前言在一次使用Python eval（）函数时，出现报错了，当时也不知道什么原因，后面经过查询解决了这个问题，也重新认识了eval（）函数。TypeError: eval() arg 1 must be a string, bytes or code objecteval函数的参数必须为字符串，否则将报错解决方法：1、 检查是否为字符串，可以检查类型2、是否有为空的行（我是这个原因）eval（）函

git fetch命令用于从远程获取代码库，从远端仓库提取数据并尝试合并到当前分支。

前言在Ubuntu系统下，想使用WPS的功能，觉得用起来更加方便，所以在此记录一下安装的步骤。记录两种安装方法。方法一：Ubuntu Software中搜索WPS如图所示，在Ubuntu Software中搜索WPS，可能需要稍等一会再会出现WPS的软件，也可能出现不了，这时可能需要重启一下电脑就好了。方法一可以在软件中心直接下载，但有时却无找到，这时只能采用方法二了。方法二：命令行下载下载WPS

前言隐马尔可夫模型(Hidden Markov Model，HMM)，是统计模型，它用来描述一个含有隐含未知参数的马尔可夫过程。其难点是从可观察的参数中确定该过程的隐含参数。然后利用这些参数来作进一步的分析，例如模式识别。（百度百科）马尔科夫假设：t 时刻的状态只与 t-1 时刻的状态有关马尔可夫链：是随机变量 X1, … , Xn 的一个数列马尔可夫过程：每个状态的转移只依赖于之前的 n 个状态

遇到问题1091)>运行Python模型时，下载网络上文件时，证书验证失败，这里采用最通用的解决方案。

遇到问题1091)>运行Python模型时，下载网络上文件时，证书验证失败，这里采用最通用的解决方案。

前言简单介绍一下自相关函数ACF和偏自相关函数 PACF的计算和图像显示，概念性的东西可以查阅其他资料了解。实例数值计算import statsmodels.tsa.api as smttime_series = [1,2,3,4,5,6,7,8]acf = smt.stattools.acf(time_series)pacf = smt.stattools.pacf(time_series,nl

前言3sigma：又称为拉依达准则数据需要服从正态分布。在3sigma原则下，异常值如超过3倍标准差，那么可以将其视为异常值。3σ原则为数值分布在（μ-σ,μ+σ)中的概率为0.6827数值分布在（μ-2σ,μ+2σ)中的概率为0.9545数值分布在（μ-3σ,μ+3σ)中的概率为0.9973取值几乎全部集中在（μ-3σ,μ+3σ)区间内，超出这个范围的可能性仅占不到0.3%.实例采用3sigma

前言从文件中获取数据，判断数据是否服从正态分布或者近似服从正态分布。正态分布：也称“常态分布”，又名高斯分布（Gaussian distribution）若随机变量X服从一个数学期望为μ、方差为σ2的正态分布，记为N(μ，σ2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。判断方法KS检验基于累计分布函数的，用于检

前言整理一下运维学习路径。developer-roadmap 是外国某大佬整理出来的学习步骤和导图。DevOps （运维）学习路线图