Hexo渲染LaTex数学公式的方法

背景故事

我使用的Hexo在GitHub Pages搭建的blog中，使用主题为Yilia，其自带的是Mathjax，页面无法正常渲染出数学公式

解决方法

首先下载pandoc

1
brew install Pandoc

接着安装 hexo-renderer-pandoc

1
2
3
npm uninstall hexo-renderer-marked --save
npm install hexo-renderer-pandoc --save

安装完成后，重新生成文件

1
2
3
hexo generate
hexo clean
hexo deploy

此时公式显示正常

more >>

展开全文 >>

「西瓜书学习」Ch02.模型评估与选择

1. 经验误差与过拟合

1.1 误差(Error)

学习器的实际预测输出与样本的真实输出之间的差异

  • 训练误差(Training Error) / 经验误差(Empirical Error)：学习器在训练集上的误差
  • 泛化误差(Generalization Error)：在新样本上的误差

1.2 过拟合(Overfitting)

可能将训练样本自身的一些特点当做了所有潜在样本都会具有的一般性质，导致泛化性能下降

无法避免，只能缓解，或者减小其风险

1.3 欠拟合(Underfitting)

指对训练样本的一般性质尚未学好

  • 决策树学习中扩展分支
  • 神经网络学习中增加训练轮数
more >>

展开全文 >>

「一周算法实践」Task3 模型调优

背景介绍

由Datawhale组织的「一周算法实践」活动，通过短期实践一个比较完整的数据挖掘项目，迅速了解相关实际过程

GitHub - Datawhale Datamining Practice - awyd234

任务描述

【任务3 - 模型调优】使用网格搜索法对7个模型进行调优（调参时采用五折交叉验证的方式），并进行模型评估，记得展示代码的运行结果~

代码实现

此处需要用到sklearn中的GridSearchCV

1
from sklearn.model_selection import GridSearchCV

修改fit_and_evaluate_model函数，将model修改为带入参数的GridSearchCV

more >>

展开全文 >>

「一周算法实践」Task2 模型评估

背景介绍

由Datawhale组织的「一周算法实践」活动，通过短期实践一个比较完整的数据挖掘项目，迅速了解相关实际过程

GitHub - Datawhale Datamining Practice - awyd234

任务描述

【任务2 - 模型评估】记录7个模型（在Task1的基础上）关于accuracy、precision，recall和F1-score、auc值的评分表格，并画出Roc曲线。

评价指标

对二分类问题常用的评估指标是精度(precision)、召回率(recall)、F1值(F1-score)，通常以关注的类为正类，其他类为负类

实践过程

画ROC曲线需要用到matplotlib

more >>

展开全文 >>

LeetCode 207. Course Schedule

LeetCode - 207.Course Schedule

link: https://leetcode.com/problems/course-schedule/

题目

There are a total of n courses you have to take, labeled from 0 to n-1.

Some courses may have prerequisites, for example to take course 0 you have to first take course 1, which is expressed as a pair: [0,1]

Given the total number of courses and a list of prerequisite pairs, is it possible for you to finish all courses?

Example 1:

1
2
3
4
Input: 2, [[1,0]] 
Output: true
Explanation: There are a total of 2 courses to take. 
             To take course 1 you should have finished course 0. So it is possible.

Example 2:

1
2
3
4
5
6
Input: 2, [[1,0],[0,1]]
Output: false
Explanation: There are a total of 2 courses to take. 
             To take course 1 you should have finished course 0, and to take course 0 you should
             also have finished course 1. So it is impossible.

more >>

展开全文 >>

「一周算法实践」Task1.2 模型构建之集成模型

背景介绍

由Datawhale组织的「一周算法实践」活动，通过短期实践一个比较完整的数据挖掘项目，迅速了解相关实际过程

GitHub - Datawhale Datamining Practice - awyd234

任务描述

【任务1.2 - 模型构建】构建随机森林、GBDT、XGBoost和LightGBM这4个模型，评分方式任意。

1. 随机森林

1
2
3
4
5
6
7
from sklearn.ensemble import RandomForestClassifier

random_forest_clf = RandomForestClassifier(random_state=2018)
random_forest_clf.fit(x_train, y_train)
print('RandomForest fit finished, score: {}'.format(random_forest_clf.score(x_test,y_test)))
predictions = random_forest_clf.predict_proba(x_test)
print('RandomForest fit finished, auc: {}'.format(cal_auc(y_test, predictions)))

Output

1
2
RandomForest fit finished, score: 0.7694463910301331
RandomForest fit finished, auc: 0.7202878365831012
more >>

展开全文 >>

「一周算法实践」Task1.1 模型构建

背景介绍

由Datawhale组织的「一周算法实践」活动，通过短期实践一个比较完整的数据挖掘项目，迅速了解相关实际过程

GitHub - Datawhale Datamining Practice - awyd234

任务描述

【任务1.1 - 模型构建】给定数据集，数据三七分，随机种子2018。（在任务1中什么都不用考虑，即不需数据处理和模型调参）调用sklearn的包，简单构建逻辑回归、SVM和决策树3个模型，评分方式任意（e.g. 准确度和auc值）。

1. 环境搭建

1.1 Virtualenv安装Python3.6虚拟环境

1
virtualenv --python=python3.6 --prompt='(datawhale_dm_practice)' .env

1.2 安装sklearn

more >>

展开全文 >>

LeetCode 33.Search in Rotated Sorted

LeetCode - 33. Search in Rotated Sorted Array

link: https://leetcode.com/problems/search-in-rotated-sorted-array/

题目

Suppose an array sorted in ascending order is rotated at some pivot unknown to you beforehand.

(i.e., [0,1,2,4,5,6,7] might become [4,5,6,7,0,1,2]).

You are given a target value to search. If found in the array return its index, otherwise return -1.

You may assume no duplicate exists in the array.

Your algorithm's runtime complexity must be in the order of O(log n).

Example 1:

1
2
3
Input: nums = [4,5,6,7,0,1,2], target = 0
Output: 4
Example 2:
more >>

展开全文 >>

真二叉重构（Proper Rebuild）

真二叉树重构(Proper Rebuild)

Description

In general, given the preorder traversal sequence and postorder traversal sequence of a binary tree, we cannot determine the binary tree.

Figure 1

In Figure 1 for example, although they are two different binary tree, their preorder traversal sequence and postorder traversal sequence are both of the same.

But for one proper binary tree, in which each internal node has two sons, we can uniquely determine it through its given preorder traversal sequence and postorder traversal sequence.

Label n nodes in one binary tree using the integers in [1, n], we would like to output the inorder traversal sequence of a binary tree through its preorder and postorder traversal sequence.

Input

The 1st line is an integer n, i.e., the number of nodes in one given binary tree,

more >>

展开全文 >>

MySQL一些基础知识及存储引擎比较

1. 一些基础知识

1.1 索引类型

由存储引擎层实现

索引的优点：

  • 大大减少了服务器需要扫描的数据量
  • 可以帮助服务器避免排序和临时表
  • 可以将随机I/O变成顺序I/O

1.1.1 B-Tree索引

一般没有特定指明类型时，多半是B-Tree索引；除了Archive引擎，大多数引擎都支持B-Tree

NDB集群存储引擎内部实际使用T-Tree结构存储，InnoDB则使用B+Tree

MyISAM使用前缀压缩技术使索引更小，InnoDB则按原数据格式进行存储

B-Tree对索引列是顺序组织存储的，所以很适合查找范围数据，适合于全键值、键值范围或键前缀查找，其中键前缀查找只适用于根据最左前缀的查找

more >>

展开全文 >>

tag:

    缺失模块。
    1、请确保node版本大于6.2
    2、在博客根目录（注意不是yilia根目录）执行以下命令：
    npm i hexo-generator-json-content --save

    3、在根目录_config.yml里添加配置： 

      jsonContent:
    meta: false
    pages: false
    posts:
      title: true
      date: true
      path: true
      text: false
      raw: false
      content: false
      slug: false
      updated: false
      comments: false
      link: false
      permalink: false
      excerpt: false
      categories: false
      tags: true

Python后端开发，业余前端，自学CV中