综述最近发现github上项目.git文件已经达到了2个G，整理了减小.git文件的方法。.git文件是什么一个管理git仓库的文件夹，这里包含所有git操作所需要的东西方法简单有效，减小体积运行 gc ，生成 pack 文件（后面的 --prune=now 表示对之前的所有提交做修剪，有的时候仅仅 gc 一下.git 文件就会小很多）git gc --prune=now克隆时只...

前言：[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QIZ02T7r-1600347957753)(figures/拟合算法/image-20200822232315265.png)]拟合和插值的区别插值要经过所有点拟合不需要，只要这个曲线接近过所有点即可，只要保证误差足够小就可以。最小二乘（老生常谈了argargarg的意思是使我们函数最小的参数如何评价拟合的好坏

我的总结：蒙特卡罗模型如果换一个名字就是计算机仿真，（计算机仿真现在的概念要大一点，可以理解为做大型工程的，两者不太一样，但在建模中类似）。个人感觉也可以说蒙特卡洛模型是模拟退火、蚁群等算法的原型。个人感觉这个经常放在论文的模型验证部分。前言：蒙特卡洛模拟实际上就是计算机仿真，它可以解决超级多的建模问题。公众号：数学建模学习交流。引例：布峰投针实验蒙特卡洛概述：蒙特卡洛是一个思想，而不是算法建模里

TOPSIS层次分析法的局限：决策层不能太多如果又数据已知，不能利用这些数据问题的提出：为什么要这样算：为什么制表 要 max min极大型（效益型）指标和极小型（成本型）指标：统一指标类型指标正向化（最常用）（PS：当然可以反过来标准化（消去量纲）：如何计算：看似麻烦，其实很简单。就是每取出每一列的最大值和最小值形成单独的向量Z+Z^+Z+ 和Z−Z^-Z−然后每一行去用欧式距离算量Di+D_i

概述进行系统分析和综合评价。根据图形相似程度进行分析。（灰色系统是国内的人提出的，回归分析是国外人推荐的。）步骤步骤一：画统计图、进行一些简单的分析用回归分析的多重共线性问题？步骤二：确定分析序列步骤三：对数据进行预处理（去量纲、简化计算）步骤四：计算子序列和母序列的关联系数注意分辨系数ρ\rhoρ步骤五：计算灰色关联度步骤六：看谁关联度最大讨论：灰色关联分析用于综合评价AHP用于没有数据TOPS

前言随着项目需求的增加：Django的迁移文件越来越大，并且遇到models文件中如果使用了自定义存储字段。不再使用后删除会报错的情况。重置迁移文件后解决了上述问题。情景一：不需要原有的数据库数据首先删除数据库中的相关APP下的数据表然后删除APP下的migration模块中的所有 文件，除了init.py 文件执行下面的命令python manage.py makemigrationspytho