john_ashley的博客

原创 简单易懂，单调栈和队列

”明月如霜，好风如水，清景无限 “文远已经很久没更新了，中秋补一篇吧。最常见的两种数据结构，栈和队列，也就是先进后出和先进先出。从这一点来看，似乎这两个数据结构挺简单的，但难点在于何时使用它，也就是识别出什么时候该用这样的数据结构。壹* stack基础的基础操作：如果用数组模拟栈的话，需要数组int stk[N] , hh = -1;其中hh = -1待定，也就是初始情况下栈为空，认为stk[0]为栈的首元素。若改为0，则认为stk[1]为栈的首元素。入栈：stk[++hh] = x

原创 背包专题详解，实用有效

”明月如霜，好风如水，清景无限 “背包问题的经典程度，不言而喻。今天文远就带大家梳理一遍。主要是01背包，完全背包，多重背包和分组背包问题。关于空间压缩可以见：空间压缩。关键点：一般用dp[i][j]表示只用前i个物品在背包空间为j的情况下物品的最大价值。壹* 01背包描述：n个物品，背包容量m，物品容量v[i]，价值w[i]。物品只能选0次或者1次。状态分析很简单，即dp[i][j] = max(dp[i-1][j] , dp[i - 1][j - v[i]] + w

原创 含泪总结，五种常见的最短路径算法

”明月如霜，好风如水，清景无限 “总结总的来说，最短路径是图论的最常见的问题。即在一副有向图（无向图是特殊的有向图，不做考虑。记图中的结点数N ，而边数为 M，边长记为W）中找到其中两点的路径最短值。壹* 基础版dijkstra复杂度 ：O(n * n)，分析可知遍历为n,更新为n。特点介绍：看复杂度可以知道，此算法仅仅与结点个数有关。那么当图的边数密集，是稠密图时，将会非常适合。而对于稠密图，储存方式最好是邻接矩阵。其中dijkstra算法对应的边长权值都为正数。代码关键点：

原创 背包问题空间压缩含义

”明月如霜，好风如水，清景无限 “时隔了不知道多少天，应该说最近都在忙于写毕设论文和相关代码。因此很久没更新了，先推荐一下关于西瓜书的两类视频：图片https://www.bilibili.com/video/BV17J411C7zZ ####一起啃书https://www.bilibili.com/video/BV1GT4y1w72C ###机器学习实战今天智能路障的鲁迅系列又更新了，心疼迅哥一秒，，，， 壹 今天说的是动态规划最常见的一个题

原创 Mysql基础-(2)与python的在VScode下连接

​ ”明月如霜，好风如水，清景无限 “感谢DataWhale的活动，让文远点亮一些Mysql的实用技能。上一篇的文章Mysql基础-（1），其实已经介绍了Mysql中主要使用的一些语句。壹说到数据库，必须理解一下这个图：即我们客户端用sql的query程序与关系数据库管理系统（Relational Database Management System，RDBMS）交互，对创建的数据进行常见的增删查改。除此之外的还要知道,Mysql是关系性数据库中的最常用，且免费。复习一下五种DBMS：层次数

原创 Mysql基础-（3）

​ ”明月如霜，好风如水，清景无限 “快Task02的deadline了，链接本篇是主要介绍基础的查询和排序。当然，文远觉得查询和排序的难点，最后都归结到了一个地方，也就是关键字的执行顺序。FROM → WHERE → GROUP BY → HAVING → SELECT → ORDER BY壹没弄清语句执行顺序，会出现以下三种错误：在使用聚合函数及GROUP BY子句时，经常出现的错误有：在聚合函数的SELECT子句中写了聚合健以外的列 使用COUNT等聚合函数时，SELECT子句中如果出

原创 裂缝检测数据集爬取

”明月如霜，好风如水，清景无限 “最近，因为毕设的临近。更新的很少，不过文远下一篇资料上也差不多都找好了。前天，有位老哥因为毕设要做裂缝检测，但是没裂缝数据。所以叫文远爬一下。文远当然是选择安排了。壹百度搜图图片爬取这个我就不想多说了，毕竟网上一搜一大把，但是综合起来有个要点就是。用旧版本的百度爬取会方便一些，因为旧版百度有页码，可以翻页。但是新版百度是下拉，因此都是动态加载的。结果搜索的关键词是裂缝检测。结果后面有很多的垃圾图片（baidu fw）贰直接上网址，这个好像没有被墙：原

原创 vscode --Python的块注释快捷键

选中后 shift+Alt+A

原创 心跳信号分类 ---参数调整

又到了deadline ,文远又得冲起来了。本文的重点很明显，就是模型调参。模型调参：三个方法如下：贪心调参方法；网格调参方法；贝叶斯调参方法介绍说明三个方法，具体来说。最建议的是贝叶斯调参，相对来说，耗时短，而且效果不错。然后是，贪心相对来说容易局部最优，这也挺好解释的，毕竟贪心算法就是比较容易局部最优，而网格搜索可以看作是暴力搜索的一种（dfs,bfs），最后的贝叶斯搜索则是，有点启发式算法的意味。个人实践当然，这些都只是文档的信息，文远还是，不怎么原因信的。先说结果

原创 心跳信号分类---（中）

​ ”明月如霜，好风如水，清景无限 “又是deadline,果然是第一生产力啊。天池心跳分类壹这篇本来的Task是数据的EDA探索。也就是对数据的熟悉，可视化，分布等等的了解。数据科学库pandas，numpy，scipy;可视化库 matplotlib，seaborn，plotly，pychearts，Boken，cufflinks等等。（这个还是有必要多练练，对应官网的例子跑一跑）可以聊一下和pandas联系紧密的cufflinks。import pandas as pdimpor

原创 心跳信号分类---（上）

​ ”明月如霜，好风如水，清景无限 “为了能打上卡，文远硬冲了一手，没来得及认真看程序，不过也记录一下。来分析一下baseline。壹首先是读取数据就不说了，数据的特色就是输入为序列数据，所以最好还是做一下处理，用split(’,’)来分割一下。for i in range(1000): dd.iloc[i,:] = train.values[i][1].split(',')dd再看一下输出label。再看看这个标签为1（八成有问题）的心跳序列：看起来，波动的很剧烈啊，这个心

原创 一篇文章解决所有的jupyter不能用的问题，保证有效

问题背景文远有的python有多个anaconda的python环境，最近因为需要keras或者tensorflow的GPU版，又开了一个。可是又想在jupyter notebook里跑，所以又装了个jupyter.然后就出现了一系列的问题。反正就是两个都不能用了。具体问题大概参考了10篇以上的博客，虽然没有解决，但是最终还是让文远找到了最彻底的方法。先放两张图，问题如下：除此之外，要还有一个持续链接断开，io_loop的错误。然后就是这里：上图的python3圆圈是实心的黑色，或者出现了类

原创 echarts画图

”明月如霜，好风如水，清景无限 “想画出最炫酷的图，用matplotlib还是很难的，不是无法完成，而是过于繁琐。之前也尝试过plotly画图，也是属于交互性的图，即可以保存成本地的html。先看一下echarts模板吧。具体的网址：https://echarts.apache.org/examples/zh/index.html#chart-type-pie壹首先是，爬一点演示数据。其实看到这个实时票房，你应该知道是动态加载的。不过咱们还是试一试，主要是我文远好久没玩selenium了。

原创 对qq空间动手--selenium实践

”明月如霜，好风如水，清景无限 “终于还是忍不住对qq空间动手了啊，可惜技术不行，还没玩一天，就被qq空间电脑版给封ip了。最后连表白墙的空间都进不去了：壹下面就介绍几个selenium的问题。最直观的理解是：你的程序操纵着浏览器，自动化的进行你想进行的动作，可以是鼠标，键盘的事件。这样的好处就是网站分不清你是爬虫，因为本质上可以理解成一个按程序操作浏览器的人。首先是qq空间的登录，因为有自动登录，也不用输密码。我就直接登录了。（如果你想了了解账号密码登录，文远就不提供了（对，我是懒逼，而

原创 从贪心到低配版遗传算法

”明月如霜，好风如水，清景无限 “今天做了一个简单的leetcode题。看介绍是用贪心做。题目是：605. 种花问题假设有一个很长的花坛，一部分地块种植了花，另一部分却没有。可是，花不能种植在相邻的地块上，它们会争夺水源，两者都会死去。给你一个整数数组 flowerbed 表示花坛，由若干 0 和 1 组成，其中 0 表示没种植花，1 表示种植了花。另有一个数 n ，能否在不打破种植规则的情况下种入 n 朵花？能则返回 true ，不能则返回 false。示例 1：输入：flowerb

原创 不平衡样本的分类实践---Credit-Card-Fraud-Detection

”明月如霜，好风如水，清景无限 “突然找到了一个Credit-Card-Fraud-Detection的数据集，就顺便简单做了一下分类问题。数据集:链接：https://pan.baidu.com/s/12rjSBqUWvCkXhINbh06M8w 提取码：0ero 壹具体的代码如下，主要还是讨论不平衡样本分类时，需要进行的处理：先是直接原数据直接用：（原数据特征已经降维过了）import pandas as pdimport numpy as np#导入数据path=r'C:\Us

原创 自动控制原理---频域

”明月如霜，好风如水，清景无限 “还有9h就到明年了，先祝大家元旦快乐。文远也终于肝到频域了，没想到自控这么费事。公众号回复坐标纸，可以拿到频域专门画bode图的对数坐标纸，回复自控试卷貌似有18，19年的试卷和一些没用的ppt。还好之前就已经把频域校正写完了，不过看了看，发现总结篇文字过多，校正重点都在总结篇，可是重点不突出，不够形象生动。不多说，后面尽量改。频域我们最重要的掌握两个图，Nyquist & bode图。除此之外，因为方法变了，频域里的动态指标也变了，但我还是认为系统分析就是那三

原创 自动控制原理---复域

”明月如霜，好风如水，清景无限 “妈耶，公众号搬运，好浪费时间啊，，，好了，开始新的一章了，这章是复域，最主要的问题是画出根轨迹。那么我们需要理解一下什么是根轨迹。很好理解，根轨迹就是由根连成轨迹（由点成线），那么我们得弄清是什么方程的根？（特征方程的根/闭环传递函数的分母组成的方程，最准确的定义应该是：G(S)H(S)土1=0化简出的方程）这个轨迹是什么样的轨迹？（即绘制根轨迹的法则）这样我们就能比较轻松的画出根轨迹。如果我们再问一个问题，即我为啥要画根轨迹？那么你便是在接触根轨迹的分析或者校正了，当

原创 自动控制原理---时域

”明月如霜，好风如水，清景无限 “好了，开始新的专题了。带大家尽量的把自控这门课给串一遍。最开始要有一个自控的大的框架。咱们的自控还是以研究线性问题为主，在线性里研究有三种方法：时域，复域，频域。而每种方法都分为分析和校正，分析是为了研究系统的好坏，状态，确定指标。而校正则是让系统变好（让不稳定的系统稳定，让稳定系统的性能指标更好）好了，知道了这个大框架后，咋们先来讲讲时域，有些基本功需要提前说一下，方框图和信号流图的（想一下信号流图中的圈对应方框图的什么）转换和梅逊公式。然后是开环增益指的是开环

原创 C+常用数据结构

”明月如霜，好风如水，清景无限 “所有的容器归根到底都是内存空间的排列方式和在空间上施加各种各种不同的限制所得的。空间排列方式只有线性和链式两种方式，链式是通过记录每一个数据的地址来实现查找下一位数据的。而每一个容器所具有的特性就决定了它所适用的情况，总的来看容器常用的无非是增删改查操作，下面将从适用场景、常用操作来进行总结。文远就简单的实践一下，加深记忆。壹array (数组)#include<stdio.h>#include<iostream>#include&l

原创 Lambda详解-＞C+&py

”明月如霜，好风如水，清景无限 “来总结一下，lambda表达式。C++中的会看起来更详细。总的来说可以把lambda表达式理解为一种方便的自定义函数。壹lambda的语法格式：capture mutable ->return-type{statement}[capture]：捕捉列表。捕捉列表总是出现在Lambda函数的开始处。作为编辑器判断lambda表达式的特征，这部分必须存在，不能省略。1、空。没有使用任何函数对象参数，意思只是是只用{statement}：函数体的变量。2

原创 Mysql基础-（1）

”明月如霜，好风如水，清景无限 “参考的视频：MOSH 大叔关于数据库的安装部分，比较推荐5.7，具体可公众号回复：sql.Windows上msi文件安装会比较舒服。壹生成基础的表格（供往后练习）注意把生成数据库代码中的utf8mb4替换为utf8，utf8mb4_0990_ai_ci替换为utf8_general_ci也就是运行，SQL Course Materials/create-databases.sql文件。 贰 下面是一些基础语句的

原创 jupyter省缺补全

​ ”明月如霜，好风如水，清景无限 “上次看一个老哥，发了个jupyter notebook的省缺补全有问题，我直接一脸懵逼，原来juputer notebook也可以省缺补全，当时就感觉自己血亏。壹不多说，直接装：切换到你notebook对应的环境，dos下安装。（如果你有anaconda,可以用pip安装库（讲真pip才是真方便），但不要用pip升级anconda安装的库）pip install --user jupyter_contrib_nbextensions -i https://py

原创 爬取王者荣耀全部皮肤（好吧，只是图片）

”明月如霜，好风如水，清景无限 “话不说说，直接上。壹先进王者官网：https://pvp.qq.com/然后找到内容中心-》英雄资料：进入发现了，有全部的英雄信息：f12发现，这个很简单，每个li标签就代表一个英雄，那么点击进单独的英雄界面发现：很轻松地发现了，对应的SRC,也就是每个英雄对应皮肤的图片url。看起来，看起来相当简单啊？？？import requestsfrom lxml import etreeimport os import refrom bs4 i

原创 小伙子不讲武德,竟用Python爬取了B站上4w条马保国视频弹幕

​ ”明月如霜，好风如水，清景无限 “文远今天看到其他公众号的b站弹幕分析，激起了一些兴趣。总的是三步：找到b站马老师专栏里播放量靠前的视频爬取视频的弹幕将弹幕持久化存储后，制作词云壹首先，找到的b站专栏的网址：url='https://api.bilibili.com/x/web-interface/web/channel/multiple/list?channel_id=3503796&sort_type=hot&page_size=30'这个是b站专门留的接口，很方便

原创 爬取糗事百科上的照片

​ ”明月如霜，好风如水，清景无限 “爬取图片，是一项很常见的需求，后期文远会尝试一些反反爬策略爬取一些美妙的图片，尽请期待。壹直接分析，找到只有图片的网址：同样打开开发者模式，发现每一张图片对应一个class=“thumb”，如下图：从而找到了这样一个字段,<img src="//pic.qiushibaike.com/system/pictures/12379/123795110/medium/BWSV4O39WTP07EN5.jpg" alt="糗事#123795110" clas

原创 爬虫小例--爬药监局（上）

”明月如霜，好风如水，清景无限 “文远最近也算是爬虫入门吧，相信后面会慢慢熟悉。壹直接上例子，爬取药监局的数据。目的是得到每家公司的详情数据，例：具体网址：http://scxk.nmpa.gov.cn:81/xk/这是主页，下面详情信息：贰分析，通过网页检查发现，主网页上没有公司相关数据，观察XHR中的Ajax请求发现，公司信息都是动态数据（方便更新），点击发现每个公司的详情信息通过ID号这个参数区别，那么可以确定思路是先得到每个公司的ID号，然后在通过ID对应每一个详细网站，同样右键

原创 百度飞浆目标检测第一天

必须先挂出来地址：PaddleDetectionⅠ.课程介绍1、 ECCV2020目标检测双料冠军团队和PP-Yolo核心研发团队亲授2、深入剖析RCNN系列、YOLO系列、AnchorFree模型，带你扎实掌握目标检测3、深入剖析4大真实工业案例：路标检测、工业质检、电力巡检、商业超市密集商品检测4、手把手带打CVPR2020真实赛题Ⅱ.学习心得前言一开始本来准备好好学习一下，可中间夹着面试，只到课程第五天才开始。因为讨论群内热火朝天，一进nootbook实践，才发现这课可操作性这么强。所

原创 pybind11报错：Unknown CMake command “pybind11_add_module“.

首先，自己下一下cmake,configure最好是vs2015然后x64,然后报错：可以直接下载的是这个记住最重要的是放在：openpose\3rdparty\pybind11不是build里的

原创 关于留数法在自控和现控中的应用

本文主要解释第二点，即留数法计算分解因式对应的系数:

原创 线代139二次型，前方高能!超哥独门绝技奉送的部分证明--4

原创 线性代数特征向量与二次型的变换--3

具体理解如下

原创 AB=A+B证AB=BA，杨超线代冲刺41题结论--2

具体证明如下:

原创 det(A+αβT)杨超线代冲刺41题的结论--1

关于杨超线代冲刺41题结论det(A+αβT)具体证明过程如下:

原创 我与动态规划-1

算法类: 动态规划(DP) 回溯 矩阵快速幂 递归 深度广搜索（DFS BFS） 贪心 剪纸 分治 记忆化搜索题目: 完全背包 , 01背包, ……动态规划矩阵型序列型双序列型划分型区间型背包型状态压缩型树型动态规划题目特征结果种类数最值问题可行性问题动态规划规定步骤壹、找出状态1.首先是想出达到结果的上一步，这也就问题可分解成子问题。那么寻找题解的最后一步（即子问题），通过对比子问题与原问题，找到状态，并且根据状态变换的变量.

原创 配置因伟达:cuda10.0.130+cudnn-10.0-windows10-x64-v7.4.1.5+pytorch1.2.0(python3.6)+torchvision0.4.0+max150

1、配置cuda我的电脑是max150显卡，电脑对应的显卡驱动的是10.2，（貌似代表的是最高的显卡驱动），考虑到通用性，我还是选择安装10.0.但是安装的过程还是挺艰难的。具体问题：1.安装的时候电脑不能处于待更新，，而且卸载显卡驱动必须要干净。不行的话可以用DDU（Display Driver Uninstaller），自己搜一下。2.难受的是，我还遇到了安装失败，如下图：解决方法：选择自定义，奖所有VS开头的组件取消掉。果然就成功了：2.pytorch安装之后是选择一个pyth

原创 Hexo init 长时间停留，npm WARN registry Unexpected warning for https://registry.npmjs.org/:npm WARN deprec

跟着codesheep一步步安装，到了hexo init 的INFO Install dependencies卡住了好久，别慌，好像就是网的问题：如果你报的警告是这个问题不大：npm WARN registry Unexpected warning for https://registry.npmjs.org/: Miscellaneous Warning ETIMEDOUT: request to https://registry.npmjs.org/hexo-server failed, rea

原创 机器学习预测实践后的总结，以数据量较小为典型理解交叉验证

在进行回归预测时，交叉验证时必不可少的，本次实践之前，我对交叉验证是一个模糊的状态，那么就记录一下本次实验对交叉验证的理解。此为数据集较小时的交叉验证，standar_data为标准化后的特征，具体实现的话，可以看看这篇：https://blog.csdn.net/John_ashley/article/details/106913774y_data是真实值，也就是标签Ⅰ. b=[] x_data=standar_data # x_data=pre_data[:,1

原创 亲测有效，查找excal中符合信息的列，存在新的excel中

本来就是只想找一下，excel 处理的，，，，然而这个上面的都是，，，，貌似有两条思路，一种用传统的py对excel的库，另一种就是pd了，找不到就直接pd转成数组了，处理之后再save一下，save的过程可以模仿一下，总的来说就是只是在筛选符合要求的特定行，存为新的xlsx.但是在下面，我会扩展两个问题。#!/usr/bin/env python# -*- encoding: utf-8 -*-'''@File : excel_try2.py@Time : 2020/0

原创 如何同时plot两张图片，不是动态图（为了对比）

因为想要对比两张图的，所以需要同时绘出但matplotlib在遇到plt.show()函数在阻塞模式时会挂起，代码并不会继续运行，这就导致只能一张一张的显示，不方便对比。解决方法利用plot.ion()函数，调节到交互模式具体流程如下：plt.ion()#代开交互plt.figure(2, figsize=(32, 20))#画第一个图plt.plot(pre_data[:,13],pre_data[:,0],'r')plt.show()plt.figure(1, figsize=(32