06 2020 档案

该文被密码保护。
posted @ 2020-06-27 21:11 秋华 编辑
该文被密码保护。
posted @ 2020-06-26 21:34 秋华 编辑
该文被密码保护。
posted @ 2020-06-26 21:27 秋华 编辑
该文被密码保护。
posted @ 2020-06-26 21:01 秋华 编辑
该文被密码保护。
posted @ 2020-06-26 20:59 秋华 编辑
摘要:package atguigu.basic.day08.java; /* * 一、Java面向对象学习的三条主线:(第4-6章) * 1.Java类及类的成员:属性、方法、构造器;代码块、内部类 * * 2.面向对象的三大特征:封装性、继承性、多态性、(抽象性) * * 3.其它关键字:this、s 阅读全文
posted @ 2020-06-20 10:25 秋华 编辑
该文被密码保护。
posted @ 2020-06-18 16:22 秋华 编辑
摘要:文章摘自:https://blog.csdn.net/VincentLuo91/article/details/53007135 版权声明:本文为CSDN博主「vincentluo91」的原创文章,遵循CC 4.0 by-sa版权协议,转载请附上原文出处链接及本声明。 3.在Sublime中安装Pa 阅读全文
posted @ 2020-06-18 11:40 秋华 编辑
摘要:分享在Ubuntu 14.04在Vim上配置Java开发环境的过程步骤,希望对大家有所帮助。 A 首先下载javacomplete.zip 到Linux公社资源站下载: 分割线 免费下载地址在 http://linux.linuxidc.com/ 用户名与密码都是www.linuxidc.com 具 阅读全文
posted @ 2020-06-17 17:14 秋华 编辑
摘要:安装需求1.JDK的安装2.PI4J的安装 JDK的安装1.首先到JDK的官网:https://www.oracle.com/technetwork/java/javase/downloads/index.html2.在这里我们需要看看自己的系统是多少位的:getconf LONG_BIT,比如我这 阅读全文
posted @ 2020-06-17 16:35 秋华 编辑
摘要:jdk安装配置 首先下载JDK和JRE,这里你的需要看看你的Linux系统是多少位的,比如我的是64位的:下载JDK并指定到Download目录,JRE同样操作:解压并且配置环境: tar -zxvf jdk9.0 //解压命令 配置环境: vi /etc/profile JAVA_HOME=/us 阅读全文
posted @ 2020-06-17 16:28 秋华 编辑
摘要:1. 首先配置好Java环境变量我的jdk版本是1.8.0_191,存放目录是C:\Program Files\Java,因此添加以下环境变量 (1)系统变量→新建 JAVA_HOME 变量,变量值为: C:\Program Files\Java\jdk1.8.0_191 (2)系统变量→找到 Pa 阅读全文
posted @ 2020-06-17 16:19 秋华 编辑
摘要:首先,我们在电脑上面找到此电脑, 然后右键点击,选择属性。 在属性中,我们找到高级系统设置,点击打开,如图示。 然后在系统设置中,我们可以找到启动和鼓掌恢复,然后点击环境变量,点击打开。 然后在系统变量中,我们点击新建,如图示。 在新建中,我们新建一个叫做JAVA_HOME的环境变量,然后变量值设置 阅读全文
posted @ 2020-06-17 15:32 秋华 编辑
摘要:pymongo的聚合操作 数据类型样式 /* 1 */ { "_id" : ObjectId("5e5a32fe2a89d7c2fc05b9fc"), "user_id" : "1", "amount" : 500, "status" : "A" } /* 2 */ { "_id" : Object 阅读全文
posted @ 2020-06-17 14:32 秋华 编辑
摘要:连接mongodb #!/usr/bin/env python # -*- coding:utf-8 -*- import pymongo mongo_client = pymongo.MongoClient(host = db_host,port = db_port)#连接mongodb mong 阅读全文
posted @ 2020-06-17 12:07 秋华 编辑
摘要:import pymongo def get_mongodb_conn(**kwargs): db_host = kwargs.get('host') db_port = kwargs.get('port') db_name = kwargs.get('db_name',settings['MONG 阅读全文
posted @ 2020-06-17 11:28 秋华 编辑
摘要:1.下载安装包 wget http://fastdl.mongodb.org/linux/mongodb-linux-i686-1.8.2.tgz 下载完成后解压缩压缩包 tar zxf mongodb-linux-i686-1.8.2.tgz 2. 安装准备 将mongodb移动到/usr/loc 阅读全文
posted @ 2020-06-17 11:17 秋华 编辑
摘要:全手打原创,转载请标明出处:https://www.cnblogs.com/dreamsqin/p/10885038.html,多谢~=。= 安装MongoDB 双击运行msi文件,一直“Next”。 可以通过点击 "Custom(自定义)" 按钮来设置你的安装目录,一般默认装在C盘。 创建数据库目 阅读全文
posted @ 2020-06-17 11:15 秋华 编辑
摘要:1、下载Redis安装文件, 我选择的是 3.0.504 版本,有zip或msi可供下载。 2.解压缩后,打开安装目录 双击redis-server.exe启动redis服务器,双击redis-cli.exe打开redis客户端。或者执行命令行redis-server redis.windows.c 阅读全文
posted @ 2020-06-17 09:46 秋华 编辑
摘要:第一步:下载安装包 访问https://redis.io/download 到官网进行下载。这里下载最新的4.0版本. 第二步:安装 1.通过远程管理工具,将压缩包拷贝到Linux服务器中,执行解压操作 tar -zxf redis-4.0.9.tar.gz 2.进入解压文件目录使用make对解压的 阅读全文
posted @ 2020-06-17 09:33 秋华 编辑
摘要:单机版 特点:简单 问题: 1、内存容量有限 2、处理能力有限 3、无法高可用。 主从复制 Redis 的复制(replication)功能允许用户根据一个 Redis 服务器来创建任意多个该服务器的复制品,其中被复制的服务器为主服务器(master),而通过复制创建出来的服务器复制品则为从服务器( 阅读全文
posted @ 2020-06-15 23:52 秋华 编辑
摘要:#redis.conf# Redis configuration file example.# ./redis-server /path/to/redis.conf ################################## INCLUDES ####################### 阅读全文
posted @ 2020-06-15 23:45 秋华 编辑
摘要:如果要展现数据的趋势变化,折线图应该是不二之选,并且它更擅长于展现时间序列下的数据,根据折线斜率的不同展现变化的速率。 同柱形图一样,折线图同样很大众化,每个人都见过,这本身也成了它的一个优势,就是非常易于理解,当我们用折线图展现数据的时候,无需额外解释。 本文使用PowerBI Desktop来轻 阅读全文
posted @ 2020-06-12 17:40 秋华 编辑
摘要:​展示不同分类的占比情况时,我们经常用到的是饼图,但遇到多层次的数据时,饼图就显得力不从心,不过还有个更强大的"饼图"可以帮助你:旭日图。 旭日图Sunburst Chart,是饼图的变形,也可以看作是多级饼图,它可以展示多个层次的比例结构,并能够清晰展示出不同层次数据间的关系。 在PowerBI中 阅读全文
posted @ 2020-06-12 17:38 秋华 编辑
摘要:​制作可视化报告时,为了展示效果,有时候需要用图片来展示,在 Power BI 中,关于图片的自定义视觉对象主要有下面三个,利用他们可以很轻松的进行图片可视化。 下面来看看这些视觉对象的效果。 样本数据如下: 为了能正常显示为图片,需要把图片地址字段更改为"图像URL", 首先用自定义视觉对象【Si 阅读全文
posted @ 2020-06-12 17:36 秋华 编辑
摘要:前面通过大量时间学习那些可能会让你感觉枯燥的数据处理、数据建模等内容,到这里我们开始涉足PowerBI中最让人心动的环节:数据可视化。 第一篇先在PowerBI中制作常见的柱形图,简单来说,柱形图就是利用水平的柱子表示不同分类数据的大小,与之类似的是条形图,它就是竖的柱形图,或者说把柱形图顺时针转动 阅读全文
posted @ 2020-06-12 17:34 秋华 编辑
摘要:​可能有些人并不知道什么是桑基图,让我们先看一下它长什么样?这是经济学人文章中的一张配图: 你没有见过也正常,这算是一个比较小众的图表。 它通常应用于具有流向关系的数据可视化分析,数据从左边的项目流向右边的项目,项目条的宽度表示数据的大小,流向条的宽度对应数据流量的大小。 这个图表最早可追溯到189 阅读全文
posted @ 2020-06-12 17:30 秋华 编辑
摘要:现在这个大数据时代,每时每刻、各行各业都在产生多种多样的海量数据,如何简单高效的来理解、挖掘这些数据,发现背后的见解就非常重要。 本文介绍这个图表就可以帮你快速发现海量数据背后的见解,微软研究院打造的炫酷可视化项目:Sanddance,直译过来就是沙舞,先来看看它的可视化效果, 是不是如同一粒粒沙子 阅读全文
posted @ 2020-06-12 17:29 秋华 编辑
摘要:之前使用自定义图表,每次新打开一个新文件时,都需要重新添加,无法保存,在PowerBI 6月更新中,这个功能得到了很大改善,可以将自定义的图表固定在内置图表面板上了。 添加自定义图表后,右键>固定到可视化效果窗格, 这样下次再创建新的PowerBI文件,这些自定义图表也都在哦, 既然可以固定了,那么 阅读全文
posted @ 2020-06-12 17:27 秋华 编辑
摘要:在刚刚发布的11月更新中,PowerBI界面全新改版,采用和Office套件相似的Ribbon风格,除了这个重大变化,还发布了一个AI黑科技图表:分解树(Decomposition Tree)。 无论是新的界面,还是分解树,目前都是预览阶段,所以即使你更新到11月的版本,你可能仍然感觉没有变化,因为 阅读全文
posted @ 2020-06-12 17:24 秋华 编辑
摘要:丁香园制作的这个地图可视化,相信大家每天都会看好几遍,这里不讨论具体数据,仅来探讨一下PowerBI地图技术。 这个地图很简洁,主要有三个特征: 1,使用着色地图,根据数据自动配色 2,只显示中国地图,其他区域不显示 3,地图上显示类别标签 只要使用满足这三个特征的地图类型,就可以轻松模仿出这个地图 阅读全文
posted @ 2020-06-12 17:22 秋华 编辑
摘要:​近期国际疫情愈演愈烈,在这个特殊的时期,一方面仍要照顾好自己、不要为疫情防治添乱,另一方面,也可以利用疫情数据提升自己的数据分析和可视化技能。 下面是我制作的几个可视化图表,分别注释了每个可视化用到的图表以及可能涉及到的控件和技巧。 数据为2020年1月1日至2020年3月28日每个国家的每日累计 阅读全文
posted @ 2020-06-12 17:20 秋华 编辑
摘要:1 MCMC蒙特卡罗方法 作为一种随机采样方法,马尔科夫链蒙特卡罗(Markov Chain Monte Carlo,以下简称MCMC)在机器学习,深度学习以及自然语言处理等领域都有广泛的应用,是很多复杂算法求解的基础。下面我们就对MCMC的原理做一个总结。 1.1 MCMC概述 从名字我们可以看出 阅读全文
posted @ 2020-06-05 14:22 秋华 编辑
摘要:https://blog.csdn.net/kevinoop/article/details/80522477 阅读全文
posted @ 2020-06-04 10:50 秋华 编辑
摘要:概率图模型G(V,E)由节点V和边E构成。在之前马尔科夫模型相关的博客中,我谈到马尔科夫模型的本质是当两个人交流后,其意见(两个随机变量)同意0与不同意1的概率组合。而势函数表达的是两个意见相同或者相左的程度。 我们搞的那么麻烦,最后想要得到的不就是每个意见正确与否(随机变量取不同值的概率)吗?与其 阅读全文
posted @ 2020-06-04 00:09 秋华 编辑
摘要:概率图的一个重要作用是进行推理,针对某个随机变量,告诉我们它到底有没有可能,有多大可能发生。之前在representation相关的内容中,我们更多的关心如何利用概率图减少联合分布的计算量。inference相关的章节就是要介绍如何从联合概率中获得单个随机变量的概率。 1.链状变量消除 对于给定的联 阅读全文
posted @ 2020-06-04 00:03 秋华 编辑
摘要:再一次遇到了Markov模型与条件随机场的问题,学而时习之,又有了新的体会。所以我决定从头开始再重新整理一次马尔科夫模型与条件随机场。 马尔科夫模型是一种无向概率图模型,其与马尔科夫链并不是很一样。马尔科夫链的节点是状态,边是转移概率,是template CPD的一种有向状态转移表达。而马尔科夫模型 阅读全文
posted @ 2020-06-04 00:01 秋华 编辑
摘要:CPD是conditional probability distribution的缩写,翻译成中文叫做 条件概率分布。在概率图中,条件概率分布是一个非常重要的概念。因为概率图研究的是随机变量之间的练习,练习就是条件,条件就要求条件概率。 对于简单的条件概率而言,我们可以用一个条件概率表来表达。如图1 阅读全文
posted @ 2020-06-03 23:59 秋华 编辑
摘要:概率图模型(PGM)是一种对现实情况进行描述的模型。其核心是条件概率,本质上是利用先验知识,确立一个随机变量之间的关联约束关系,最终达成方便求取条件概率的目的。 1.从现象出发 这个世界都是随机变量 这个世界都是随机变量。 第一,世界是未知的,是有多种可能性的。 第二,世界上一切都是相互联系的。 第 阅读全文
posted @ 2020-06-03 23:57 秋华 编辑
摘要:EM算法(Expectation-maximization),又称最大期望算法,是一种迭代算法,用于含有隐变量的概率模型参数的极大似然估计(或极大后验概率估计) 从定义可知,该算法是用来估计参数的,这里约定参数为 。既然是迭代算法,那么肯定有一个初始值,记为 ,然后再通过算法计算 通常,当模型的变量 阅读全文
posted @ 2020-06-03 22:53 秋华 编辑
摘要:今天观摩别人代码的时候,出现了求无向图最大团。 描述:团就是最大完全子图。(极大团) 给定无向图G=(V,E)。如果U包含于V,且对任意u,v属于U且有(u,v)属于E,则称U是G的完全子图。 G的完全子图U是G的团当且仅当U不包含在G的更大的完全子图中,即U就是最大完全子图。 G的最大团是指G中所 阅读全文
posted @ 2020-06-03 21:19 秋华 编辑
摘要:GET请求 $.get("/api/v1.0/user",function(resp){ // 用户未登录 if ("4101" == resp.errno) { location.href = "/login.html"; } // 查询到了用户的信息 else if ("0"== resp.er 阅读全文
posted @ 2020-06-01 22:59 秋华 编辑
摘要:/Users/wangpingyang/.pyenv/versions/3.7.2/lib/python3.7/site-packages/httprunner/__init__.py:5: MonkeyPatchWarning: Monkey-patching outside the main n 阅读全文
posted @ 2020-06-01 11:43 秋华 编辑

点击右上角即可分享
微信分享提示