
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
@linux虚拟机无法正常上网前言刚建立好的linux虚拟机使用NAT方式可以连接外网,系统重启几次,系统无法上网,这是什么问题导致的呢?提示:以下是本篇文章正文内容,下面案例可供参考一、现象使用ifconfig命令查看系统ip相关参数,发现只有网卡lo,外网网卡找不到了。使用ifconfig -a 命令查看网卡相关信息,会看到ens33网卡的相关信息:使用命令sudo ifconfig ens3

机器学习-准确率、灵敏度、特异度、PPV、NPV、F1计算方法计算方法计算方法

@linux虚拟机无法正常上网前言刚建立好的linux虚拟机使用NAT方式可以连接外网,系统重启几次,系统无法上网,这是什么问题导致的呢?提示:以下是本篇文章正文内容,下面案例可供参考一、现象使用ifconfig命令查看系统ip相关参数,发现只有网卡lo,外网网卡找不到了。使用ifconfig -a 命令查看网卡相关信息,会看到ens33网卡的相关信息:使用命令sudo ifconfig ens3

pandas获取表格行名、列名和数据一、读取excel表格二、读取行名三、读取列名四、只读取数据一、读取excel表格表格内数据如下:data = pd.read_excel('数据.xlsx')print(data)输出结果如下:二、读取行名获取行名:名字、年龄、身高、体重columns = data.columnsprint(columns)输出结果如下:三、读取列名获取列名:0,1,2ind
CNN - nn.Conv1d使用一、Conv1d 参数设定二、Conv1d 输入输出以及卷积核维度三、Conv1d 计算过程1.测试一:in_channels=1, out_channels=12. 测试二:in_channels=1, out_channels=23. 测试三:in_channels=8, out_channels=13. 测试三:in_channels=8, out_chan

时间序列分析之ADF检验一、ADF检验二、单位根三、ADF检验的原理四、ADF检验的python实现1.引入库2.函数说明五、时间序列分析1.使用IH2112股指期货数据为例2.使用IH2112股指期货数据为例3. 将数据进行一阶差分滞后一、ADF检验在使用很多时间序列模型的时候,如 ARMA、ARIMA,都会要求时间序列是平稳的,所以一般在研究一段时间序列的时候,第一步都需要进行平稳性检验,除了

NLP-统计分词 隐马尔可夫模型介绍一、隐马尔可夫模型二、隐马尔可夫模型定义三、举例1.初始条件2.规则3.观测4.HMM模型5.观测序列的生成四、HMM模型的三个基本问题1.评估观察序列概率2.模型参数学习问题3.预测问题,也称为解码问题(分词关系的问题)一、隐马尔可夫模型隐马尔科夫模型(Hidden Markov Model,以下简称HMM)是比较经典的机器学习模型了,它在语言识别,自然语言处

机器学习-准确率、灵敏度、特异度、PPV、NPV、F1计算方法计算方法计算方法

执行结果ng)

时间序列分析之ADF检验一、ADF检验二、单位根三、ADF检验的原理四、ADF检验的python实现1.引入库2.函数说明五、时间序列分析1.使用IH2112股指期货数据为例2.使用IH2112股指期货数据为例3. 将数据进行一阶差分滞后一、ADF检验在使用很多时间序列模型的时候,如 ARMA、ARIMA,都会要求时间序列是平稳的,所以一般在研究一段时间序列的时候,第一步都需要进行平稳性检验,除了
