- 博客(157)
- 资源 (4)
- 收藏
- 关注
RSS订阅
原创 从成功人士刘润和经典《资治通鉴》、《三国演义》中学习人生经验：一定要有主见
作舍道边，三年不成1。虽然说的有点夸张，但是的确有一部分人“三年不成”。举个经典的例子：袁绍麾下谋士如云，然而却经常拿不定主意。以至于被曹操评价为好断无谋2。上边的经典都是刻画了一种现象，也就是没主见会导致不良后果，但是却没有给出解决办法。幸运的是，刘润的文章给出了一种解决办法3。下边分析一下这种办法。待续资治通鉴·汉纪·汉纪三十九：作舍道边，三年不成 ↩︎三国演义·第二十一回：操笑曰：“袁绍色厉胆薄，好谋无断；干大事而惜身，见小利而忘命：非英雄也。” ↩︎刘润公众号文章：为什么大多数人
2020-08-16 22:04:50
263
原创 sklearn中GradientBoostingClassifier bug：ValueError: Input contains NaN, infinity or a value too large
sklearn的GradientBoostingClassifier真的支持缺失值处理吗？？？
2022-04-22 17:05:44
2415
原创 TypeError: ‘＜=‘ not supported between instances of ‘list‘ and ‘int‘
debug
2022-04-17 22:06:31
8166
原创 ValueError: cannot convert float NaN to integer
文章目录问题复现报错解决方案问题复现import numpy as npa = np.arange(10)a[1] = np.nan报错ValueError: cannot convert float NaN to integer解决方案a.astype(float)a[1] = np.nan先把a转化成float类型的即可。
2022-02-26 12:47:24
12028
1
原创 git pull 报错 error: cannot pull with rebase: You have unstaged changes
git pull报错error: cannot pull with rebase: You have unstaged changes.error: please commit or stash them.解决办法把没有提交的修改全都提交了，然后重新执行git pull
2022-02-25 22:18:26
14926
2
原创 TypeError: ‘coo_matrix‘ object is not subscriptable
错误复现from scipy.sparse import coo_matriximport numpy as nprow = np.array([0, 3, 1, 0])col = np.array([0, 3, 1, 2])data = np.array([4, 5, 7, 9])coo = coo_matrix((data, (row, col)), shape=(4, 4))element = coo[0, 0]报错TypeError: 'coo_matrix' object
2022-01-19 17:10:24
3031
原创 2012-1区top-JASA-Optimal detection of changepoints with a linear computational cost
注意标黄的三句话。从第一句话中感觉到作者想研究的是线性惩罚（linear penalty），但是在第二句话里边错写成了linear cost function。为什么有以上揣测呢？因为结合第二、三句话和section 3的原文发现说的都是线性惩罚（linear penalty）。所以严重怀疑作者笔误了。...
2022-01-15 21:42:24
290
原创 特征既有类型（nominal）变量又有数据/数字（ratio）变量的时候，该怎么进行特征处理呢？不妨试试sklearn的DictVectorizer
直接上代码，然后就着代码分析>>> from sklearn.feature_extraction import DictVectorizer>>> v = DictVectorizer(sparse=False)>>> D = [{'性别': '男', '年龄': 2}, {'性别': '女', '年龄': 23}]>>> X = v.fit_transform(D)>>> Xarray([[ 2.,
2022-01-14 23:09:01
681
原创 2020-1区top-JASA-顶刊-A New Coefficient of Correlation-源代码
发表在统计学顶刊一种高效的相关系数
2022-01-14 18:26:52
549
原创 如何统计二维或者多维空间/二维数组中重复元素的数量/计数？numpy一行代码就行了
统计重复元素的数量，不仅仅适用于一维，而且适用于二维或者多维。
2022-01-05 21:15:47
3652
原创 最大信息系数（maximal information coefficient，MIC）核心程序之OptimizeXAxis
/* * Returns the normalized MI scores. * * Parameters * dx (IN) : x-data sorted in increasing order by dx-values * dy (IN) : y-data sorted in increasing order by dx-values * n (IN) : number of elements in dx and dy * Q_map (IN) : the map Q c
2022-01-02 19:19:32
553
2
原创 最大信息系数（maximal information coefficient，MIC）核心程序之GetClumpsPartition
/* * Returns the map P: D -> {0, ...,p-1}. * * Parameters * dx (IN) : x-data sorted in increasing order * n (IN) : number of elements of dx * Q_map (IN) : the map Q computed by EquipartitionYAxis sorted in * increasing order
2022-01-02 14:54:16
245
原创 最大信息系数（maximal information coefficient，MIC）核心程序
/* * Libmine core library. * * This code is written by Davide Albanese <[email protected]> * and Michele Filosi <[email protected]>. * * Copyright (C) 2012-2016 Davide Albanese, Copyright (C) 2012 Michele * Filosi, Copyright (C) 2012
2021-12-24 22:00:54
777
1
原创 sklearn的分位数回归（Quantile Regression）耗时太长了
文章目录问题重现问题描述see also问题重现from sklearn.linear_model import QuantileRegressorimport numpy as npn_samples, n_features = 10000, 1rng = np.random.RandomState(0)y = rng.randn(n_samples)X = rng.randn(n_samples, n_features)reg = QuantileRegressor(quantile=0
2021-12-23 23:22:24
2288
原创 使用numpy生成服从多元正态分布（multivariate normal distribution）的样本
文章目录代码结果图示see also代码import numpy as npmean = [0, 0]sigam1 = 1sigam2 = 1rho = 0 # 相关系数cov12 = rho*sigam1*sigam2 # 协方差cov = [ [sigam1**2, cov12], [cov12, sigam2**2]] # 协方差矩阵x1, y1 = np.random.multivariate_normal( mean, cov,
2021-12-23 23:04:13
2363
原创 【python库使用体验】使用Playwright写爬虫方便吗？
文章目录我的观点安装的问题社区没成气候看看作者是谁我的观点毫不客气地说，一点都不方便。简直是刚进门，就有个大坑！下边细细说来安装的问题pip install --upgrade pippip install playwrightplaywright install居然还需要playwright install！！！就这一步估计把好多用户拒之门外。反正我是没搞定。我搜了一大把文档，有说下载Chromium，Firefox，WebKit的免安装压缩包安装的。但是照着做了依然没能成功。社区没成
2021-12-19 21:08:13
1319
4
原创 条件互信息（conditional mutual information，CMI）
文章目录定义see also定义条件互信息I(X,Y∣Z)I(X, Y|Z)I(X,Y∣Z)定义如下：I(X,Y∣Z)=∑z∈ZpZ(z)∑y∈Y∑x∈XpX,Y∣Z(x,y∣z)logpX,Y∣Z(x,y∣z)pX∣Z(x∣z)pY∣Z(y∣z)I(X, Y|Z)=\sum_{z\in Z}p_Z(z)\sum_{y \in Y}\sum_{x \in X} p_{X,Y|Z}(x,y|z)\log \frac{p_{X,Y|Z}(x,y|z)}{p_{X|Z}(x|z)p_{Y|Z}(y|z)}
2021-12-17 21:57:11
4021
3
原创 2019-arXiv-马健-Estimating Transfer Entropy via Copula Entropy 传递熵/转移熵、Copula熵
文章来源：arXiv疑惑：文中公式(4)Hc(X)=−∫uc(u)logc(u)duH_c(\bold{X})=-\int_\bold{u} c(\bold{u})\log c(\bold{u}) \mathrm{d} \bold{u}Hc(X)=−∫uc(u)logc(u)du给出了Copula熵的连续型定义（积分形式），但是未给出离散型定义（求和形式）。公式(7)Fi(xi)=1T∑i=1Tχ(xti≤xi)F_i(x_i)=\frac{1}{T}\sum_{i=1}^{T}\chi(\b
2021-12-14 18:16:43
2000
4
原创 传递熵（Transfer Entropy，TE）滥觞、2000年顶刊论文方法部分：Measuring Information Transfer
文章目录论文基本信息方法部分原文摘录论文基本信息Measuring Information Transfer这篇论文于2000年发表在物理领域顶刊《PHYSICAL REVIEW LETTERS》。被引频次：2147（WOS）2021年12月7日14:32:30方法部分原文摘录One can incorporate dynamical structure by studying transition probabilities rather than static probabilities.
2021-12-07 16:16:01
1866
原创 收敛交叉映射（convergent cross mapping，CCM）滥觞、2012年Science论文单向因果：Detecting Causality in Complex Ecosystems
Framework for identifying causation, case (ii) Unidirectional causality. Here, species X influences the dynamics of Y, but Y has no effect on X (Fig. 3C and fig. S1B). This describes an amensal or commensal relationship, or where X represents external envi
2021-12-06 21:26:31
330
原创 收敛交叉映射（convergent cross mapping，CCM）方法适用于线性系统吗？
文章目录说法1说法2疑惑说法1“其次，检验各变量的非线性特征。CCM适用于考察非线性时间序列之间的因果关系。尽管交通拥堵与雾霾污染的非线性特征已经得到了大量文献支持和经验支撑，但在CCM框架下对每一变量进行非线性检验仍是极为必要的。”【2019-CSSCI-交通拥堵与雾霾污染的因果关系——基于收敛交叉映射技术的经验研究】上文为什么还要检验变量是不是非线性的呢？难道如果是线性的，CCM不适用了吗？？？说法2“CCM因果分析则都适用于线性系统和耦合的非线性系统”【2020-硕士论文-华东师范
2021-11-25 21:52:12
1511
1
原创 收敛交叉映射（convergent cross mapping，CCM）滥觞、2012年Science论文双向因果：Detecting Causality in Complex Ecosystems
Framework for identifying causation, case (i): Bidirectional causality via functional coupling. 识别因果关系的框架，案例（i）：通过功能耦合的双向因果关系Bidirectional causality is analogous to the concept of “feedback” between two time series described by Granger (18) and is the pri
2021-11-23 16:07:23
914
原创 收敛交叉映射（convergent cross mapping，CCM）滥觞、2012年Science论文方法部分：Detecting Causality in Complex Ecosystems
文章目录Dynamic causation and CCM第1段第2段第3段第4段第5段第6段Dynamic causation and CCM第1段GC applies if the world is purely stochastic. However, to the extent that it is deterministic and dynamics are not entirely random, there will be an underlying manifold governing
2021-11-22 13:58:24
1102
4
原创 收敛交叉映射（convergent cross mapping，CCM）滥觞、2012年Science论文引言部分：Detecting Causality in Complex Ecosystems
文章目录第1段第2段第3段第4段第5段第6段第7段第8段第9段第10段第1段Identifying causality (1) in complex systems can be difficult. Contradictions arise in many scientific contexts where variables are positively coupled at some times but at other times appear unrelated or even negativ
2021-11-19 20:33:20
834
原创 matplotlib中线宽linewidth的默认值是多少？如何查看？如何设置/设定？如何修改？
文章目录绘图读取线宽修改线宽see also绘图使用下边的代码绘图：import numpy as npimport matplotlib.pyplot as pltx = np.arange(0.0, 2.0, 0.02)y1 = np.sin(2 * np.pi * x)y2 = np.exp(-x)line1, = plt.plot(x, y1)line2, = plt.plot(x, y2)绘制结果如下图所示：读取线宽使用下边的代码，读取线宽linewidth的默认值，发
2021-11-10 16:36:50
6344
原创 numpy API 速查手册
文章目录说明手册目录1. 数组对象2. 常数3. 通用函数 ( ufunc)4. 常用操作（Routines）5. 打字 ( numpy.typing)6. 全局状态7. 包装 ( numpy.distutils)8. NumPy Distutils - 用户指南9. NumPy C-API10. NumPy 内部结构11. SIMD 优化12. NumPy 和 SWIGsee also说明本文是官方手册的汉化版。为了便于阅读，下边给出了手册目录，从目录可以链接到对应的内容。我会不定期更新里边的内容
2021-10-27 20:16:56
745
原创 使用matplotlib绘图添加标题title时出现TypeError: ‘Text‘ object is not callable，这么改就对了
文章目录错误复现报错解决办法plt.title和ax.set_titlesee also错误复现import matplotlib.pyplot as pltimport numpy as npimport mathx = np.arange(1000)y = np.sin(2*math.pi*x/1000)fig, ax = plt.subplots()ax.plot(x, y)ax.title("sine") # 报错：TypeError: 'Text' object is no
2021-10-17 22:09:17
7692
原创 ScienceDirect检索搜索技巧之短语搜索，搜同时连续出现两个或多个单词
文章目录什么是短语搜索（phrase search）如何进行短语搜索高级之处Reference什么是短语搜索（phrase search）短语搜索，顾名思义就是搜索短语的整体，而不是局部。举个例子，搜索"heart attach"，得到的是两个单词同时出现的情况，而不是单单有heart或者单单有attach。如何进行短语搜索搜索短语时候添加上英文的双引号即可高级之处短语搜索还有两个额外的高级之处：能够识别标点符号，例如搜索"heart attach"和搜索"heart-attach"得到的结
2021-10-05 15:50:58
4667
原创 使用PPT保存300dpi或者指定dpi的高质量图片
分两步走，先将PPT导出成PDF格式，然后再将PDF导出成图片，这一步就可以选择dpi了。个人笔记
2021-10-04 11:12:21
3840
原创 不会吧！！！python中numpy的append竟然没有list的append快？？？
文章目录有代码有真相有图有真相结果比较有代码有真相# -*- coding: utf-8 -*-# Time : 2021/9/15 上午12:06# File : list_pk_numpy.py# IDE : PyCharmimport numpy as npimport timea = [0]b = np.array(a)n = 1000tic = time.time()for i in range(n): a.append(i)toc = time.tim
2021-09-15 00:19:00
614
2
原创 使用相对误差（relative error）还是相对精度（relative accuracy）？哪个更好呢？
Netspeak借助Netspeak，我们一眼就能看出来relative error的使用频率高于relative accuracy。百度百科还有一个办法是看对应的百度百科的词条的浏览量，发现相对误差的浏览量远高于相对精度。结论相对误差更常用一些，更容易被大家接受。...
2021-08-31 22:59:36
1130
原创 罗克韦尔 Allen-Bradley AB 1442系列传感器 电涡流传感器/速度传感器/加速度传感器
在百度上找文档找不到，直接去罗克韦尔官方文档库就找到了如下两个文档：1442 电涡流传感器系统规范1442 电涡流传感器系统用户手册更详细的技术数据还有英文手册：1442 Eddy Current Probe Systems Specifications...
2021-08-30 17:14:38
379
原创 Charu C. Aggarwal Outlier Analysis 2nd Edition 9.3.1变换成其他形式Transformation to Other Representations
9.3.1.1 数字多维变换不是单点异常，而是集合异常。可以分为两种：全序列异常（full-series anomaly）、子序列异常（subsequence-based anomaly）“advantage of the wavelet representation”说的不是很清楚，个人感觉是正交很重要使用离散小波变换（DWT）和离散傅里叶变换（DFT）两种方法把时间序列转化成系数（coefficients）序列，之后再使用one-class SVMs等方法。其中DFT适用于周期性数据，DWT适用
2021-08-26 23:00:02
163
原创 事实类知识和认知类知识
知识是人类从各个途径中获得的经过提升总结与凝练的对世界的系统认识。世界经合组织（OECD）在《以知识为基础的经济》（1996）报告中将知识分为4大类：（a）知道是什么（Know-what），主要是叙述事实方面的知识；（b）知道为什么（Know-why），主要是自然原理和规律方面的知识；（c）知道怎么做（Know-how），主要是指对某些事物的技能和能力；（d）知道是何人（Know-who），涉及谁知道和谁知道如何做某些事的知识。按照知识描述的内容是否是客观存在的实体对象，可以将知识归为两类：事实类知识和
2021-08-26 00:34:07
488
原创 发电机功角/转矩角delta和原动机输入功率（水轮机进水量、汽轮机进气量）的关系
文章目录Chapman S J . Electric machinery fundamentals fifth edition. 2012. p245~246阎治安, 崔新艺, 苏少平. 电机学.第2版[M]. 西安交通大学出版社, 2006. p322~323从两本书里边摘录了相关的描述，看完就能对功角变化有一个深刻的认识。Chapman S J . Electric machinery fundamentals fifth edition. 2012. p245~246If the torq
2021-08-20 19:10:47
1168
原创 还在傻傻的数star、数fork吗？3秒钟教会你如何查看GitHub项目活跃度，是死是活一眼便知
本文教你一招：看Pulse！Pulse翻译过来叫做“心跳”。一个没有心跳的项目，显然是最近已经冬眠了或者死掉了。下边用两个项目来做一对比，大家便可一眼看出来两个项目的高下。首先看看pyecharts的pulse：接下来看看matplotlib的pulse：可以看出近一周内pyecharts基本上没有什么活动过的迹象，而matplotlib就频频动作。说明matplotlib相比pyecharts还是很棒的！...
2021-08-17 11:46:28
1645
1969-Granger-Investigating Causal Relations by Econometric Models
2021-06-23
2019-2区-Unsupervised Anomaly Detection Minimum Spanning Tree Hydropower
2021-02-20
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人