- 博客(47)
- 收藏
- 关注
RSS订阅原创 谱方法相关理论
一个对称矩阵的规范型是指与它合同的最简对角阵，对角线上的元素只可能有1，-1，0且按1,…,1,-1,…,-1,0,…,0排列。https://zhidao.baidu.com/question/587308148066207285.html实对称矩阵的正交相似对角化对实对称矩阵，A’=A，总有正交矩阵T，使T’AT=T逆AT=diag(lambda1,lambda2,…,lambdan)...
2019-04-18 20:32:42
2381
转载 nx矩阵
python 中 sparse matrix的应用和基本操作（CSR矩阵）https://blog.csdn.net/weixin_42067234/article/details/80247194
2019-04-17 09:46:00
729
原创 latex问题汇总
Latex强制图片位置https://blog.csdn.net/lqhbupt/article/details/24812993参考文献作者名全大写改为正常：表标题由1.1改为1-1再在每一个table的tex文件中将\caption{表标题}设在\begin{tabular}前。...
2019-04-08 00:43:13
358
转载 层次聚类 AgglomerativeClustering
https://blog.csdn.net/qq_39388410/article/details/78240037AgglomerativeClustering参数说明：AgglomerativeClustering(affinity=’euclidean’, compute_full_tree=’auto’,connectivity=None, linkage=’ward’,memory=...
2019-03-31 16:37:18
3719
原创 dict相关操作
Convert a string key to int in a Dictionaryd = {'1':'145' , '2':'254' , '3':'43'}d = {int(k):int(v) for k,v in d.items()}>>> d{1: 145, 2: 254, 3: 43}
2019-03-30 01:33:01
192
转载 python字典相关笔记
Python中字典创建、遍历、添加等实用操作技巧合集https://blog.csdn.net/u010159842/article/details/71081024/
2019-03-27 23:29:24
141
转载 shape reshape
https://stackoverflow.com/questions/10200268/what-does-shape-do-in-for-i-in-rangey-shape0In [46]: Y = np.arange(12).reshape(3,4)In [47]: YOut[47]: array([[ 0, 1, 2, 3], [ 4, 5, 6, 7],...
2019-03-19 19:42:23
247
原创 python list相关操作
https://blog.csdn.net/t8116189520/article/details/84395319g =[-0.4310240649520269, -0.3027811144738707, -0.2735361649907948, 0.16473515620977836, -0.19215072108337972, 0.36197685132974006, 0.67...
2019-03-19 01:24:29
228
转载 python相对导入
https://www.cnblogs.com/rons/p/9074979.html绝对导入的格式为 import A.B 或 from A import B，相对导入格式为 from . import B 或 from …A import B，.代表当前模块，…代表上层模块，…代表上上层模块，依次类推。https://blog.csdn.net/u013571243/article/det...
2019-03-18 10:51:26
577
转载 latex算法包algorithm2e
书写代码时一些专门的命令：; 在行末添加分号，并自动换行\caption{} 插入标题\KwData {输入信息} 排版为 Data:输入信息\Kwln {输入信息} 排版为 In: 输入信息\KwOut {输出信息} 排版为: Out: 输出信息\KwResult {输出信息} 排版...
2019-03-17 16:52:12
2713
转载 通信与共享内存
如何理解“不要通过共享内存来通信，而应该通过通信来共享内存”？http://www.imooc.com/wenda/detail/505010使用共享内存的话在多线程的场景下为了处理竞态，需要加锁，使用起来比较麻烦。另外使用过多的锁，容易使得程序的代码逻辑坚涩难懂，并且容易使程序死锁，死锁了以后排查问题相当困难，特别是很多锁同时存在的时候。共享内存会涉及到多个线程同时访问修改数据的情况，那得...
2019-03-14 09:41:51
513
转载 options array call API
metis官网Calling METIS_NodeND in Metis 5.0.2 from fortran95http://glaros.dtc.umn.edu/gkhome/node/877#comments这些函数服务的对象是应用程序(Application)， 所以便称之为 Application Programming Interface，简称 API 函数。（摘自https:/...
2019-03-06 08:43:02
289
原创 METIS-input file format error
第一种报错：n the first line of the file, you specified that the graph contained63 edges. However, I only found 51 edges in the file.Please specify the correct number of edges in the first line of the fi...
2019-03-02 11:14:07
696
转载 ParMETIS compilation error
In some OS X systems, compilation of ParMETIS will stop with:(cd ParMETISLib ; make )mpicc -DNDEBUG -O3 -I. -c comm.cIn file included from ./parmetislib.h:19:0,from comm.c:11:./stdheaders.h:17:20...
2019-02-28 17:20:30
329
原创 [Xcode] No Such File or Directory
https://www.jianshu.com/p/630da94abd0fDerivedDate这个文件夹是XCODE的缓存文件夹。整个删除都没事的。关于如何找到这个文件夹，参考：https://zhidao.baidu.com/question/983940765371258779.html关于报错的解决，参考：https://cmake.org/Bug/view.php?id=138...
2019-02-28 14:50:15
2501
原创 METIS安装与使用
官网的安装失败，从github上下载了一个源码，用cmake安装。一开始configure会报错如下：CMake Warning (dev):Policy CMP0042 is not set: MACOSX_RPATH is enabled by default. Run “cmake–help-policy CMP0042” for policy details. Use the c...
2019-02-27 00:20:27
12482
2
原创 networkx_to_metis
存储networkx生成的图的方法参考networkx手册：https://networkx.github.io/documentation/stable/reference/readwrite/index.htmlAdjacency List经过适当处理可以转换成metis可识别的格式。先看graph的Adjacency Listimport networkx as nximport ...
2019-02-18 22:15:50
789
1
原创 ParMETIS安装与使用
官方下载网址：http://glaros.dtc.umn.edu/gkhome/metis/parmetis/download我用cmake configure的时候会报错在github上找到一个parmetis的源码，cmake后可正常使用，不过与官方源码之间的区别还未对比。该网址为：https://github.com/scibuilder/parmetis安装过程略使用：查看...
2019-02-17 21:37:15
2471
2
原创 MPI for mac下载及安装
下载最新版open-MPI，下载地址：https://www.open-mpi.org/software/ompi/v4.0/下载之后进行如下操作：双击解压下载的文件openmpi-4.0.0.tar.gz打开cmd，cd到解压的文件夹。输入 cd /Users/ycy/Desktop/openmpi-4.0.0安装在/usr/local下，执行./configure。输入 ./...
2019-02-11 00:15:46
5259
2
原创 python metis模块
python metis模块networkxmetis新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入netw...
2019-02-01 15:45:02
2376
转载 Chinese word segmentation 中文词分割
转自： https://www.cnblogs.com/DjangoBlog/p/6889421.html现有分词介绍分词方法大致分为两种：基于词典的机械切分基于统计模型的序列标注切分1. 基于词典的机械划分1.1 基于词典的机械划分基于词典的方法本质上就是字符串匹配的方法，将一串文本中的文字片段和已有的词典进行匹配，如果匹配到，则此文字片段就作为一个分词结果。...
2018-06-06 20:19:53
4613
转载 python 读取文件等操作
https://www.cnblogs.com/ymjyqsx/p/6554817.html https://www.cnblogs.com/zhangkaikai/p/6669750.html
2018-05-20 21:05:32
143
原创 金融时间序列-双谱检验(bispectral test)
离散傅里叶变换本质是周期信号求傅里叶级数！（http://blog.jobbole.com/70549/#article-comment）能量谱密度是信号傅立叶变换幅度的平方。 （https://baike.baidu.com/item/谱密度/2437070?fr=aladdin）我们通过选取合适的格子点来估计式中的函数b(w1,w2)，并且用一种类似Hotelling T2T2T^2...
2018-05-15 13:22:03
759
原创 金融时间序列-非线性检验-Ljung-Box test
1 非参数检验1 平方残差的Q统计量（Ljung-Box Q 统计量）Ljung-Box test是对randomness的检验,或者说是对时间序列是否存在滞后相关的一种统计检验。纯随机性检验，p值小于5%,序列为非白噪声用于检验某个时间段内的一系列观测值是不是随机的独立观测值。如果观测值并非彼此独立，一个观测值可能会在 k 个时间单位后与另一个观测值相关，形成一种称为自相关的关系...
2018-05-14 16:47:05
86237
3
原创 抓取网易云音乐歌曲热门评论生成词云
如何解析网页就不介绍了，可以参考: https://blog.csdn.net/Monkey_D_Newdun/article/details/79318629 直接上代码~刚刚突然听到一首老歌，SHE的《听袁惟仁弹吉他》，就爬这首的评论吧～这首歌的ID是3750951. 抓取热门评论内容import requestsimport jsondef getcomments(m...
2018-04-27 21:03:09
886
转载 XGBoost算法
XGBoost (eXtreme Gradient Boosting)参考： 原理： xgboost入门与实战（原理篇） https://blog.csdn.net/sb19931201/article/details/52557382 xgboost原理及应用–转 https://www.cnblogs.com/zhouxiaohui888/p/6008368.html调参： ...
2018-04-25 20:43:38
233
转载 GBDT算法
公式推导没太懂…直接移步大佬博客吧 梯度提升树(GBDT)原理小结 https://www.cnblogs.com/pinard/p/6140514.html挑一些重要的记下来1. GBDT概述GBDT也是集成学习Boosting家族的成员，但是却和传统的Adaboost有很大的不同。回顾下Adaboost，我们是利用前一轮迭代弱学习器的误差率来更新训练集的权重，这样一轮轮的迭...
2018-04-25 10:25:20
337
转载 集成学习之AdaBoost
AdaBoost(Adaptive Boosting ) 转自：http://www.cnblogs.com/pinard/p/6133937.html1. 回顾boosting算法的基本原理 有几个具体的问题Boosting算法没有详细说明:如何计算学习误差率e?如何得到弱学习器权重系数α?如何更新样本权重D?使用何种结合策略？只要是boosting大家族的算法，都...
2018-04-24 21:18:46
344
转载 随机森林RF
Random Forest 是Bagging算法的进化版，也就是说，它的思想仍然是bagging,但是进行了独有的改进。bagging+CART决策树=随机森林首先，RF使用了CART决策树作为弱学习器； 第二，在使用决策树的基础上，RF对决策树的建立做了改进，对于普通的决策树，我们会在节点上所有的n个样本特征中选择一个最优的特征来做决策树的左右子树划分，但是RF通过随机选择节点上的一部...
2018-04-23 02:28:22
186
原创 决策树
决策树模型决策树举例相亲栗子： 再来一个栗子： 机器学习算法其实很古老，作为一个码农经常会不停的敲if, else if, else,其实就已经在用到决策树的思想了。只是你有没有想过，有这么多条件，用哪个条件特征先做if，哪个条件特征后做if比较优呢？怎么准确的定量选择这个标准就是决策树机器学习算法的关键了。1970年代，一个叫昆兰的大牛找到了用信息论中的熵来度量决策树的决...
2018-04-23 02:04:49
384
原创 常见算法总结
监督学习监督学习分为两大类：回归分析 线性回归分类 logistic回归、SVM、KNN、朴素贝叶斯、决策树、随机森林、GBDT、Adaboost、XGboost、LDA无监督学习聚类 k-means、PCA、关联规则深度学习CNN、RNN强化学习马尔可夫决策过程常见的十种机器学习算法https://blog.csdn.net/h...
2018-04-22 11:48:12
346
原创 k-meas算法
k-means & KNNk-means与kNN虽然都是以k打头，但却是两类算法——kNN为监督学习中的分类算法，而k-means则是非监督学习中的聚类算法； 二者相同之处：均利用近邻信息来标注类别。k-means基本算法在k-means算法中，用质心来表示cluster；且容易证明k-means算法收敛等同于所有质心不再发生变化。基本的k-means算法流程如下：选...
2018-04-22 10:45:00
2329
原创 kNN算法原理
KNN算法概述KNN算法的思想K近邻法(k-nearst neighbors,KNN)是一种很基本的机器学习方法。它的思想是： 在训练集中数据和标签已知的情况下，输入测试数据，将测试数据的特征与训练集中对应的特征进行相互比较，找到训练集中与之最为相似的前K个数据，则该测试数据对应的类别就是K个数据中出现次数最多的那个分类。KNN算法的描述1）计算测试数据与各个训练数据之间...
2018-04-22 01:06:22
5268
原创 正则化(2)机器学习和深度学习中的正则化方法
参考： https://blog.csdn.net/u012162613/article/details/44261657 https://blog.csdn.net/liujiandu101/article/details/551038311. 正则化方法：防止过拟合，提高泛化能力正则化(1) L1和L2正则化2. DropoutL1、L2正则化是通过修改代价函数来实现的...
2018-04-21 20:35:04
367
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人