原创 基於遺傳算法的車輛路徑規劃問題
point demand x y n1 2.3 -5 7 n2 1.6 0 -10.1 n3 n4 n5 n6 n7 n8 n9 總共有9
2019-09-09 13:05:27
1
原创 Python中matplotlib畫圖筆記
import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5, 6, 7, 8, 9] y1 = [1, 4, 5, 7, 8, 9, 3, 6, 1] y2 = [2, 3, 5, 7
2019-09-04 13:05:30
原创 Holt-Winters指數平滑預測
本文基於Holt-Winters Forecasting for Dummies，強烈推薦閱讀原文！ 一次指數平滑 歷史序列用yyy表示，平滑值用y^\hat{y}y^表示。 假設序列是： 3,10,12,13,12,10,12
2019-07-28 13:07:09
原创 CentOS7使用快速入門
查看系統版本 # cat /etc/system-release # cat /etc/redhat-release # cat /etc/centos-release CentOS Linux release 7.4.1708
2019-06-25 13:10:28
原创 谷歌OR-Tools解決車輛路徑規劃問題筆記
RoutingIndexManager RoutingModel routing.IsVehicleUsed(assignment, vehicle_id) 返回布爾型，表示該車是否被使用。 Assignment Assignme
2019-06-21 04:47:47
原创 PuLP—整數規劃例子
一個簡單的整數規劃問題： \begin{equation} \begin{aligned} & max & \quad x+y+2z \ & s.t. & \ & \quad & x+2y+3z \le 4 \ & \quad &
2019-05-08 14:27:58
14
原创 PuLP—查詢本地已安裝好的優化器
PuLP支持多種優化器進行運算，查詢優化器是否可用代碼： # coding=utf-8 from inspect import getmembers import pulp for m in getmembers(pulp.sol
2019-05-08 13:48:31
2
原创 迴歸模型評價指標RMSE、MSE、MAE、MAPE、SMAPE
假設： 預測值：y^={y1^,y2^,...,yn^}\mathbf{\hat{y}}=\{\hat{y_1}, \hat{y_2} , ... , \hat{y_n}\}y^={y1^,y2^,...,yn^} 真實
2019-02-21 18:55:32
7
原创 使用XGBoost進行時間序列預測流程代碼
原始數據 也就是兩列數據，一列是時間，一列是電力消耗量： Datetime,PJME_MW 2002-12-31 01:00:00,26498.0 2002-12-31 02:00:00,25147.0 2002-12-31 03:0
2019-02-20 23:21:15
7
原创 Python生成requirements.txt文件
參考 使用自帶pip $ pip freeze > ./requirements.txt 這種方法缺點是會把環境中所有安裝的包都包括進來。 使用pipreqs包 安裝 $ pip install pipreqs 在項目根目錄下，使用
2019-02-20 23:21:15
原创 Redis入門
常用命令 哨兵服務器 連接 $ ./redis-cli -h 192.168.0.1 -p 8001 查看信息 192.168.0.1:8001> info # Server redis_version:2.8.19 redis_
2019-02-20 03:07:48
1
原创 使用Impyla連接Hive
環境：Ubuntu 18.04 Python 3.6 安裝 # coding=utf-8 from impala.dbapi import connect conn = connect(host='127.0.0.1', port=
2019-02-19 06:53:22
9
原创 使用PyHive連接Hive數據倉庫
PyHive是Python語言編寫的用於操作Hive的簡便工具庫。 簡單入門例子 from pyhive import hive conn = hive.Connection(host='192.168.0.1',
2019-02-14 12:50:42
5
原创 Pandas各種騷操作
stack()、unstack()、pivot()、pivot_table() 找出NaN值的位置： df.isnull().stack()[lambda x: x].index.tolist()
2019-01-10 00:24:41