原创 windows下遠程連接

最近想要搞一下遠程連接,但是對網絡這方面一點都不懂,所以搞了兩天才算是有點點明白,但是其中還是有很多疑問,還有待進一步地學習,接下來就來記錄一下這幾天的學習和實踐。 首先簡單看了該鏈接,對計算機間的通信有了簡單地瞭解,然後我們知

原创 cent os7文件系統和硬件

內容來自劉遄老師的《linuxprobe》,寫得很好,推薦一下。 之前看過一遍這方面的介紹,可是後來又忘了,最近需要去配置一下服務器,因此又要好好熟悉一下linux的知識,目前已經把基本命令都搞熟悉了,網絡和遠程也都搞清楚了,關於

原创 networkx pagerank

本來覺得是不想寫這篇博客的,因爲網上關於pagerank的介紹很多很多了,而且入門pagerank本來也不難,不過在networkx中實現的pagerank和網上大多數資料介紹的pagerank是不一樣的,這一點網上的說明卻比較少

原创 cent os7虛擬機下配置網絡及綁定雙網卡模式

1.cent os7虛擬機配置網絡 1.1.NAT模式 首先設置成nat模式,配置爲dhcp上網就可以了。 1.2.橋接網卡模式 配置方法 這個文章寫得很清楚了,其中很多步驟其實不配置也可以只需要配置網卡其實就行了。 記錄遇到的

原创 時間序列模型之Arima Model

Arima model應該是時間序列數據處理中最有名的方法之一了把,之前花了幾周看了《Time Series Analysis with Application in R》的前12章,基本上是把基礎的Arima模型都學完了,今天就

原创 py獲取oracle中table數據

利用python獲取oracle中的一個table的數據,並存爲dataframe,格式與table完全一樣,之後就可以進行分析啦!後續有時間再來補充後續代碼 # -*- coding: utf-8 -*- """ Created

原创 時間序列模型之指數模型(Holt-Winters Model)

今天學習了一下時間序列模型中的指數平滑模型。 時間序列數據的常用模型包括:Holt-Winters Model以及著名的Arima Model。 時間序列模型一般包含3種components: Trend Component S

原创 訓練集、測試集、驗證集

訓練集:確定模型的參數; 驗證集:確定模型的超參數;(如多項式的次數N) 測試集:評估模型的泛化性能,選擇最優模型; 例子:色澤、根蒂、敲聲來確定好瓜還是壞瓜。將數據分成訓練集、驗證集、測試集 1、決策樹模型,選定初始預剪枝的參數

原创 博文轉載2

有時候看到寫的很好的博文想要轉載,但是一直沒有找到很好的辦法去轉載,之前查過轉載方法,是複製網頁的方式,但是格式會出很多bug,最近看了下之前轉載的一些博文,有幾篇根本不能看,轉載的一個目的也是讓自己之後可以快速查閱,但是格式亂了

原创 pytorch RNN&LSTM

最近幾天把花書上RNN一節給看完了。然後到網上搜了一個LSTM的例子,依葫蘆畫瓢跑了一下,對RNN&LSTM應該說也是有了一個大致的瞭解,今天就來記錄一下。 RNN介紹 RNN主要是被設計出來用來對序列數據進行建模的。 上圖是經

原创 最大似然估計和最小二乘估計等價的條件

最近在上“交通大數據”一課,裏面的公式推導還是有點麻煩的,今天就來推導下在什麼情況下最大似然估計和最小二乘估計等價。 先來說一下結論:當模型估計值和真實值間的殘差項服從均值是0的高斯分佈時,就有最小二乘估計和最大似然估計等價。 推

原创 one-hot表示和分佈式表示

這是深度學習的一個基本概念,看到有一篇講的不錯的博文,大家可以看看,特此轉載,鏈接如下:https://blog.csdn.net/mawenqi0729/article/details/80698780 除此之外,我在舉一個簡單

原创 python arima model預測問題

今天使用python做了arima model,其他都是沒有問題的,但是在預測時遇到一個很大的問題,查了半天,中文英文都查了,文檔也查了,似乎沒有辦法解決,可能是在python的statsmodels.tsa.arima_mode

原创 一些有用的文章的集合

csdn的文章當然可以直接收藏,但是其他的一些十分有幫助或是寫的十分好的文章就沒法收藏了,然後轉載的話太麻煩了,感覺也沒必要,所以單獨開一個博文,記錄一下寫的非常好的文章,也是類似於收藏夾這樣子。 機器學習/統計 python計算

原创 問卷數據分析

最近處理了一下問卷數據,趁着剛做完想記錄下問卷數據分析的感受,主要是談談問卷數據分析過程中的基本處理手段及方法。 1.對各個題目的描述性統計 現在一般問卷數據就是用問卷星等工具來做的,然後問卷星裏可以輸出各個題目的描述性統計情況,