QuickReference

logistic regression code1234567891011121314151617181920212223242526272829303132333435import pandas as pdimport numpy as npfrom sklearn.datasets import load_breast_cancerfrom sklearn.model_selection import train_test_splitfrom sklearn.preprocessing import StandardScalerfrom sklearn.linear_model import LogisticRegression# 1. 加载乳腺癌数据集data = load_breast_cancer()# 2.1 数据集基本处理df = pd.DataFrame(data.data, columns=data.feature_names)df['target'] = data.targetfor i in df.columns: # 检查列是否有缺失 ...

线性回归简介 用于预测一个连续的目标变量（因变量），与一个或多个特征（自变量）之间存在线性关系。 假设函数：$$y = w_1x_1 + w_2x_2 + \cdot\cdot\cdot+w_nx_n$$ $y$ 是目标变量（因变量），即我们希望预测的值。 $x1​,x2​,…,xn$​ 是特征变量（自变量），即输入的值。 损失函数为了找到最佳的线性模型，我们需要通过最小化损失函数来优化模型参数。在线性回归中，常用的损失函数是 均方误差（MSE）：$$MSE = \frac{1}{m} \sum_{i=1}^{m} (y_i - \hat{y}_i)^2$$ m 是样本的数量。 $y_i$​ 是第 i 个样本的真实值。 $\hat{y}_i​$ 是模型预测的第 i 个样本的值。 线性回归优化 梯度下降法 123456789101112131415161718192021222324252627282930from sklearn.datasets import fetch_california_housingfrom sklearn.mode ...

c lang在windows下的开发（VS code）WinLibs - GCC+MinGW-w64 compiler for Windows下载你需要的版本解压到D:\ProgramModule，并将 bin\加入环境变量PATH打开新的Terminal输入gcc -v，查看gcc是否安装成功在VS code 的插件管理下载Code Runner、C\C++这两个插件在*.c源文件的内容区，右键点击Run Code ，即可运行成功 数据类型 整数类型1234567891011    short a = 12;    int b = 100;    long c = 1000L;    long long d = 1000000LL;    unsigned int e = 10;    printf("a: %hd\n",a);    printf("b: %d\n",b);    printf("c: %ld\n",c);    printf("d: %lld\n",d);    printf(&quo ...

k近邻算法（K-Nearest Neighbors）KNN将当前样本的类别归类于距离最近的k个样本的类别 距离公式(2维) 欧式距离$$d = \sqrt{(x_1-y_1)^2 + (x_2 - y_2)^2}$$ 曼哈顿距离$$d = |x_1 - x_2| + |y_1 - y_2|$$ 切比雪夫距离$$d = \max\left(|x_1 - x_2|, |y_1 - y_2|\right)$$ k值选择问题 k值 影响 越大 模型过拟合，准确率波动较大 越小 模型欠拟合，准确率趋于稳定但可能较低 特征预处理 通过一些转换函数将特征数据转换成更加适合算法模型的特征数据过程 归一化将数据变换到指定区间（默认是[0,1]）$$ x’ = \frac{x- x_{\text {min}}}{x_{\text{max}} - x_{\text{min}}} $$若需要缩放到任意区间 ([a, b])，公式为： $$ x’ = a + \frac{(x - x_{\text{min}}) \cdot (b - a ...

防火墙关闭123# 在 6 台主机执行systemctl stop firewalldsystemctl disable firewalld 配置yum源 下载 repo 文件：Centos-7.repo并上传到/tmp，进入到/tmp 备份并且替换系统的repo文件1234 cp Centos-7.repo /etc/yum.repos.d/ cd /etc/yum.repos.d/ mv CentOS-Base.repo CentOS-Base.repo.bak mv Centos-7.repo CentOS-Base.repo 将nn1上的CentOS-Base.repo拷贝到其他主机12345scp /etc/yum.repos.d/CentOS-Base.repo root@nn2:/etc/yum.repos.dscp /etc/yum.repos.d/CentOS-Base.repo root@nn3:/etc/yum.repos.dscp /etc/yum.repos.d/CentOS-Base.repo root@s1:/etc/yum.repos.dscp /et ...

Zookeeper脚本配置 拷贝ips1cp ips ips_zookeeper 修改为123nn1nn2nn3 拷贝三个脚本123cp scp_all.sh scp_all_zookeeper.sh cp ssh_all.sh ssh_all_zookeeper.sh cp ssh_root.sh ssh_root_zookeeper.sh 修改脚本123vim scp_all_zookeeper.sh vim ssh_all_zookeeper.sh vim ssh_root_zookeeper.sh 将三个脚本中的ips改为ips_zookeeper Zookeeper安装 上传到/tmp目录下，解压 12345sudo tar -zxvf /tmp/zookeeper-3.4.8.tar.gz -C /usr/local/scp -r /usr/local/zookeeper-3.4.8/ root@nn2:/usr/local/scp -r /usr/local/zookeeper-3.4.8/ root@nn3:/usr/local/ssh_root_zookeepe ...

上传hadoop-3.1.4.tar.gz到/tmp，解压 注意在六台机器均上传到/tmp 12345# 在6台机器执行sudo tar -zxvf /tmp/hadoop-3.1.4.tar.gz -C /usr/local/# 分发到其他主机ssh_root.sh chown -R hadoop:hadoop /usr/local/hadoop-3.1.4ssh_root.sh ln -s /usr/local/hadoop-3.1.4/ /usr/local/hadoop 配置环境变量123echo 'export HADOOP_HOME=/usr/local/hadoop' >> /etc/profile.d/myEnv.shecho 'export PATH=$PATH:$HADOOP_HOME/bin' >> /etc/profile.d/myEnv.shecho 'export PATH=$PATH:$HADOOP_HOME/sbin' >> /etc/profile.d/m ...

Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hexo, you can find the answer in troubleshooting or you can ask me on GitHub. Quick StartCreate a new post1$ hexo new "My New Post" More info: Writing Run server1$ hexo server More info: Server Generate static files1$ hexo generate More info: Generating Deploy to remote sites1$ hexo deploy More info: Deployment

查看CPU、内存使用率1234567891011121314151617181920212223242526#!/bin/bash# 定义颜色RED='\033[0;31m'GREEN='\033[0;32m'YELLOW='\033[0;33m'BLUE='\033[0;34m'NC='\033[0m' # 无颜色while true; do # 获取所有进程的CPU使用率和内存使用率 cpu_usage=$(ps aux | awk '{sum_cpu += $3} END {print sum_cpu}') mem_usage=$(ps aux | awk '{sum_mem += $4} END {print sum_mem}') # 打印结果，带有时间戳、分隔线和颜色高亮 echo -e "${BLUE ...

原文如下：       初，郑武公娶于申【申国】，曰武姜【武为武公谥号，姜为其宗族之性】。生庄公及共叔段【共表示其曾出逃到共，叔为老三，段为名】。庄公寤生【出生时头先出，难产】，惊姜氏，故名曰“寤生”， 遂恶之，爱【喜爱】共叔段，欲立【立为储君】之，亟（qì）【多次】请于武公，及庄公即位，为之【共叔段】请制【一个叫制的封地，虎牢关所在】。公曰：“制，岩邑【险要的城邑】也，虢叔死焉，佗【通“他”，其他】邑唯命（是听）。”请京，使居之，谓之“京城大叔”。