原创 kaggle notebook中免密碼進行push

下面的都是都是kaggle notebook中運行的。 運行下面的代碼: !rm -r /kaggle/working/RSNA_MODEL !git clone https://github.com/appleyuchi/RSNA_MO

原创 git lfs出現This repository is over its data quota

報錯如下: batch response: This repository is over its data quota. Account responsible for LFS bandwidth should purchase mo

原创 ubuntu18.10安裝linuxqq2.0

下載地址: https://qd.myapp.com/myapp/qqteam/linuxQQ/linuxqq_2.0.0-b1-1024_amd64.deb 安裝辦法: dpkg -i linuxqq_2.0.0-b1-1024_amd

原创 kaggle notebook中使用git lfs

#爲kaggle notebook配置git-lfs !curl -s https://packagecloud.io/install/repositories/github/git-lfs/script.deb.sh |  bash !

原创 修改文件後git只用兩步push文件

下面是我們常用的4個git命令 git status git add * git commit git push   有沒有辦法更省事兒點呢?辦法如下: 編輯~/.bashrc,加入 alias gitpush="git commit

原创 linux查看新掛上的磁盤

原文鏈接:https://www.cnblogs.com/testing-BH/p/11474648.html 命令: root@ubuntu:/home/appleyuchi# lsblk N

原创 最近獎牌賽的merge line(持續更新)

  只列出獎牌賽,少於十天以及大於一年的不列出   Name merge line data size NFL Big Data Bowl November 27, 2019 11:59 pm UTC 55M Peking Univers

原创 linux下面使用gparted進行格式化

環境是Ubuntu18.10 首先根據[1]看下哪些是新掛上的磁盤的分區。 /home所在肯定是原來的盤sda,沒有/home的就是我們新掛上的硬盤sdb。 我們的目標是把sdb中的各種C盤D盤格式化變成一個盤。 ############

原创 chmod 777後還是無法寫入

問題出現在新掛載一塊硬盤後,即使對硬盤進行777操作也是無法寫入。 查看屬性後都是root:root 解決方案: chown appleyuchi:appleyuchi /media/XP_Kaggle/

原创 ROC和AUC介紹以及如何計算AUC(轉載+自己重新排版整理)

原帖發表在我的博客: ROC(Receiver Operating Characteristic) 曲線和AUC常被用來評價一個二值分類器(binary classifier)的優劣,對兩者的簡單介紹見[2]。 這篇博文簡單介紹ROC和A

原创 sklearn的KNN文檔中實例代碼的註釋

鏈接是: http://scikit-learn.org/stable/modules/generated/sklearn.neighbors.NearestNeighbors.html#sklearn.neighbors.Nea

原创 KNN算法與Kd樹(轉載+代碼詳細解釋)

最近鄰法和k-近鄰法   下面圖片中只有三種豆,有三個豆是未知的種類,如何判定他們的種類? 提供一種思路,即:未知的豆離哪種豆最近就認爲未知豆和該豆是同一種類。由此,我們引出最近鄰算法的定義:爲了判定未知樣本的類別,以全部訓練樣

原创 特徵向量按照特徵值大小進行排序

代碼如下: ’ import sys print sys.path import numpy as np k=35 evals=np.array([0,2,5,3,1]) evecs=np.array([[1,1],[2,3],

原创 用scikit-learn進行LDA降維(轉載+註釋)

對scikit-learn中LDA類概述     在scikit-learn中, LDA類是sklearn.discriminant_analysis.LinearDiscriminantAnalysis。那既可以用於分類又可

原创 sklearn中knn的各種用法總結

knn四種選擇 auto ball tree kd tree brute(暴力選擇) KNeighborsClassifier(更常用,適用於均勻採樣數據) RadiusNeighborsClassifier(非均勻採樣數據) 權