<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Lay_ZRS的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Lay_ZRS</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Lay_ZRS]]></copyright><item><title><![CDATA[【教程】linux-ubuntu安装并配置docker]]></title><link>https://blog.youkuaiyun.com/Lay_ZRS/article/details/140950914</link><guid>https://blog.youkuaiyun.com/Lay_ZRS/article/details/140950914</guid><author>Lay_ZRS</author><pubDate>Tue, 06 Aug 2024 11:29:24 +0800</pubDate><description><![CDATA[linux安装docker，包括离线安装和在线安装，以及代理配置]]></description><category></category></item><item><title><![CDATA[spark商品协同过滤]]></title><link>https://blog.youkuaiyun.com/Lay_ZRS/article/details/121954825</link><guid>https://blog.youkuaiyun.com/Lay_ZRS/article/details/121954825</guid><author>Lay_ZRS</author><pubDate>Tue, 28 Dec 2021 15:18:49 +0800</pubDate><description><![CDATA[思路
首先，介绍一下传统的商品协同过滤思路：

获取一段周期内用户-商品交互历史数据记录；
根据交互历史记录，计算两两商品相似度，得到商品相似度矩阵；
根据用户的历史交互商品列表，从商品相似度矩阵中查询每一个商品的相似商品列表，按照相似度排序（出现多次的得分相加），得到最终推荐结果。

转换为spark的思想去考虑，则实现步骤应如下：

获取一段周期内用户-商品交互历史RDD，(wid,  gid)
计算用户交互过的所有商品的两两相似度，得到 ((gid1, gid2), score)
根据用户最近交互的n]]></description><category></category></item><item><title><![CDATA[Pandas使用笔记]]></title><link>https://blog.youkuaiyun.com/Lay_ZRS/article/details/120342613</link><guid>https://blog.youkuaiyun.com/Lay_ZRS/article/details/120342613</guid><author>Lay_ZRS</author><pubDate>Sat, 18 Sep 2021 17:24:42 +0800</pubDate><description><![CDATA[Pandas使用笔记基本操作读取采样创建DataFrameDataFrame遍历行保存使用pandas进行数据分析及可视化统计数据信息选取特定行、列查看数据是否有缺失对缺失值进行填充可视化参考文献
基本操作
读取

从csv中读取数据import pandas as pd
df = pd.read_csv("data.csv", encoding="utf-8")

如遇到字符编码报错，更改encoding参数，中文可用“gbk”；
pandas节约内存的一个标配函数	def reduce_mem(df):]]></description><category></category></item><item><title><![CDATA[腾讯2021届秋招-技术研究类笔试]]></title><link>https://blog.youkuaiyun.com/Lay_ZRS/article/details/108437945</link><guid>https://blog.youkuaiyun.com/Lay_ZRS/article/details/108437945</guid><author>Lay_ZRS</author><pubDate>Sun, 06 Sep 2020 22:34:42 +0800</pubDate><description><![CDATA[5道编程，120分钟。

第三题








#coding=utf-8
importsys
importmath
forlineinsys.stdin:
a=line.split()
L=int(a[0])
d=int(a[1])
ifL==d:
print(0)
else:
ans=math.log(L/d,math.e)+1
print('%.4f'%ans)

第二...]]></description><category></category></item><item><title><![CDATA[python 生成固定维度列表]]></title><link>https://blog.youkuaiyun.com/Lay_ZRS/article/details/106446493</link><guid>https://blog.youkuaiyun.com/Lay_ZRS/article/details/106446493</guid><author>Lay_ZRS</author><pubDate>Sat, 30 May 2020 20:27:02 +0800</pubDate><description><![CDATA[今天在做一道动态规划题时 遇到一个问题 耗费了许多时间 最终发现是列表生成的问题

涉及到python中 “深复制”和“浅复制”

目的：生成一个2维列表 每一维包含9个元素


L = [[0]*9]
L = L*2

最开始用上述代码生成 但只要后面对列表中某一行的元素进行修改 则会修改所有行

如：


for i in range(6):
    L[0][i] = 1

上述代码本意为对L中第1行前6列元素赋值为一 但这样之后所有行都改变了。这是因为 "*" 操作符相当于"浅复制"的概念。只复..]]></description><category></category></item><item><title><![CDATA[自动化学报latex模板使用说明]]></title><link>https://blog.youkuaiyun.com/Lay_ZRS/article/details/104611364</link><guid>https://blog.youkuaiyun.com/Lay_ZRS/article/details/104611364</guid><author>Lay_ZRS</author><pubDate>Mon, 02 Mar 2020 15:00:54 +0800</pubDate><description><![CDATA[最近投稿自动化学报 用到了学报的latex模板 问题颇多 在此记录 希望能帮助到投稿该学报的人

1. 需下载学报官网的CTex和字体，一步步安装好Ctex后，再将字体复制到 windows/fonts/ 目录下

2. 学报的模板和CTex都是比较老的版本，对模板进行编译时有许多错误，按照学报下载页面的方法一步步尝试即可

（ps. 其实我尝试了很多方法，都无法解决，最后还是换了台win7...]]></description><category></category></item><item><title><![CDATA[pycharm远程调试tkinter代码，报错_tkinter.TclError: no display name and no $DISPLAY environment variable]]></title><link>https://blog.youkuaiyun.com/Lay_ZRS/article/details/100600028</link><guid>https://blog.youkuaiyun.com/Lay_ZRS/article/details/100600028</guid><author>Lay_ZRS</author><pubDate>Sat, 07 Sep 2019 16:00:15 +0800</pubDate><description><![CDATA[错误：_tkinter.TclError: no display name and no $DISPLAY environment variable

原因：远程调试未在桌面环境下进行。

解决方法：手动指定显示设备。

具体操作：

首先，打开远程linux系统命令行，输入：


printenv grep DISPLAY


得到：


localhost:11.0


在创建tk.Tk()时...]]></description><category></category></item><item><title><![CDATA[在远程服务器上离线配置python虚拟环境]]></title><link>https://blog.youkuaiyun.com/Lay_ZRS/article/details/97234932</link><guid>https://blog.youkuaiyun.com/Lay_ZRS/article/details/97234932</guid><author>Lay_ZRS</author><pubDate>Thu, 25 Jul 2019 09:57:36 +0800</pubDate><description><![CDATA[服务器系统：CentOS6.5，配置：CUDA8，cudnn5.1.16，TITAN X。

目标环境：tensorflow-gpu、keras

安装Anaconda

首先，将下载好的Anaconda安装包上传到服务器，然后在服务器上进入安装包所在文件夹，运行bash命令安装。





安装结束后，还需手动配置环境变量，否则运行python时，默认还是调用系统自带的python。


sud...]]></description><category></category></item><item><title><![CDATA[yolov3+keras学习中遇到的一些问题------(1)]]></title><link>https://blog.youkuaiyun.com/Lay_ZRS/article/details/88549644</link><guid>https://blog.youkuaiyun.com/Lay_ZRS/article/details/88549644</guid><author>Lay_ZRS</author><pubDate>Thu, 14 Mar 2019 11:42:31 +0800</pubDate><description><![CDATA[近期跑github的keras yolov3代码，遇到了一些问题，此博客以记录。

代码地址：https://github.com/qqwweee/keras-yolo3#usage

在使用yolo_video.py检测视频时，最后会报错，且无法保存视频。报错如下：

Traceback (most recent call last):
 File &quot;yolo_video.py&quot;, line ...]]></description><category></category></item><item><title><![CDATA[Ubuntu修改/etc/fstab 文件后系统无法启动]]></title><link>https://blog.youkuaiyun.com/Lay_ZRS/article/details/84671725</link><guid>https://blog.youkuaiyun.com/Lay_ZRS/article/details/84671725</guid><author>Lay_ZRS</author><pubDate>Sat, 01 Dec 2018 11:20:27 +0800</pubDate><description><![CDATA[在网上查到 使用vim 修改/etc/fstab 文件可以自动挂载硬盘

添加的信息为： UUID=XXX /disk ext4 defaults 0 1

问题出在 最后那个 1 上！

下面对/etc/fstab文件信息进行以下说明：

显示格式如下：


# /etc/fstab: static file system information.  
#  
# Use 'blkid' to ...]]></description><category></category></item><item><title><![CDATA[Tensorflow object detection API 搭建目标检测环境]]></title><link>https://blog.youkuaiyun.com/Lay_ZRS/article/details/83513209</link><guid>https://blog.youkuaiyun.com/Lay_ZRS/article/details/83513209</guid><author>Lay_ZRS</author><pubDate>Mon, 29 Oct 2018 21:20:53 +0800</pubDate><description><![CDATA[Dependencies

Tensorflow Object Detection API depends on the following libraries:

Protobuf 3.0.0
	Python-tk
	Pillow 1.0
	lxml
	tf Slim (which is included in the &quot;tensorflow/models/research/&quot; checkout...]]></description><category></category></item><item><title><![CDATA[Tensorflow学习笔记（1）--基本流程，会话控制，变量，占位符]]></title><link>https://blog.youkuaiyun.com/Lay_ZRS/article/details/80811151</link><guid>https://blog.youkuaiyun.com/Lay_ZRS/article/details/80811151</guid><author>Lay_ZRS</author><pubDate>Tue, 26 Jun 2018 10:20:35 +0800</pubDate><description><![CDATA[import tensorflow as tf目标函数：y = 0.1 * x + 0.3假设函数：y = Weights * x + biases预期结果：Weight接近0.1 biase接近0.3###creat tensorflow structure start###
Weights = tf.Variable(tf.random_uniform([1], -0.1, 1.0))#生成变...]]></description><category></category></item><item><title><![CDATA[分类器性能评估]]></title><link>https://blog.youkuaiyun.com/Lay_ZRS/article/details/80789617</link><guid>https://blog.youkuaiyun.com/Lay_ZRS/article/details/80789617</guid><author>Lay_ZRS</author><pubDate>Sun, 24 Jun 2018 10:45:32 +0800</pubDate><description><![CDATA[eg LinearSVClsvc = LinearSVC()
#进行模型训练
lsvc.fit(X_train, y_train)
#预测
y_predict = lsvc.predict(X_test)

#性能评估
print('The Accuracy of Linear SVC is', lsvc.score(X_test, y_test))
print(np.mean(y_predict...]]></description><category></category></item><item><title><![CDATA[python 将二维列表转换为一维列表]]></title><link>https://blog.youkuaiyun.com/Lay_ZRS/article/details/80738595</link><guid>https://blog.youkuaiyun.com/Lay_ZRS/article/details/80738595</guid><author>Lay_ZRS</author><pubDate>Tue, 19 Jun 2018 20:23:43 +0800</pubDate><description><![CDATA[1.tkintera = [[1, 2], [3, 4]]
from tkinter import _flatten
list(_flatten(a))2.itertoolsfrom itertools import chain
list(chain.from_iterable(l_subject))----&amp;gt;[1, 2, 3, 4]]]></description><category></category></item><item><title><![CDATA[根据特征重要性进行特征选择]]></title><link>https://blog.youkuaiyun.com/Lay_ZRS/article/details/80548326</link><guid>https://blog.youkuaiyun.com/Lay_ZRS/article/details/80548326</guid><author>Lay_ZRS</author><pubDate>Sat, 02 Jun 2018 15:36:26 +0800</pubDate><description><![CDATA[对钓鱼网页特征进行提取 使用随机森林进行分类 分类结果不够准确  前几天看书看到了根据特征重要性进行特征筛选  今天拿来试一下原本选择了11个特征进行了特征提取  feature_names = ['img_num', 'form_num', 'input_num', 'password_input',
'a_num', 'a_emp_num', 'css_num', 'js_num', 'a_s...]]></description><category></category></item><item><title><![CDATA[scikit-learn中的线性回归]]></title><link>https://blog.youkuaiyun.com/Lay_ZRS/article/details/80488969</link><guid>https://blog.youkuaiyun.com/Lay_ZRS/article/details/80488969</guid><author>Lay_ZRS</author><pubDate>Mon, 28 May 2018 22:01:21 +0800</pubDate><description><![CDATA[from sklearn import linear_model1.普通最小二乘法线性回归linear_regressor = linear_model.LinearRegressiong()2.岭回归岭回归器是引入正则化系数后的回归ridge_regressor = linear_model.Ridge(alpha = 0.01,
fit_intercept = True,
max_iter =...]]></description><category></category></item><item><title><![CDATA[Sublime Text的一些快捷键(持续更)]]></title><link>https://blog.youkuaiyun.com/Lay_ZRS/article/details/80488330</link><guid>https://blog.youkuaiyun.com/Lay_ZRS/article/details/80488330</guid><author>Lay_ZRS</author><pubDate>Mon, 28 May 2018 20:40:36 +0800</pubDate><description><![CDATA[全屏显示 F11光标变换 Insert + shift]]></description><category></category></item><item><title><![CDATA[关于逻辑回归向量化的一点总结]]></title><link>https://blog.youkuaiyun.com/Lay_ZRS/article/details/80462208</link><guid>https://blog.youkuaiyun.com/Lay_ZRS/article/details/80462208</guid><author>Lay_ZRS</author><pubDate>Sat, 26 May 2018 15:58:21 +0800</pubDate><description><![CDATA[照斯坦福的机器学习课程用Octave敲了一下逻辑回归的算法  然后搬到python上各种出问题...感觉自己对向量化 还是理解不够彻底 又重新推导了一遍用的数据集是课程的作业  training data包含100条数据 两个特征（两门课程的分数） 一个类别（能否入学）#加载数据集
data = np.loadtxt(path, dtype = float, encoding = 'utf-8',...]]></description><category></category></item><item><title><![CDATA[小白kaggle竞赛(1)----Titanic]]></title><link>https://blog.youkuaiyun.com/Lay_ZRS/article/details/80421346</link><guid>https://blog.youkuaiyun.com/Lay_ZRS/article/details/80421346</guid><author>Lay_ZRS</author><pubDate>Thu, 24 May 2018 14:21:51 +0800</pubDate><description><![CDATA[第一部分：数据分析]]></description><category></category></item><item><title><![CDATA[Pandas基本操作.....loc函数]]></title><link>https://blog.youkuaiyun.com/Lay_ZRS/article/details/80426248</link><guid>https://blog.youkuaiyun.com/Lay_ZRS/article/details/80426248</guid><author>Lay_ZRS</author><pubDate>Wed, 23 May 2018 21:28:24 +0800</pubDate><description><![CDATA[     A          B    C  D      E    F
0  1.0 2013-01-02  1.0  3   test  foo
1  1.0 2013-01-02  1.0  3  train  foo
2  1.0 2013-01-02  1.0  3   test  foo
3  1.0 2013-01-02  1.0  3  train  foo将第0行 第A列的值改...]]></description><category></category></item></channel></rss>