在终端下使用vim进行编辑时，默认情况下，编辑的界面上是没有显示行号、语法高亮度显示、智能缩进等功能的。为了更好的在vim下进行工作，需要手动设置一个配置文件：.vimrc。在启动vim时，当前用户根目录下的.vimrc文件会被自动读取，该文件可以包含一些设置甚至脚本，所以，一般情况下把.vimrc文件创建在当前用户的根目录下比较方便，即创建的命令为：$vi~/.vimrc设置完后$:x或者$wq进行保存退出即可。下面给出一个例子，其中列出了经常用到的设置
系统 2019-08-12 01:33:23 2390
Jensen不等式Jensen不等式给出了积分的凸函数值必定大于凸函数(convex)的积分值的定理。在凸函数曲线上的任意两点间连接一条线段，那么线段会位于曲线之上，这就是将Jensen不等式应用到两个点的情况，如图(1)所示\((t\in[0,1])\)。我们从概率论的角度来描述Jensen不等式：假设\(f(x)\)为关于随机变量\(x\)的凸函数\(f'(x)\geq0\)，则有\(f\left(E(x)\right)\leqE\left(f(x)\
系统 2019-08-12 01:33:00 2390
普通情况下，XFS出现丢数据的情况为海量小文件IO场景。在该场景下，inode占用教大。通过上文的方式进行格式化，inode数量较小。通过大量測试，能够使用例如以下方法提升mkfs.ext4后文件系统性能。方法主要内容：在/etc/mke2fs.conf文件，ext4配置中去开启64位功能。[root@node21~]#cat/etc/mke2fs.conf[defaults]base_features=sparse_super,filetype,resi
系统 2019-08-12 01:32:32 2390
:[range]s/pattern/string/[c,e,g,i]rang---替换的范围pattern---被替换的源字符串，可以是正则表达式string---目标字符串c---每替换一次，要confirm一下e---不显示errorg---global，一行的所有匹配项i---ignore，忽略大小写g大概都是要加的，否則只會替換每一行的第一個符合字串。可以合起來用，如cgi，表示不分大小寫，整行替換，替換前要詢問是否替換。一般使用：%s/sourc
系统 2019-08-12 01:32:18 2390
接下来，直接给出大家响应的代码，并对每一行进行标注，希望能够帮到大家。需要用到的是库是。numpy、sklearn。#导入相应的库（对数据库进行切分需要用到的库是sklearn.model_selection中的train_test_split）importnumpyasnpfromsklearn.model_selectionimporttrain_test_split#首先，读取.CSV文件成矩阵的形式。my_matrix=np.loadtxt(ope
系统 2019-09-27 17:57:13 2389
字典的特点：以键值对的形式存在，无序排序；key必须唯一不重复，且不能使用可变对象声明一个字典d={}print(d)print(type(d))增：d[1]=‘a’d[2]=‘c’d[3]=‘b’print(d)d.update({4:‘z’})print(d)dict.setdefault(key,value)，如果该key不存在，则在字典中插入这个键值对，并返回value；如果该key已存在，则返回字典中key对应的value，原字典不做更新d.se
系统 2019-09-27 17:54:56 2389
假如我要执行code目录下的python程序，假设该目录下有1.py,2.py,3.py,4.py四个文件，但是我想执行1.py，2.py，4.py，则可在该目录下创建一个python文件，代码如下：importosos.system("python./1.py")os.system("python./2.py")os.system("python./4.py")若想指定输出到某个文件，这里我指定输出到log.txt,log.txt也在code目录下，与你
系统 2019-09-27 17:53:16 2389
例如：if__name__=='__main__':main()如果运行的是主函数的话，执行下一句main()如果作为模块被其他文件导入使用的话，我们就不执行后面的main()什么的。看个例子：#test.pydefmain():print('Hello,world!')main()这是一个打印Hello,world!的简单程序我们尝试从其他文件调用它：#test1.pyimporttesttest.main()运行test1.py，出现打印了两个Hell
系统 2019-09-27 17:51:50 2389
统计学习方法——朴素贝叶斯法原理1.贝叶斯估计1.1为什么要用贝叶斯估计（极大似然的缺点）1.2贝叶斯估计原理贝叶斯估计的算法过程合极大似然估计的算法过程一模一样，代码也几乎一模一样，只是加了一个λ。2.Python代码defpriorProbability(labelList,Lambda):#加入一个lambdalabelSet=set(labelList)labelCountDict={}forlabelinlabelList:iflabelnoti
系统 2019-09-27 17:50:17 2389
这样某一个特征只有0和1两种取值，数据集有三个类别。当取0的时候，假如类别A有20个这样的个体，类别B有60个这样的个体，类别C有20个这样的个体。所以，这个特征为0时，最有可能的是类别B，但是，还是有40个个体不在B类别中，所以，将这个特征为0分到类别B中的错误率是40%。然后，将所有的特征统计完，计算所有的特征错误率，再选择错误率最低的特征作为唯一的分类准则――这就是OneR。现在用代码来实现算法。#OneR算法实现importnumpyasnpfro
系统 2019-09-27 17:38:20 2389
