2016.08.10回顾

最新推荐文章于 2017-06-13 16:25:02 发布
原创 最新推荐文章于 2017-06-13 16:25:02 发布 · 266 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#贷款五级分类

1、帮tony装openvpn，解决wifi连接问题，navicat数据库连接

2、查看五级分类的标准，贷款五级分类并没有明确区划，其中逾期天数只是一个维度，一般不按照这个维度来评定，但是有一种能查到的说法是在90天以内逾期被归到关注，但是我看了下数据库的数据这个定义显然不是每个机构都是一样，因为有些0-30逾期，30-60天逾期，甚至超过90+天逾期都会是关注类！

3、下午和tony有一些交流，主要解决了我关于归一化的问题，由于v3结果是bad probability，所以需要1-bad probability得到理论最大最小值在再做归一化

4、剩下的时间就是我初步探路看了下，现在拉数据的时间点不能满足模型需求，也经过了一些讨论，暂时没得到最终结论

R语言GLM包相关问题 PHP数组定义及比较 git pull 2016.08.04回顾
strwolf的专栏
08-05 1751
1、上午排查了风控系统的问题，重新计算金额和重跑模型需要整合！前端已经限制多次点击重跑模型按钮！模型的SQL同时跑有可能会出现，找不到某个表的错误，因为调用表的时候，表可能被另外正在跑的SQL给DROP掉了，恰好会出现SQL找不到表错误！搞清楚了调用次序是re_model->lptrigger_fraud->model，传征信的调用顺序是parse->lptrigger_fraud->model。
由浅入深CIL系列:2.CIL的基本构成+CIL操作码速记表+CIL操作码大全速查
weixin_34232744的博客
06-28 1070
        一、CIL的基本构成          CIL由CIL指令(directive)、CIL特性(attribute)、CIL操作码(opcode)组成。           CIL指令         CIL指令是用于描述.NET程序集总体结构的标记，并且通知CIL编译器如何定义在程序集中用到的命名空间、类、成员的。它以（.）一个点号开头，例如：.namespace、.clas...
ILSpy2.4+reflexil2.1最新版本2016.08.11生成
02-27
好资源齐分享，最新的ilspy2.4以及载止到2016.08.11版本的reflexil2.1，直接贴原文 news: Replace with NOP in the instructions editor. Added copy/paste to instruction editing grid, thanks to Thijs Kroesbergen. Added SilverLight 5 compilation profile. upgrades: Use resolver for system assemblies if NoStdLib is set. Add extra registry keys for finding SDK tools (thanks to Sander Cox). bugfixes: Fix resource mapping mechanism with ILSpy. Fix version display with ILSpy. Fix API compatibility with ILSpy 2.4 (you will need to use this version) Fix cannot select operato r methods when editing call/callvirt opcodes. Fix import with generic parameters
Reflector+Reflexil 修改编译后的C# dll 文件
deepwishly专栏
06-25 1万+
步骤： 1、Relector 加载相关的dll后，启用Reflexil界面 2、找到需要修改的代码位置，然后参考下图，右击->Replace all with code 3、写新的代码 然后点击Complete重新编译、OK按钮关闭按钮 4、在dll或exe上，右击->Save as 另存为编译后的新文件
Reflexil 反编译.NET
chengwei920412的专栏
11-09 935
反编译的方式有很多种，其实最靠谱的还是IL反编译。 如果不懂IL可以尝试我这边文章入门：http://www.wxzzz.com/278.html 不过我下面要说的不是IL这种底层的代码反编译，而是Reflector中的Reflexil插件进行反编 也许有人会说Reflector不就是反编译了么，为什么还要用Reflexil这个插件？ Reflector 仅仅是反编译出源码给你看
利用reflexil破解
编程视觉
06-14 1384
编写代码一直遇到命名私有的保护问题，x
2016.08.24回顾
strwolf的专栏
08-25 231
1、上午对于收入模型进行了一些收尾工作，包括评价指标的讨论，残差平方和，残差绝对值等等，还和拉登吹了下牛 2、下午修正了一个系统bug 3、还看了下拟合优度有关的问题 4、临下班的时候，讨论了下同事的分析，总体说来，有很多漏洞，对方也承认，所以结论是不可靠的
2016.08.15回顾
strwolf的专栏
08-16 216
昨天主要就只做了一件事情，就是修改v4模型的核心SQL，在这个修改的过程中，是否有一些值得总结的点呢？ 1、MYSQL模运算MOD 2、添加字段，ALTER TABLE table_name ADD column_name column_type DEFAULT NULL
2016.08.05回顾
strwolf的专栏
08-08 254
1、最主要的是抓数据，估算了combine模型对于approve rate和LP rate的影响 2、上午是完善了风控监控平台，做好了导航和另外两个页面，基本上算是把以前的白板移植到了adminLTE这个框架内 还是要规划好，及时写总结，不然时间一过就忘记了！
2016.07.08回顾
strwolf的专栏
07-08 270
1、写好了新的接口，暂时还没发布，怕出错，我下周再检查一遍 2、上午写了两份日小结，然后随便看了下前海征信以及一些相关的咨询就吃饭去了，也没什么实质的内容，反正就是传统金融指标权重还是比较大，65%，新型指标35%，然后传统方法和新的机器学习算法集成学习产生新的结果 3、另外还有一些讨论！
centos安装LAMP composer laravel 2016.08.08回顾
strwolf的专栏
08-09 683
1、昨天早上基本就干了一个事情，就是把重新计算loan_amount和重跑模型合并成了一个接口！做了部分测试，SQL返回结果为空，是可以直接做if判断的，印象中只有一次没成功，原因不明，等下次能复现再说！另外一点就是不用跑一句SQL，关闭重建游标，一个游标可以一直用！ 2、下午主要的工作的就是在内网centos服务器上部署php的laravel环境，花了整个下午的时间还没弄好，但是部署的事情还是
专题资料（2021-2022年）2016专业技术人员绩效管理与业务能力提升在线考试08要点.doc
10-08
【标题】和【描述】，我们可以看出这是一份关于专业技术人员绩效管理和业务能力提升的教育资料，涵盖了2016年的在线考试要点。文件中包含了多个单选题和多选题，涉及了管理素质、信息特征、室内设计原则、绩效管理等...
专题资料（2021-2022年）2016专业技术人员绩效管理与业务能力提升在线考试08资料.doc
10-08
最后，绩效反馈面谈应注重对过去工作的回顾和评估，同时遵循正向引导、对事不对人等原则，为未来改进提供指导。 【业务能力提升】现代职业经理人需要具备多种素质，如创造力，意味着他们应勇于引入新的管理理念和...
专题资料（2021-2022年）2016专业技术人员绩效管理与业务能力提升在线考试08课件.doc
10-08
【绩效反馈】绩效反馈面谈是绩效管理的关键步骤，主要回顾和评估过去的工作绩效，并遵循对事不对人的原则，提供正面引导，着眼未来，以促进改进。 【绩效计划】绩效计划阶段，管理者与员工之间的沟通主要是为了确保...
___ ____ ____ ____ ____ © /__ / ____/ / ____/ 17.0 ___/ / /___/ / /___/ MP—Parallel Edition Statistics and Data Science Copyright 1985-2021 StataCorp LLC StataCorp 4905 Lakeway Drive College Station, Texas 77845 USA 800-STATA-PC https://www.stata.com 979-696-4600 stata@stata.com Stata license: Single-user 2-core perpetual Serial number: 501806366048 Licensed to: aaa bbb Notes: 1. Unicode is supported; see help unicode_advice. 2. More than 2 billion observations are allowed; see help obs_advice. 3. Maximum number of variables is set to 5,000; see help set_maxvar. . use "D:\Users\lenovo\Desktop\原始数据.dta" . . * 转换日期 . . gen date = date(date_str, "YMD") . . format date %td . . drop date_str . . . . * 删除关键变量缺失 . . drop if missing(roa, roe, revenue, net_profit) (18 observations deleted) . . . . * 按 date 分组，保留 revenue 最大的第一条 . . gsort date -revenue . . by date: keep if _n == 1 (30 observations deleted) . . . . * 生成年份 . . gen year = year(date) . . . . * 控制变量 . . gen profit_margin = net_profit / revenue . . replace profit_margin = . if missing(net_profit, revenue) (0 real changes made) . . . . gen ln_revenue = ln(revenue) . . . . gen interest_to_rev = interest_expense / revenue (35 missing values generated) . . replace interest_to_rev = 0 if missing(interest_to_rev) (35 real changes made) . . . . * 保存 . . save financial_cleaned.dta, replace file financial_cleaned.dta saved . . . . * 输出查看 . . list year date roa roe revenue net_profit profit_margin in 1/10 +----------------------------------------------------------------------+ | year date roa roe revenue net_pr~t profit~n | |----------------------------------------------------------------------| 1. | 2016 31mar2016 .055976 .061811 2.7e+09 6.8e+08 .256 | 2. | 2016 30jun2016 .10371 .11484 5.3e+09 1.3e+09 .2501408 | 3. | 2016 30sep2016 .142684 .15968 8.3e+09 1.9e+09 .2353658 | 4. | 2016 31dec2016 .183823 .204607 1.1e+10 2.6e+09 .2374491 | 5. | 2017 31mar2017 .052784 .059023 3.2e+09 8.1e+08 .2548525 | |----------------------------------------------------------------------| 6. | 2017 30jun2017 .101285 .112396 6.3e+09 1.6e+09 .2511863 | 7. | 2017 30sep2017 .144191 .159117 1.0e+10 2.4e+09 .2368621 | 8. | 2017 31dec2017 .182542 .206543 1.4e+10 3.3e+09 .2380053 | 9. | 2018 31mar2018 .051485 .057262 3.9e+09 9.7e+08 .2523058 | 10. | 2018 30jun2018 .096902 .109961 7.8e+09 1.9e+09 .2505298 | +----------------------------------------------------------------------+ .
11-12
| 输出显示 | `list` 显示前10行完整、合理 ✅ | | 文件保存 | `financial_cleaned.dta saved` ✅ | **你现在拥有一个干净、结构清晰、可用于回归分析的面板数据子集！** --- ## 关键步骤回顾与解释 ### ✅ 1. ...
如何修改已编译的dll文件
热门推荐
月
06-13 10万+
我们平时在工作中经常会遇到一些已经被编译后的DLL，而且更加麻烦是没有源代码可以进行修改，只能针对这个DLL的文件进行修改才能得到我们想要的结果；本文将通过一个实例来演示如果完成一个简单的修改;我们将会用到以下几种工具； 1：微软的工具ildasm.exe:这个是把DLL生成IL文件的一个软件，是微软自带了；可以在C:\Program Files\Microsoft SDKs\Windo
【机械故障诊断】基于VMD-SVM的信号分解与分类预测： 项目介绍 MATLAB实现基于VMD-SVM变分模态分解（VMD）结合支持向量机（SVM）进行故障诊断分类预测（含模型描述及部分示例代码）
最新发布
12-27
内容概要：本文介绍了一个基于MATLAB实现的VMD-SVM联合模型，用于机械设备的故障诊断与分类预测。该方法结合变分模态分解（VMD）和支持向量机（SVM），首先利用VMD对原始振动信号等工业监测数据进行自适应分解，提取具有物理意义的本征模态分量，有效分离噪声与关键故障特征；随后通过时频域特征提取与PCA降维，构建高判别性特征集，并输入优化后的SVM分类器实现多类别、非线性故障的精准识别。项目涵盖完整的模型架构、参数优化策略及应对工程挑战的解决方案，并提供了部分MATLAB代码示例，支持实时预测、可视化展示与系统集成。; 适合人群：具备一定信号处理与机器学习基础，从事工业故障诊断、智能运维、智能制造等相关领域的科研人员、工程技术人员及研究生；熟悉MATLAB编程者更佳； 使用场景及目标：①解决复杂工况下设备故障信号的特征提取与分类难题；②实现旋转机械、电力设备等多类型装备的智能健康监测与预测性维护；③构建高鲁棒性、可扩展的故障诊断系统； 阅读建议：建议结合文中提供的代码示例与完整程序（含GUI设计）进行实践操作，重点关注VMD参数调优、特征构造与SVM多分类实现过程，同时可拓展至迁移学习与边缘部署以提升工程应用价值。
MySQL GROUP BY报错解决[可运行源码]
12-27
文章详细介绍了在MySQL使用GROUP BY时遇到的常见报错“Expression #1 of SELECT list is not in GROUP BY clause and contains nonaggregated column”的解决方法。作者首先解释了报错的原因，即从MySQL 5.7.5开始默认启用了ONLY_FULL_GROUP_BY模式，导致某些SQL语句失效。接着，作者提供了具体的解决步骤：通过查看数据库配置确认sql_mode包含ONLY_FULL_GROUP_BY，然后修改MySQL配置文件，移除该模式或添加其他兼容模式。最后，作者通过重启MySQL服务验证配置生效，成功解决了问题。整个过程清晰明了，适合遇到类似问题的开发者参考。
传送带损坏与对象检测数据集_20251118_004430.zip
12-27
传送带损坏与对象检测数据集 一、基础信息 • 数据集名称：传送带损坏与对象检测数据集 • 图片数量： 训练集：645张图片 验证集：185张图片 测试集：92张图片 总计：922张工业监控图片 • 训练集：645张图片 • 验证集：185张图片 • 测试集：92张图片 • 总计：922张工业监控图片 • 分类类别： Hole（孔洞）：传送带表面的孔洞损坏。 Human（人类）：工作区域中的人类，用于安全监控。 Other Objects（其他对象）：非预期对象，可能引起故障。 Puncture（刺穿）：传送带被刺穿的损坏。 Roller（滚筒）：传送带滚筒部件。 Tear（撕裂）：传送带撕裂损坏。 impact damage（冲击损坏）：由于冲击导致的损坏。 patch work（修补工作）：已修补的区域。 • Hole（孔洞）：传送带表面的孔洞损坏。 • Human（人类）：工作区域中的人类，用于安全监控。 • Other Objects（其他对象）：非预期对象，可能引起故障。 • Puncture（刺穿）：传送带被刺穿的损坏。 • Roller（滚筒）：传送带滚筒部件。 • Tear（撕裂）：传送带撕裂损坏。 • impact damage（冲击损坏）：由于冲击导致的损坏。 • patch work（修补工作）：已修补的区域。 • 标注格式：YOLO格式，包含边界框和类别标签，适用于目标检测任务。 • 数据格式：图像数据来源于工业监控系统，适用于计算机视觉分析。 二、适用场景 • 工业自动化检测系统开发：用于构建自动检测传送带损坏和异物的AI模型，实现实时监控和预防性维护，减少停机时间。 • 安全监控应用：识别人类和其他对象，提升工业环境的安全性，避免事故和人员伤害。 • 学术研究与创新：支持计算机视觉在制造业、物流和自动化领域的应用研究，促进AI技术与工业实践的融合。 • 教育与培训：可用于培训AI模型或作为工业工程和自动化教育的案例数据，帮助学习者理解实际应用场景。 三、数据集优势 • 多样化的类别覆盖：包含8个关键类别，涵盖多种损坏类型和对象，确保模型能够处理各种实际工业场景，提升泛化能力。 • 精准的标注质量：采用YOLO格式，边界框标注准确，由专业标注人员完成，保证数据可靠性和模型训练效果。 • 强大的任务适配性：兼容主流深度学习框架（如YOLO、TensorFlow、PyTorch），可直接用于目标检测任务，并支持扩展至其他视觉任务需求。 • 突出的工业价值：专注于工业传送带系统的实际需求，帮助提升生产效率、降低维护成本，并增强工作场所安全，具有较高的实际应用价值。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值