- 博客(45)
- 收藏
- 关注
RSS订阅原创 概念、框架简介--ruoyi学习（一）
Spring框架的核心是基于Servlet的，Spring框架提供了一个称为DispatcherServlet的前端控制器，它是一个特殊的Servlet，用于处理所有的Web请求。前端应用程序通常由多个组件组成，这些组件之间可能共享数据和状态，因此为了统一管理和共享状态，使用状态管理库来创建一个全局的store，存储应用程序的状态数据。变化后的状态将被存储在"store"中，并且会自动更新相关的组件。，这两个注解的作用是差不多的，都是为了实现自定义的全局异常管理，加了这个注解的类就是一个全局异常控制类。
2023-07-31 18:33:21
1920
原创 运行vue项目显示找不到vue-cli
原来是说log文件写不进去，这是因为对于node_module、node_cache和node_global的权限设置正确（因为我把之前电脑上的文件夹直接复制过来了，所以权限可能有问题）。这个没事，这个是因为ruoyi的npm是16的，我们安装的是18，所以输入新的指令后，再启动项目就好了。但还没有结束，还要配置npm的全局模块的存放路径以及cache的路径。进入nodejs的安装路径，可以直接修改nodejs整个文件夹的权限。其实我感觉我好像有点写乱套了，但是先把我所有尝试过的操作都放在这里吧。
2023-07-31 11:46:02
484
翻译 IEEE论文格式要求（翻译）
这里翻译的是IEEE Neural Networks and Learning Systems的格式要求，直接用谷歌翻译的。
2022-06-15 14:39:51
6013
原创 ubuntu16.04安装hadoop和spark问题汇总
1.输入start-dfs.sh时出现ERROR: but there is no HDFS_NAMENODE_USER defined. Aborting operation.解决方法（可能）：修改/etc/hadoop/hadoop-env.sh参考教程：ERROR: but there is no HDFS_NAMENODE_USER defined. Aborting operation._yaoshengting的博客-CSDN博客_hdfs_namenode_userexport
2022-04-02 20:46:24
2469
原创 【花书】chapter5：机器学习基础
5.1 学习算法机器学习算法是一种能够从数据中学习的算法。“学习”的一个定义：对于某类任务T和性能度量P，一个计算机程序被认为可以从经验E中学习是指，通过经验E改进后，它在任务T上由性能度量P衡量的性能有所提升。5.1.1 任务T机器学习的任务通常定义为机器学习系统应该如何处理样本。样本是指从某些机器学习系统处理的对象或事件中收集到的已量化的特征的集合。通常会将样本表示成一个向量x∈Rnx\in \mathbb R^nx∈Rn,其中向量的每一个元素xix_ixi是一个特征。例如一张图片的特征
2021-02-25 16:19:05
163
原创 【花书】chapter4：数值计算
4.1 上溢和下溢在计算机中表示实数时，几乎总会引入一些误差。下溢是一种舍入误差，当接近0的数被四舍五入为0时发生下溢。上溢是一种极具破坏力的数值错误形式，当大量级的数被近似为∞或−∞\infty或-\infty∞或−∞时发生上溢。进一步的运算会使这些无限值变为数字。必须对上溢和下溢进行数值稳定的一个例子是softmax函数:softmax(x)i=exp(xi)∑j=1nexp(xj)softmax(x)_i = \frac{\exp(x_i)}{\sum_{j=1}^n\exp(x_j)
2021-02-24 15:21:10
137
原创 【花书】chapter3：概率与信息论
概率论使我们能够提出不确定的声明以及在不确定性存在的情况下进行推理。信息论使我们能够量化概率分布中的不确定性总量。3.1 为什么要使用概率机器学习通常必须处理不确定量，有时也可能处理随机（非确定性的）量。不确定性和随机性来自多个方面。不确定性有三种可能的来源：1. 被建模系统内在的随机性。比如玩扑克，假设扑克牌被混洗成了随即顺序。2. 不完全观测。加入在两个黑袋子中选一个，选择的人是不知道黑袋子中都有什么的，因此对于人来说结果是不确定的。3. 不完全建模。当我们使用一些必须舍弃某些观测信.
2021-02-23 11:28:34
102
原创 【花书】chapter2：线性代数
2.1标量、向量、矩阵和张量标量：一个标量就是一个数，一般用斜体表示标量，标量通常被赋予小写的变量名称。介绍标量的时候，通常会明确表示标量的类型。比如“令s∈Rs\in\mathbb Rs∈R表示一条线的斜率。向量：一个向量是有序排列的一列数，通过次序中的索引可以确定每个单独的数。通常向量的名称是粗体小写表示，比如x\bold{x}x .可以把向量看作一个n维空间上的点，每个元素是不同坐标轴上的坐标。x=[x1x2x3...xn]x−1={x∣x∈x，x≠x1}S=1,3,6x−S={x∣x∈x，x
2021-02-20 22:39:14
140
原创 【花书】chapter1:引言
机器学习：可以看作是一种AI系统从原始数据中提取模式的能力。简单的机器学习算法的性能在很大程度上依赖数据的表示，也就是说需要从对象中提取和结果有关联的尽可能有效的特征。但是特征的选取不太容易，例如我们要提取图片中的车。可以认为是否存在轮子作为车的特征，但是如果轮子被挡住了呢，这就不是车了吗。因此要考虑更好的选取特征的方式。表示学习：为了更好地提取特征，可以使用机器学习来发掘表示本身，而不仅仅把表示映射到输出。这种方式就是表示学习。也就是说原来我们自己提取特征，根据不同特征和结果的关联来提取更有效的特征.
2021-02-19 15:27:34
95
原创 【利用python进行数据分析】chapter12：numpy高级应用
十一章是金融方面应用，因为我不学无术，所以就不写了。终于最后一章了，哈哈哈！1.ndarray对象首先ndarray对象包含四部分：一个指向数组的指针数据类型或dtype表示数组形状(shape)的元组一个跨度元组（跨度貌似是步长之类的东西，比如一个list a,求a[::2]隔一步选一个2.一些高级操作#数组重塑import numpy as nparr = np.arange(8)arr# array([0, 1, 2, 3, 4, 5, 6, 7])arr.resha
2021-02-16 21:59:45
113
原创 【利用python进行数据分析】chapter10：时间序列
一些和日期、时间等有关的内容1.日期和时间数据类型及工具from datetime import datetime as dtnow = dt.now()now# datetime.datetime(2021, 2, 16, 16, 55, 23, 636760)now.year,now.month,now.day #分别查询年月日(2021, 2, 16)#delta查询两个datetime对象之间的时间差delta = dt(2011,1,7)-dt(2008,6,24,8,15)
2021-02-16 19:11:08
110
2
原创 【利用python进行数据分析】chapter9：数据聚合与分组运算
1.groupby分组函数，依据某个变量进行分组df = DataFrame({'key1':['a','a','b','b','a'],'key2' : ['one','two','one','two','one'],'data1':np.random.randn(5),'data2':np.random.randn(5)})grouped = df['data1'].groupby(df['key1']) #按照key1对data1进行分组，grouped存储的是中间量，可以直接对grouped
2021-02-16 10:26:52
171
原创 【利用python进行数据分析】chapter8：绘图和可视化
1.Figure和Subplotmatplotlib的图像都位于Figure对象中，可以用plt.figure创造一个对象import matplotlib.pyplot as pltfig = plt.figure() #此时还是一个空白的窗口，如果不弹出这个窗口的话，可以使用fig.show() # 手动弹出空白窗口，先不要关闭，否则下面的ax都不能画到fig上了# 空白的fig是不可以绘画的，必须创建subplot才可以绘图ax1 = fig.add_subplot(2,2,1) #将
2021-02-15 16:52:35
234
1
原创 【利用python进行数据分析】chapter7：数据处理
1.合并数据集出发点：数据集的合并或连接是通过一个或多个键将行链接起来的df1 = DataFrame({'key':['b','b','c','d','a','a'],'data1':range(6)})# key data# 0 b 0# 1 b 1# 2 c 2# 3 d 3# 4 a 4# 5 a 5df2 = DataFrame({'key':['b','c','d','a'],'data2':ran
2021-02-14 19:17:45
160
2
原创 【利用python进行数据分析】Chapter6：数据加载
1.csv的存取import pandas as pd#直接读取csvdf = pd.read_csv('data.csv')#读取，指定分隔符df = pd.read_table('data.csv',sep=',') #分隔符是，#当有的table的分隔符不固定的时候，可以使用正则表达式来代表分隔符res = pd.read_table('a.txt',sep = '\s+')#分隔符是不同长度的空格符时#读取csv的时候，指定列名df = pd.read_csv('data.csv
2021-02-13 11:59:54
146
1
原创 【利用python进行数据分析】chapter4：pandas
Series一种类似于一维数组的对象，由数据和索引组成，当不指定索引时，默认的索引是从0到n-1import pandas as pdfrom pandasobj = Series([1,2,3,4])#obj# 0 1# 1 2# 2 3# 3 4# dtype: int64#查询这个series的值obj.values# array([1, 2, 3, 4], dtype=int64)obj.index# RangeIndex(start=0, st
2021-02-11 20:30:44
213
4
原创 【利用python进行数据分析】Chapter3：numpy基础
创建数组# create a new ndarray based on existed lista = [1,2,3,4,5]arr = np.array(a)# the dimension of ndarrayarr.ndim# the shape of ndarrayarr.shape# the data type of ndarrayarr.dtype# create a ndarray of all zeros with a specified shapenp.zeros(.
2021-02-08 20:46:12
164
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