Fork me on GitHub

09 2018 档案

第三方IDC性能测评主要指标
摘要：弹性计算性能弹性计费模式就是 "即用即付 "，最小单位可以按小时来计算。随着云计算负载的增长，企业购买服务器带宽时的资源。 1、弹性计算性能 弹性计费模式就是"即用即付"，最小单位可以按小时来计算。随着云计算负载的增长，企业购买服务器带宽时的资源浪费或者资源不足都会对企业造成不利影响。资源浪费会使企 阅读全文
posted @ 2018-09-27 20:38 stardsd 阅读(2153) 评论(0) 推荐(0) 编辑
sklearn中SVM调参说明
摘要：写在前面 之前只停留在理论上，没有实际沉下心去调参，实际去做了后，发现调参是个大工程（玄学）。于是这篇来总结一下sklearn中svm的参数说明以及调参经验。方便以后查询和回忆。 常用核函数 1.linear核函数: K(xi,xj)=xTixjK(xi,xj)=xiTxj 2.polynomial 阅读全文
posted @ 2018-09-24 21:23 stardsd 阅读(12518) 评论(0) 推荐(2) 编辑
GPS定位基本原理浅析
摘要：位置服务已经成为越来越热的一门技术，也将成为以后所有移动设备（智能手机、掌上电脑等）的标配。而定位导航技术中，目前精度最高、应用最广泛的，自然非GPS莫属了。网络上介绍GPS原理的专业资料很多，而本文试图从编程人员的角度出发，以一种程序员易于理解的方式来简单介绍一下GPS定位的基本原理，希望对做GP 阅读全文
posted @ 2018-09-23 14:58 stardsd 阅读(88158) 评论(3) 推荐(1) 编辑
假设检验（Hypothesis Testing）
摘要：什么是假设检验 假设检验是用来判断样本与样本，样本与总体的差异是由抽样误差引起还是本质差别造成的统计推断方法。其基本原理是先对总体的特征作出某种假设，然后通过抽样研究的统计推理，对此假设应该被拒绝还是接受作出推断。 生物现象的个体差异是客观存在，以致抽样误差不可避免，所以我们不能仅凭个别样本的值来下 阅读全文
posted @ 2018-09-21 21:11 stardsd 阅读(3080) 评论(0) 推荐(0) 编辑
Eclipse国内镜像源配置方法
摘要：Table of Contents 我们在国内从官网下载Eclipse以及插件非常慢，那么，有没有方法变快呢？ 有，那就是使用国内的公开镜像源替换官方源。 1 下载Eclipse 首先，我们看一个链接地址： http://mirror.bit.edu.cn/eclipse/technology/ep 阅读全文
posted @ 2018-09-19 18:29 stardsd 阅读(29910) 评论(2) 推荐(3) 编辑
禁止MT在公式后面自动添加一个空格
摘要：开始 > 运行，或者win+R，然后输入 regedit，打开注册表编辑器。展开到HKEY_CURRENT_USER\Software\Design Science\DSMT6\WordCommands\新建 > 字符串值 NoSpaceAfterInline（注意，如果WordCommands分支 阅读全文
posted @ 2018-09-14 19:59 stardsd 阅读(341) 评论(0) 推荐(0) 编辑
PyCharm 配置远程python解释器
摘要：配置过程 本机环境 操作系统：win10 IDE：Pycharm 远程服务器 操作系统：ubuntu14.04 配置了ssh，可以使用ssh进行远程登陆 远程部署仅仅只是同步和拷贝文件，而真正支持远程调试的则是远程解释器。具体配置如下： 拷贝本地Pycharm安装目录下的helpers目录中的所有文 阅读全文
posted @ 2018-09-14 18:18 stardsd 阅读(17390) 评论(1) 推荐(2) 编辑
YAML文件简介
摘要：编程免不了要写配置文件，怎么写配置也是一门学问。 YAML 是专门用来写配置文件的语言，非常简洁和强大，远比 JSON 格式方便。 本文介绍 YAML 的语法，以 JS-YAML 的实现为例。你可以去在线 Demo 验证下面的例子。 一、简介 YAML 语言（发音 /ˈjæməl/ ）的设计目标，就 阅读全文
posted @ 2018-09-11 11:10 stardsd 阅读(88775) 评论(0) 推荐(2) 编辑
动态规划 问题集锦与讲解
摘要：动态规划 代码实现在https://github.com/Jensenczx/...维基百科对动态规划的定义 动态规划（英语：Dynamic programming，简称DP）是一种在数学、计算机科学和经济学中使用的，通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。动态规划常常适用于有重 阅读全文
posted @ 2018-09-09 20:54 stardsd 阅读(596) 评论(0) 推荐(0) 编辑
区块链客户端应用程序
摘要：借助 Hyperledger Fabric Client SDK for Node.js，您可以轻松地使用 API 来与基于 Hyperledger Fabric v0.6 的区块链交互。本教程将介绍如何编写客户端应用程序中的一些最常见和必要的功能。教程中的所有代码示例都包含在可重用的样本客户端中， 阅读全文
posted @ 2018-09-08 18:39 stardsd 阅读(1469) 评论(0) 推荐(0) 编辑
链代码 单元测试
摘要：https://www.ibm.com/developerworks/cn/cloud/library/cl-ibm-blockchain-chaincode-testing-using-golang/index.html?ca=drs- 在本教程中，将学习测试驱动开发的概念，了解如何在 Golan 阅读全文
posted @ 2018-09-08 18:35 stardsd 阅读(799) 评论(0) 推荐(0) 编辑
使用 Golang 编写链代码 (v0.6 )
摘要：https://www.ibm.com/developerworks/cn/cloud/library/cl-ibm-blockchain-chaincode-testing-using-golang/index.html?ca=drs- 在本教程中，将学习如何使用 Golang 为基于 Hyper 阅读全文
posted @ 2018-09-08 18:29 stardsd 阅读(999) 评论(0) 推荐(0) 编辑
Kubernetes
摘要：Kubernetes，又称为 k8s（首字母为 k、首字母与尾字母之间有 8 个字符、尾字母为 s，所以简称 k8s）或者简称为 “kube” ，是一种可自动实施 Linux 容器操作的开源平台。它可以帮助用户省去应用容器化过程的许多手动部署和扩展操作。也就是说，您可以将运行 Linux 容器的多组 阅读全文
posted @ 2018-09-07 19:32 stardsd 阅读(582) 评论(0) 推荐(0) 编辑
Variational Inference
摘要：作者：孙九爷链接：https://www.zhihu.com/question/41765860/answer/101915528来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 变分推断其实就是一句话：用简单的分布q去近似复杂的分布p。首先，为什么要选择用变分推断？因 阅读全文
posted @ 2018-09-05 19:26 stardsd 阅读(470) 评论(0) 推荐(0) 编辑
WSL(Windows Subsystem for Linux)的安装与使用
摘要：有关WSL的介绍这里就不做解释了。另外，本文仅适用于win10 build 16215以及之后的版本，之前的版本可参考官方链接。 （可使用“winver”命令查看windows版本号） 安装： 1. 管理员权限运行powershell并运行下面的命令： 或者：控制面板->程序和功能->启用或关闭Wi 阅读全文
posted @ 2018-09-05 00:37 stardsd 阅读(5721) 评论(0) 推荐(0) 编辑
生成模型（Generative Model）和 判别模型（Discriminative Model）
摘要：引入 监督学习的任务就是学习一个模型（或者得到一个目标函数）,应用这一模型，对给定的输入预测相应的输出。这一模型的一般形式为一个决策函数Y=f(X)，或者条件概率分布P(Y|X)。 监督学习方法又可以分为生成方法(generative approach)和判别方法(discriminative ap 阅读全文
posted @ 2018-09-04 20:37 stardsd 阅读(16704) 评论(0) 推荐(1) 编辑
赏月斋源码共享计划 第三期
摘要：回溯是啥 用爬山来比喻回溯，好比从山脚下找一条爬上山顶的路,起初有好几条道可走,当选择一条道走到某处时,又有几条岔道可供选择,只能选择其中一条道往前走,若能这样子顺利爬上山顶则罢了,否则走到一条绝路上时,只好返回到最近的一个路口,重新选择另一条没走过的道往前走。如果该路口的所有路都走不通,只得从该路 阅读全文
posted @ 2018-09-03 23:18 stardsd 阅读(315) 评论(0) 推荐(0) 编辑
概率校准与Brier分数
摘要：1.再提逻辑回归 前面已经讲过了逻辑回归，这里不再细讲，只是简单的说一个函数，主要是方便大家更好的理解概率校准。 在逻辑回归中，用的最多的就是sigmod函数，这个函数的作用就是把无限大或者无限小的数据压缩到[0,1]之间，用来估计概率。图像大致为： 基本上是以0.5分界，0.5以上为1，0.5以下 阅读全文
posted @ 2018-09-03 21:27 stardsd 阅读(14019) 评论(0) 推荐(0) 编辑
模型评估——定量分析预测的质量
摘要：https://blog.csdn.net/hustqb/article/details/77922031 评分参数定义模型评价规则 公共案例预定义值 根据度量函数定义你的评分策略 应用你自己的评分对象 使用多种度量指标 分类度量 从二分类到多分类多标签 精确度 Cohens kappa 混乱矩阵 阅读全文
posted @ 2018-09-03 21:04 stardsd 阅读(6661) 评论(0) 推荐(1) 编辑
Sklearn实现逻辑回归
摘要：方法与参数 LogisticRegression类的各项参数的含义 class sklearn.linear_model.LogisticRegression(penalty='l2', dual=False, tol=0.0001, C=1.0, fit_intercept=True, inter 阅读全文
posted @ 2018-09-01 19:19 stardsd 阅读(32198) 评论(0) 推荐(0) 编辑