后，点击“复制”，会弹出对话框，提示需要复制的栏目修改步骤如下：1 打开dede/templets下的content_list.htm找到<a href="javascript:;" onClick="moveArc(event,this,<?php echo...
2019-04-18 13:26:23
1468
2
原创 windows 批量删除进程
今天发现任务管理器中的进程列表中有1000多个clouds.exe ,在任务管理中只能结束单个进程，想要批量结束进程，需要在cmd命令控制台中进行首先需要查找 “clouds.exe” 的所有进程tasklist /fi "Imagename eq clouds.exe"回车后并不是将所有的clouds.exe,只是列出了一部分，可能是太多了的缘故接下来taskkill 结...
2019-04-17 16:32:27
656
原创 conda 常用命令
conda update -n base conda //update最新版本的condaconda create -n xxxx python=3.6 //创建python3.5的xxxx虚拟环境conda activate xxxx //开启xxxx环境conda deactivate //关闭环境con...
2019-04-11 11:45:50
251
原创 远端WWW服务支持TRACE请求
虚拟主机用户可以在.htaccess文件中添加如下代码过滤TRACE请求:RewriteEngine onRewriteCond %{REQUEST_METHOD} ^(TRACE|TRACK)RewriteRule .* - [F]•服务器用户在httpd.conf尾部添加如下指令后重启apache即可:TraceEnable off...
2019-03-18 15:27:17
3770
原创 CentOS6.5 升级 openssh-7.9 笔记
服务器安全监测报告openssh有漏洞，需要升级openssh因为升级过程中需要关闭openssh，因此有与服务器失去连接的危险，因此需要先安装telnet-server，将telnet 服务开启，确保telnet 能连接到服务器的情况下，才可以开始进行升级先确认下服务器的版本，查看下linux 的发行版本lsb_release -aLSB Version: :base-4...
2019-02-19 13:41:03
2601
原创 linux （centos 6.5）安装Apache（httpd） 日志
一 软件下载 1 apache 下载apache 的下载地址： http://httpd.apache.org/download.cgi#apache24当前的最新版本是2.4.38，下载了 httpd-2.4.38.tar.gz，保存到 /home/logonuser/ 目录下2 APR 和 APR-UtilAPR 和 APR-Util 的下载地址: http://apr....
2019-02-14 10:59:57
761
3
原创 机器学习的学习曲线和验证曲线
最近在复盘优达学城的机器学习项目， 重新写了一下波斯顿放假预测的项目，除了模型的选择及网格搜索进行选择参数的相关知识外，还着重复习了关于学习曲线和复杂度曲线（验证曲线） 首先学习曲线和复杂度曲线（验证曲线）的区别，学习曲线是指在参数值确定的情况下，训练集和验证集的得分情况的对比，复杂度曲线（验证集曲线）是展示某个参数在取不同值时候，训练集与测试集得分情况的对比。...
2019-01-14 17:16:03
5604
1
原创 MYSQL 数据迁移 Inndb 类型表数据处理 error: 1146: Table doesn't exist
由于数据库升级需要将数据库迁移，将mysql 目录下的data 下的.frm,.MYD 文件，拷贝到升级后的mysql 数据目录下，需要注意的是 ib_logfile0，ib_logfile1，ibdata 这三个文件，其中 ib_logfile0，ib_logfile1 是log 文件，ibdata 是数据文件，ibdata 很重要，需要将这个文件拷贝到data 目录，否则 InnoDB类型的表...
2018-09-28 11:51:45
791
翻译 学习笔记——吴恩达-机器学习课程-1.3 用神经网络进行监督学习
神经网络有时媒体炒作的很厉害，考虑到它们的使用效果，有些说法还是靠谱的，事实上到目前为止，几乎所有的神经网络创造的经济价值都基于其中一种机器学习，我们称之为“监督学习”，那是什么意思呢？ 我们来看一些例子， 在监督学习中输入x，习得一个函数映射到输出y，比如我们之前看到的应用于房价预测的例子，输入房屋的一些特征，就能输出或者预测价格y。下面是一些其他的例子，这些例子中，神
2017-10-30 14:16:28
1417
翻译 学习笔记——吴恩达-机器学习课程 1.2 什么是神经网络
1.2 什么是神经网络 “深度学习”指的是训练神经网络，有的时候 规模很大，那么神经网络是什么呢？我们从一个房价预测的例子开始，假设有一个六间房屋的数据集已知房屋的面积，单位是平房英尺或者平方米，已知房屋价格，想要找到一个函数，根据房屋面积，预测房价的函数，如果你懂线性回归，你可能会得到这样一条直线，但是，你可能也知道，价格永远不能为负，因此，直线不太合适，它最后会让价格为负数，
2017-10-10 11:30:30
308
原创 css3 svg 背景图 data:image/svg+xml;base64
css3 svg 背景图 data:image/svg+xml;base64 background: #fff url(data:image/svg+xml;base64
2015-04-17 15:08:51
47869
原创 Thinkphp 项目目录不可写，目录无法自动生成
Thinkphp 项目目录不可写，目录无法自动生成！请使用项目生成器或者手动生成项目目录~ linux 服务器会出现这种情况 归根到底是文件读写权限的问题，最简单的解决方法是把目录的权限改成777，chmod 777
2015-03-13 17:18:00
4732
原创 linux 文件读写权限
查看权限命令最前面一组10位数据表示文件的读写权限接下来 root root 是文件的所有者情况 即该文件是root 用户创建的，root用户在root组然后是文件的大小 最后修改时间 和名称第一位 d 表示 目录 - 表示的是文件接下来的三位 rwx表示是该文件的所有者的权限，rwx 表示拥有读、写、执行的全部权限中间的三位 xr- 表示 同组用户的权限即root组里 非root 用户拥有的权限最后的三位 表示的是他组用户的读写权限 r-x 表示他组用户有读和执行的权限
2015-03-06 17:17:55
1228
原创 浏览器内核的解析和对比
简单来说浏览器可以分为两部分，shell+内核。其中shell的种类相对比较多，内核则比较少。Shell是指浏览器的外壳：例如菜单，工具栏等。主要是提供给用户界面操作，参数设置等等。它是调用内核来实现各种功能的。从Mozilla将Gecko独立出来后，才有了外壳和内核的明确划分浏览器内核又可以分成两部分：渲染引擎(layout engineer或者Rendering Eng
2015-02-26 16:19:36
543
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