<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Jasper500的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Jasper500</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Jasper500]]></copyright><item><title><![CDATA[SV中使用隐式端口连接例化接口]]></title><link>https://blog.youkuaiyun.com/Jasper500/article/details/125305420</link><guid>https://blog.youkuaiyun.com/Jasper500/article/details/125305420</guid><author>Jasper500</author><pubDate>Wed, 15 Jun 2022 21:58:40 +0800</pubDate><description><![CDATA[SV隐式端口连接]]></description><category></category></item><item><title><![CDATA[CentOS 配置mysql 踩到的坑]]></title><link>https://blog.youkuaiyun.com/Jasper500/article/details/119464673</link><guid>https://blog.youkuaiyun.com/Jasper500/article/details/119464673</guid><author>Jasper500</author><pubDate>Fri, 06 Aug 2021 22:41:08 +0800</pubDate><description><![CDATA[遇到错误一定要看日志 ！看日志！ 看日志！
每个人在配置的时候，碰到的问题五花八门，即使是编程老鸟也不一定能直接定位到哪里出错了，这时候一定要去看日志，日志文件地址在配置文件、etc/my.cnf 自己定义的，我的地址是  /usr/local/mysql/sql_log/  找到其中的error，针对性的去解决！
日志记录如下
默认情况下，使用跳过符号链接(或等效的)来禁用符号链接。 考虑不要使用这个选项，因为它已被弃用，并将在未来的版本中被删除。
‘Disabling symbolic links us]]></description><category></category></item><item><title><![CDATA[sklearn.model_selection.StratifiedKFold]]></title><link>https://blog.youkuaiyun.com/Jasper500/article/details/112311538</link><guid>https://blog.youkuaiyun.com/Jasper500/article/details/112311538</guid><author>Jasper500</author><pubDate>Thu, 07 Jan 2021 15:04:15 +0800</pubDate><description><![CDATA[sklearn.model_selection.StratifiedKFold 是分层的K折交叉验证器


&gt;&gt;&gt; import numpy as np
&gt;&gt;&gt; from sklearn.model_selection import StratifiedKFold
&gt;&gt;&gt; X = np.array([[1, 2], [3, 4], [1, 2], [3, 4]])
&gt;&gt;&gt; y = np.array([0, 0, 1, 1])
&gt;&]]></description><category></category></item><item><title><![CDATA[python枚举 enumerate]]></title><link>https://blog.youkuaiyun.com/Jasper500/article/details/112306155</link><guid>https://blog.youkuaiyun.com/Jasper500/article/details/112306155</guid><author>Jasper500</author><pubDate>Thu, 07 Jan 2021 11:41:06 +0800</pubDate><description><![CDATA[python枚举 enumerate
枚举是python的一个内置函数，使用它可以遍历某些内容并具有一自动计数器
my_list = [‘apple’, ‘banana’, ‘grapes’, ‘pear’]
for counter, value in enumerate(my_list):
print counter, value
Output:
0 apple
1 banana
2 grapes
3 pear
还有更多！enumerate还接受一个可选参数，该参数允许我们指定计数器的起始索引。
my_l]]></description><category></category></item><item><title><![CDATA[sklearn.feature_extraction.text.TfidfVectorizer]]></title><link>https://blog.youkuaiyun.com/Jasper500/article/details/112302315</link><guid>https://blog.youkuaiyun.com/Jasper500/article/details/112302315</guid><author>Jasper500</author><pubDate>Thu, 07 Jan 2021 09:58:58 +0800</pubDate><description><![CDATA[将原始文档转换为TFIDF功能矩阵，等效CountVectorizer，将文本转换为n-gram计数的稀疏矩阵，其次TfidfTransformer，从提供的计数矩阵执行TF-IDF转换。


&gt;&gt;&gt; from sklearn.feature_extraction.text import TfidfVectorizer
&gt;&gt;&gt; corpus = [
...     'This is the first document.',
...     'This document.]]></description><category></category></item><item><title><![CDATA[sklearn.preprocessing.LabelEncoder]]></title><link>https://blog.youkuaiyun.com/Jasper500/article/details/112301830</link><guid>https://blog.youkuaiyun.com/Jasper500/article/details/112301830</guid><author>Jasper500</author><pubDate>Thu, 07 Jan 2021 08:51:19 +0800</pubDate><description><![CDATA[该类使用 0 到 n_classs-1 之间的值对目标标签进行编码。该转换器应用于编码目标值y，而不是输入X

LabelEncoder 可以用来规范标签


]]></description><category></category></item><item><title><![CDATA[Pickle 序列化python对象，pickle.dump()以及pickle.load()]]></title><link>https://blog.youkuaiyun.com/Jasper500/article/details/112298701</link><guid>https://blog.youkuaiyun.com/Jasper500/article/details/112298701</guid><author>Jasper500</author><pubDate>Wed, 06 Jan 2021 22:04:25 +0800</pubDate><description><![CDATA[将python对象序列化为一个字节流，最常见的方法就是使用pickle模块，为了将序列化后的字节流对象保存在一个文件中，可以这样做：

import pickle

data = ...... # some python object

f =open('somefile','wb')

pickle.dump( data, f )

data对象将以字节流的操作存储在某个文件中



为了将一个对象转储为一个字符串，可以使用pickle.dumps()：

s = pickle.dumps(d...]]></description><category></category></item><item><title><![CDATA[机器学习：集成学习之 Bagging、Boosting和AdaBoost]]></title><link>https://blog.youkuaiyun.com/Jasper500/article/details/111967672</link><guid>https://blog.youkuaiyun.com/Jasper500/article/details/111967672</guid><author>Jasper500</author><pubDate>Wed, 06 Jan 2021 14:51:25 +0800</pubDate><description><![CDATA[Bagging、Boosting和AdaBoost(Adaptive Boosting)都是Ensemble learning的方法。集成学习其实就是有很多个分类器，概念就是三个臭皮匠，顶过诸葛亮。

ensemble learning的基本条件是每个分类器之间要有差异，并且每个分类器的准确率需要大于0.5.如果分类器没有差异，那么用多个分类器和用一个分类器没有什么差别，如果单个分类器的准确率小于0.5那么随着集成规模的增加，准确率却在不断下降。如果单个分类器的准确率大于0.5，随着集成规模的增加，理论上准]]></description><category></category></item><item><title><![CDATA[Numpy的日期时间和时间增量算法 datetime64 以及 timedelta64]]></title><link>https://blog.youkuaiyun.com/Jasper500/article/details/112214324</link><guid>https://blog.youkuaiyun.com/Jasper500/article/details/112214324</guid><author>Jasper500</author><pubDate>Tue, 05 Jan 2021 10:18:01 +0800</pubDate><description><![CDATA[从NumPy 1.7开始，有些核心数组数据类型本身支持日期时间功能。数据类型称为“ datetime64”，之所以这样命名是因为Python中包含的datetime库已经采用了“ datetime”。

NumPy允许将两个Datetime值相减，该操作会产生一个带有时间单位的数字。由于NumPy的核心没有物理量系统，因此创建了timedelta64数据类型以补充datetime64。timedelta64的参数是一个数字，代表单位数，一个日期/时间单位，例如（D）ay，（M）onth，（Y）ear，（h）]]></description><category></category></item><item><title><![CDATA[pandas.DataFrame的 reset_index() 方法]]></title><link>https://blog.youkuaiyun.com/Jasper500/article/details/112212597</link><guid>https://blog.youkuaiyun.com/Jasper500/article/details/112212597</guid><author>Jasper500</author><pubDate>Tue, 05 Jan 2021 09:25:55 +0800</pubDate><description><![CDATA[pandas.DataFrame的 reset_index() 方法

reset_index() 方法将重置DataFrame表的索引，并使用默认索引。

具体是什么意思呢？看以下操作

首先创建一个DF表



该DF表的索引为第一列的值，对该表使用reset_index()方法后，会将旧索引添加为列，并使用新的顺序索引，效果如下：



还可使用drop参数直接删除旧索引，不将其添加为该DF表的列：










...]]></description><category></category></item><item><title><![CDATA[python 字典的浅复制与深复制]]></title><link>https://blog.youkuaiyun.com/Jasper500/article/details/111287334</link><guid>https://blog.youkuaiyun.com/Jasper500/article/details/111287334</guid><author>Jasper500</author><pubDate>Wed, 16 Dec 2020 16:32:04 +0800</pubDate><description><![CDATA[copy()方法返回一个新字典，包含的键值对与原来的字典相同，这个方法执行的是浅复制，因为值本身是原件，而非副本







如上图所示，当替换副本中的值时，原件不受影响。然而修改副本中的值，原件也将发生变化，因为这是就地修改而不是替换，原件指向的也是被修改的值。即浅复制的副本发生替换时，原件不受影响，发生修改时，原件受到影响，随之改变。

解决原件随副本改变的一种方法是使用模块copy中的deepcopy函数执行深复制，深复制就是说同时同时复制值及其包含的所有值。





如上图所示，原值修改后...]]></description><category></category></item><item><title><![CDATA[归一化]]></title><link>https://blog.youkuaiyun.com/Jasper500/article/details/111233330</link><guid>https://blog.youkuaiyun.com/Jasper500/article/details/111233330</guid><author>Jasper500</author><pubDate>Wed, 16 Dec 2020 16:13:16 +0800</pubDate><description><![CDATA[归一化

归一化的任务就是统一量纲，使数据集中在一个相同的取值范围。归一化的方法有很多，最简单的归一化处理就是将各类数据除以此类中的最大值，以保证归一化后的数据在[0,1]范围内。

Kmeans

Kmeans也称K均值，是基于距离的排他划分方法，给定一个n个对象的数据集，它可以构建数据的K个划分。每个划分就是一个聚类，同时满足k &lt;= n，且每组至少一个对象，每个对象必须属于且仅属于一个组。


...]]></description><category></category></item><item><title><![CDATA[协同过滤]]></title><link>https://blog.youkuaiyun.com/Jasper500/article/details/111225280</link><guid>https://blog.youkuaiyun.com/Jasper500/article/details/111225280</guid><author>Jasper500</author><pubDate>Tue, 15 Dec 2020 18:48:05 +0800</pubDate><description><![CDATA[协同过滤

协同过滤通过用户和产品及用户的偏好信息产生推荐策略，最基本的推荐策略有两种，一种是找到具有类似品味的人所喜欢的物品，一种是从一个人喜欢的物品中找到类似的物品。

基于用户的推荐技术和基于物品的推荐技术就是协同过滤技术。




...]]></description><category></category></item><item><title><![CDATA[conda 常用命令]]></title><link>https://blog.youkuaiyun.com/Jasper500/article/details/105347936</link><guid>https://blog.youkuaiyun.com/Jasper500/article/details/105347936</guid><author>Jasper500</author><pubDate>Mon, 06 Apr 2020 17:49:12 +0800</pubDate><description><![CDATA[activate // 切换到base环境

activate learn // 切换到learn环境

conda create -n learn python=3 // 创建一个名为learn的环境并指定python版本为3(的最新版本)

conda env list // 列出conda管理的所有环境

conda list // 列出当前环境的所有包

conda install req...]]></description><category></category></item><item><title><![CDATA[算法入门之一     时间复杂度]]></title><link>https://blog.youkuaiyun.com/Jasper500/article/details/103934295</link><guid>https://blog.youkuaiyun.com/Jasper500/article/details/103934295</guid><author>Jasper500</author><pubDate>Sat, 11 Jan 2020 12:09:19 +0800</pubDate><description><![CDATA[算法具有五大特性：有穷性，确定性，稳定性，可行性，输入，输出（可以没输入，至少有一个输出，输出不只是输出到屏幕，完成一定功能即是输出，如传参数等等）。

   “好算法的标准”：正确性

                易读性（注意标识符命名规则，写注释（适当注释），命名最好见名知意）

              ...]]></description><category></category></item><item><title><![CDATA[Git入门 之 一]]></title><link>https://blog.youkuaiyun.com/Jasper500/article/details/103930241</link><guid>https://blog.youkuaiyun.com/Jasper500/article/details/103930241</guid><author>Jasper500</author><pubDate>Fri, 10 Jan 2020 20:17:40 +0800</pubDate><description><![CDATA[Git

如何下载安装Git

配置用户名和邮箱

当前级别 local global system 大多数情况下用local

但如果都有设置的话，优先级排序 local&gt;global&gt;system

如何创建一个仓库 git init 仓库名

仓库里的文件分三个层次







先在工作目录修改，然后 git add filesname上传到暂存区，然后Git commit...]]></description><category></category></item></channel></rss>