2017.4.18-morning

最新推荐文章于 2017-04-27 09:58:00 发布

转载最新推荐文章于 2017-04-27 09:58:00 发布 · 92 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/bgd140206202/p/6726195.html

本文记录了作者上午学习思科软件的过程与心得，对于正在学习网络技术或使用思科产品的读者来说，是一份不错的参考资料。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

今天上午进行思科软件的学习

转载于:https://www.cnblogs.com/bgd140206202/p/6726195.html

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

bit小兵

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

Morning-年美国成年人交流方式调查报告（英文）--150页.pdf

07-25

【宏观经济】\n\n这份Morning Consult发布的“2017年美国成年人交流方式调查报告”提供了深入的洞见，揭示了美国人如何选择不同的通信工具来与他人互动。报告覆盖了150页，通过全国性样本调查了2201名成年美国人，...

2017.4.19-morning

weixin_30341745的博客

04-19

268

实验目标 l掌握采用Telnet方式配置交换机的方法。实验背景 l第一次在设备机房对交换机进行了初次配置后，你希望以后在办公室或出差时也可以对设备进行远程管理。现要在交换机上做适当配置。技术原理 l配置交换机的管理IP地址（计算机的IP地址与交换机管理IP地址在同一个网段）： l在2层交换机中，IP地址仅用于远程登录管理交换机，对于交换机的运行不是必需，但是若没有配置管理I...

参与评论您还未登录，请先登录后发表或查看评论

2017.4.26-morning

weixin_30615767的博客

04-26

457

实验目标 l掌握交换机Tag VLAN的配置 l掌握三层交换机基本配置方法； l掌握三层交换机VLAN路由的配置方法； l通过三层交换机实现VLAN间相互通信；实验背景 l某企业有两个主要部门，技术部和销售部，分处于不同的办公室，为了安全和便于管理对两个部门的主机进行了VLAN的划分，技术部和销售部分处于不同的VLAN，先由于业务的需求需要销售部和技术部的主机能够相互访问，...

2017.4.27-morning

weixin_30335353的博客

04-27

195

实验目标 l理解生成树协议工作原理； l掌握快速生成树协议RSTP基本配置方法；实验背景 l学校为了开展计算机教学和网络办公，建立的一个计算机教室和一个校办公区，这两处的计算机网络通过两台交换机互联组成内部校园网，为了提高网络的可靠性，作为网络管理员，你要用2条链路将交换机互连，现要求在交换机上做适当配置，使网络避免环路。技术原理 l生成树协议（spanning-tree）...

2017.4.20-morning

weixin_30808253的博客

04-20

实验目标 l理解端口聚合基本原理； l掌握一般交换机端口聚合的配置方法；实验背景端口聚合（又称为链路聚合)，将交换机上的多个端口在物理上连接起来，在逻辑上捆绑在一起，形成一个拥有较大宽带的端口，可以实现负载分担，并提供冗余链路。技术原理 l端口聚合使用的是EtherChannel特性，在交换机到交换机之间提供冗余的高速的连接方式。将两个设备之间多条FastEthernet或...

2017.4.7-morning

weixin_30752377的博客

04-07

今天主要学习思科的软件，网络搭建，设置IP等 cisco ping 命令的使用.最简单的方法是直接 PING 加上IP地址。另一种高级Pｉｎｇ的方法是按如下步骤来，输完PING，回车，选择相应选项进行。 Protocol [ip]:　　　　此处为协议选择，默认即可； Target IP address: 此处为IP地址； Repeat...

2017.4.17-morning

weixin_30597269的博客

04-17

今天上午上近代史课程转载于:https://www.cnblogs.com/bgd140206202/p/6723567.html

2017.4.14-morning

weixin_30507269的博客

04-14

今天我继续学习有关交换机的知识，包括telnet配置和端口配置等，对软件还不是特别熟悉，操作起来也需要一定的时间。转载于:https://www.cnblogs.com/bgd140206202/p/6707160.html...

2017.4.13-morning

weixin_30420305的博客

04-13

今天上午对思科的软件进行了复习，包括交换机的基本配置，端口配置和telnet远程登录配置等相关知识，也是对之前所学的复习，下午再进行相关的上机操作。转载于:https://www.cnblogs.com/bgd140206202/p/6704317.html...

2017.4.11-morning

weixin_30657999的博客

04-11

今天上午进行交换机的学习转载于:https://www.cnblogs.com/bgd140206202/p/6694460.html

天津市红桥区2017届高中三年级-------二模英语试题及答案.doc

09-25

4. "anyhow" 意为“无论如何”，"somehow" 意为“以某种方式，不知怎么地”，"besides" 表示“此外”，"therefore" 表示“因此”。根据句子逻辑，尽管不确定能否说服他，但无论如何都会尽力，所以选项A更合适。 5. ...

2017新版香港朗文WTE1A-6B全部单词汇总.doc

11-28

* Word List for 1A Chapter 2：单词汇总，包括I、are、is、book、know、brother、Miss、classmate、morning、come、my、father、name、fine、please、friend、present、he等词汇。 *知识点： + 学习基本的自我介绍...

译林版小升初英语词汇分类归纳（带音标）全-2017.doc

09-28

4. **动物词汇**：如cat（猫）、dog（狗）、monkey（猴子）、panda（熊猫）、rabbit（兔子）、duck（鸭子）、pig（猪）、bird（鸟）、bear（熊）、elephant（大象）、mouse（老鼠）和squirrel（松鼠）。这些词汇对于...

新版PEP小学英语(3_6年级)单词表、表达表2017.doc

10-09

【新版PEP小学英语(3_6年级)单词表、表达表2017.doc】这份文档涵盖了小学三年级上册的英语单词和常用表达法，旨在帮助学生掌握基础的英语词汇和日常交流用语。以下是详细的内容概览：在三年级上册的单词表中，学习...

运用各类传统计算机视觉算法探测不同种类乐高积木数量

08-20

资源下载链接为： https://pan.quark.cn/s/5a876511eb16 运用各类传统计算机视觉算法探测不同种类乐高积木数量（最新、最全版本！打开链接下载即可用！）

【无线通信技术】基于MATLAB/SIMULINK的多载波无线通信系统仿真及性能分析：OFDM系统关键技术研究与实现（论文复现含详细代码及解释）

08-20

内容概要：本文详细探讨了基于MATLAB/SIMULINK的多载波无线通信系统仿真及性能分析，重点研究了以OFDM为代表的多载波技术。文章首先介绍了OFDM的基本原理和系统组成，随后通过仿真平台分析了不同调制方式的抗干扰性能、信道估计算法对系统性能的影响以及同步技术的实现与分析。文中提供了详细的MATLAB代码实现，涵盖OFDM系统的基本仿真、信道估计算法比较、同步算法实现和不同调制方式的性能比较。此外，还讨论了信道特征、OFDM关键技术、信道估计、同步技术和系统级仿真架构，并提出了未来的改进方向，如深度学习增强、混合波形设计和硬件加速方案。; 适合人群：具备无线通信基础知识，尤其是对OFDM技术有一定了解的研究人员和技术人员；从事无线通信系统设计与开发的工程师；高校通信工程专业的高年级本科生和研究生。; 使用场景及目标：①理解OFDM系统的工作原理及其在多径信道环境下的性能表现；②掌握MATLAB/SIMULINK在无线通信系统仿真中的应用；③评估不同调制方式、信道估计算法和同步算法的优劣；④为实际OFDM系统的设计和优化提供理论依据和技术支持。; 其他说明：本文不仅提供了详细的理论分析，还附带了大量的MATLAB代码示例，便于读者动手实践。建议读者在学习过程中结合代码进行调试和实验，以加深对OFDM技术的理解。此外，文中还涉及了一些最新的研究方向和技术趋势，如AI增强和毫米波通信，为读者提供了更广阔的视野。

SpringBoot低空空域飞行管控中心平台毕业论文.docx

08-20

SpringBoot低空空域飞行管控中心平台毕业论文.docx

基于命令行输入的柱状图生成器-支持多组数据输入和自定义符号的ASCII艺术可视化工具-用于快速生成可自定义高度的文本柱状图以直观展示数值数据-使用Python处理命令行参数和条件判.zip

08-20

python基于命令行输入的柱状图生成器_支持多组数据输入和自定义符号的ASCII艺术可视化工具_用于快速生成可自定义高度的文本柱状图以直观展示数值数据_使用Python处理命令行参数和条件判.zip基于命令行输入的柱状图生成器_支持多组数据输入和自定义符号的ASCII艺术可视化工具_用于快速生成可自定义高度的文本柱状图以直观展示数值数据_使用Python处理命令行参数和条件判.zip

单片机程序+安卓程序+2025

最新发布

08-20

单片机程序+安卓程序

df head(df) sleep_hours1 <- df$When.have.you.usually.gone.to.bed.in.the.past.month. sleep_hours2<-df$What.time.have.you.usually.gotten.up.in.the.morning.in.the.past.month. fall_asleep_time <- df$How.long.has.it.taken.you.to.fall.asleep.each.night.in.the.past.month. var1<-df$Cannot.get.to.sleep.within.30.minutes var2<-df$Wake.up.in.the.middle.of.the.night.or.early.morning var3<-df$Have.to.get.up.to.use.the.bathroom var4<-df$Cough.or.snore.loudly var5<-df$Feel.too.cold var6<-df$Feel.too.hot var7<-df$Have.bad.dreams var8<-df$Have.pain disturbance_vars <- cbind(var1, var2, var3, var4, var5, var6, var7, var8) colnames(disturbance_vars) <- c("Cannot get to sleep within 30 minutes", "Wake up in the middle of the night or early morning", "Have to get up to use the bathroom", "Cough or snore loudly", "Feel too cold", "Feel too hot", "Have bad dreams", "Have pain") disturbance_vars gender <- as.factor(df[["Gender"]]) gender X <- data.frame( fall_asleep_time, sleep_hours1, sleep_hours2, disturbance_vars, gender ) s1<-df$You.have.to.submit.an.assignment.in.less.than.a.day s2<-df$A.week.before.exams s3<-df$Asking.for.an.extra.ketchup.packet.at.a.restaurant s4<-df$Meeting.a.new.person s5<-df$Asking.for.help s6<-df$Confronting.someone s7<-df$Doing.something.without.help stress_cols <- cbind(s1,s2,s3,s4,s5,s6,s7) colnames(stress_cols) <- c("You have to submit an assignment in less than a day", "A week before exams", "Asking for an extra ketchup packet at a restaurant", "Meeting a new person", "Asking for help", "Confronting someone", "Doing something without help") stress_scores <- rowMeans(stress_cols) Y <- ifelse(stress_scores > median(stress_scores), 1, 0) Y model <- glm( Y ~., data = X, family = binomial(link = "logit") ) summary(model) step_model <- step( model, direction = "both", trace = 1 ) summary(step_model) 这是我的数据，然后我每次都会出现[.data.frame`(model_data, , rn, drop = FALSE):这个错误

06-05

<think>我们正在解决使用ggeffects包时出现的错误：`错误于`[.data.frame`(model_data,,rn,drop=FALSE):选择了未定义的列`结合之前分析，该错误通常是因为ggeffects在尝试获取模型数据时，找不到模型中使用的一个或多个变量（即列名不匹配）。以下为详细解决方案，特别关注glm模型与ggeffects的交互问题：###1.检查模型公式中的变量名与数据框列名完全一致在调用`glm`时，公式中的变量名必须与数据框`X`中的列名完全一致（包括大小写、空格和特殊字符）。在之前代码中，公式使用了以下变量：-sleep_hours1-Have.to.get.up.to.use.the.bathroom-Cough.or.snore.loudly-Feel.too.cold-gender使用`names(X)`检查数据框中这些列名是否完全一致。如果列名不一致，例如数据框中列名为"Havetogetuptousethebathroom"（带空格）而公式中为"Have.to.get.up.to.use.the.bathroom"（用点连接），则需要修改数据框列名或模型公式。推荐修改数据框列名为合法命名（无空格、无特殊字符，可使用下划线或点连接）：```r#例如，将带空格的列名改为用下划线连接names(X)[names(X)=="Havetogetuptousethebathroom"]<-"Have_to_get_up_to_use_the_bathroom"#然后更新模型公式model<-glm(Y~sleep_hours1+Have_to_get_up_to_use_the_bathroom+Cough_or_snore_loudly+Feel_too_cold+gender,data=X,family=binomial(link="logit"))```或者，如果不想改变数据框列名，可以在公式中使用反引号包裹列名：```rmodel<-glm(Y~sleep_hours1+`Havetogetuptousethebathroom`+`Coughorsnoreloudly`+`Feeltoocold`+gender,data=X,family=binomial(link="logit"))```但是，使用反引号可能导致后续分析（如ggeffects）更容易出错，所以建议使用合法列名。###2.确保因子变量在数据框中已正确定义在之前的操作中，我们重新定义了`gender`因子的水平：```rX$gender<-factor(X$gender,levels=c("Female","Male"))```这步操作正确。但请确保其他因子变量（如果有）也已在数据框中定义好，而不是在模型公式中临时转换。错误示例：在公式内临时转换变量```rmodel<-glm(Y~factor(sleep_hours1)+...,#在公式内部临时转换data=X,family=binomial(link="logit"))```此时，ggeffects会尝试在数据框中寻找名为`factor(sleep_hours1)`的列，显然不存在。正确做法：预转换变量```r#在数据框中创建转换后的列X$sleep_hours1_factor<-factor(X$sleep_hours1)#然后使用新列model<-glm(Y~sleep_hours1_factor+...,data=X,family=binomial(link="logit"))```###3.显式指定newdata（使用原始数据框X）在调用`ggeffect`时，我们使用了参数`newdata=X`，但这里要注意：-`ggeffect`在后台会尝试从模型对象中提取数据，但当模型对象的数据环境不完整时（例如，建模时使用了数据框的子集或变换后的变量），需要显式提供数据框。-如果我们修改了数据框的列名（比如去掉了空格），而模型使用的是修改后的列名，那么我们应该使用修改后的数据框（即`X`）传递给`newdata`。但若在建模前已经修改了数据框列名，则此时应该没有问题。然而，错误可能出现在`ggeffect`试图从模型对象中提取数据时，模型对象存储的数据可能与当前环境中的数据框不一致。因此，建议在调用`ggeffect`时，显式指定`xlevels`参数，或确保在模型对象中存储了完整的数据（可使用`model.frame`查看）：```r#查看模型使用的数据（模型框架）head(model.frame(model))```###4.检查ggeffects调用的terms参数在调用`ggeffect`时，`terms`参数应该只包含模型中的变量名（而且必须是数据框中存在的列名）。变量名不能用反引号包裹（除非变量名在数据框中就是以反引号形式存在，通常不需要）。```rgender_effect<-ggeffect(model,terms="gender",#这里必须与模型中的变量名完全相同newdata=X#提供数据框)```如果`terms`参数中写了一个在模型中不存在的变量名（比如拼写错误），也会报错。###5.重新拟合模型并检查如果上述步骤都做了，仍然报错，可以尝试以下步骤：a)重新拟合模型，确保模型使用的是处理过列名和因子后的数据框。b)在模型拟合后立即调用`ggeffect`，避免中间修改数据框。c)尝试使用`ggpredict`函数替代`ggeffect`（两者类似，但可能有不同的实现细节）：```rgender_effect<-ggpredict(model,terms="gender",newdata=X)```###调试示例代码以下为修改后的完整示例代码：```r#假设原始数据框为X，且存在列名带空格等问题#第一步：修正列名（去掉空格等）names(X)<-gsub("","_",names(X))#将空格替换为下划线，也可以使用点替换#修正gender水平X$gender<-factor(X$gender,levels=c("Female","Male"))#拟合模型（使用新列名）model<-glm(Y~sleep_hours1+Have_to_get_up_to_use_the_bathroom+Cough_or_snore_loudly+Feel_too_cold+gender,data=X,family=binomial(link="logit"))#检查模型框架变量名print(names(model.frame(model)))#调用ggeffectslibrary(ggeffects)#使用ggpredict也可以尝试gender_effect<-ggeffect(model,terms="gender",newdata=X)#或者#gender_effect<-ggpredict(model,terms="gender",newdata=X)#如果没有报错，可以画图plot(gender_effect)```如果按照以上步骤处理，通常可以解决“未定义的列”错误。如果问题仍然存在，请提供`head(model.frame(model))`的输出，以便进一步诊断。§§相关问题§§1.R语言中如何批量修改数据框的列名？2.在glm模型中如何处理交互项？3.如何检查glm模型使用的数据框架？4.ggeffects包中ggeffect和ggpredict函数有何区别？</think> ### 解决R语言`glm`模型中"选择了未定义的列"错误该错误通常发生在使用`ggeffects`包进行预测时，本质是**模型变量名与数据框列名不匹配**。以下是系统解决方案： #### 📌 核心解决方案 1. **验证列名一致性** 检查模型公式中的变量名必须**严格匹配**数据框列名（大小写敏感）： ```r # 获取模型使用的变量名 all.vars(formula(model)) # 对比数据框实际列名 names(X) # 修复不一致列名（示例） colnames(X)[colnames(X) == "Have.to.get.up"] <- "Bathroom_need" # 消除特殊符号 ``` 2. **重构因子变量** 避免在公式中直接转换变量： ```r # 错误方式（导致ggeffects失效） model <- glm(Y ~ factor(gender), data = X) # 正确方式：预创建因子列 X$gender_f <- factor(X$gender, levels = c("Female", "Male")) model <- glm(Y ~ gender_f, data = X) ``` 3. **显式传递数据源** 确保`ggeffect`能定位原始数据： ```r # 添加model.frame重建数据环境 gender_effect <- ggeffect( model, terms = "gender_f", newdata = model.frame(model) # 强制使用模型数据框架 ) ``` #### 🛠️ 调试步骤 ```r # 1. 确认模型数据框架 head(model.frame(model)) # 2. 检查变量存储类型 sapply(model.frame(model), class) # 3. 测试基础预测功能 predict(model, newdata = X[1:3, ]) # 验证模型自身是否正常 ``` #### ✅ 完整修正示例 ```r # 步骤1: 清洁列名 X <- X %>% rename( Bathroom_need = "Have.to.get.up.to.use.the.bathroom", Snore = "Cough.or.snore.loudly" ) # 步骤2: 创建模型专用因子 X$gender_f <- factor(X$gender, levels = c("Female", "Male")) # 步骤3: 拟合模型 model <- glm( Y ~ sleep_hours1 + Bathroom_need + Snore + Feel.too.cold + gender_f, data = X, family = binomial ) # 步骤4: 安全调用ggeffects gender_effect <- ggeffect( model, terms = "gender_f", newdata = model.frame(model) # 关键参数 ) ``` #### ⚠️ 注意事项 1. 使用管道操作(`%>%`)时，通过`. %>% `显式传递数据环境 ```r X %>% model.frame() %>% ggeffect(terms = "gender_f") ``` 2. 对带空格的列名使用反引号： ```r ggeffect(model, terms = "`sleep hours`", newdata = X) ``` #### 📚 根本原因此错误本质是**环境作用域问题**[^4]： - `glm()`存储公式时使用**符号化变量名** - `ggeffects`在调用`model.frame()`时依赖原始数据框环境 - 当列名被修改或存在特殊字符时出现映射断裂 ---