2018-11-29 17:03 LP小透明
因为Flask的前端有其优点，尤其是结合Flask_babel处理国际化支持i18N。就是在document里定义一个 app的元素，用于实例化VUE。不得不说，VUE的强大之处。第一次写VUE分页参考了 https://www.cnblogs.com/sebastian-tyd/p/7853109.html 的作品 <div id="app"> <div> <div class="page" v-show="show"> <div class="pagelist"> <span class="jump"...
Continue Reading »2018-11-21 22:08 LP小透明
服务器架构部署：nginx负责反向代理。并发更高，可以做负载均衡，可以做静态文件缓存，还可以限制 ip 访问的频率等等。nginx也能从一定程度防御DDOS攻击。 ngx_http_limit_req_module模块通过漏桶原理来限制单位时间内的请求数，一旦单位时间内请求数超过限制，就会返回503错误。配置需要在两个地方设置： nginx.conf的http段内定义触发条件，可以有多个条件 在location内定义达到触发条件时nginx所要执行的动作 例如： http { limit_req_zone...
Continue Reading »2018-11-20 09:21 LP小透明
在机器学习领域有最常见的三个指标：精度（Precision）、召回率（Recall）、F值（F-Measure）。 那么，这三个指标实际怎么用呢？ 假设我们有某指标（如CN）,计算出来的节点对相似性 > 0 >0 的边，用res表示。 而实际缺失的测试集的边用gr表示。 res和gr是是两个数组，类似于如下的格式。 res = [(1,3),(2,3)] gr = [(1,3),(1,2)] 好的，我们就举个例子。 那么，预测正确的是几个呢？ 显然是1个，[(1,3)]。 也就是： co = len(se...
Continue Reading »2018-10-10 23:25 LP小透明
数据的标准化（normalization）是将数据按比例缩放，使之落入一个小的特定区间。 在某些比较和评价的指标处理中经常会用到，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。 其中最典型的就是数据的归一化处理，即将数据统一映射到[0,1]区间上。 好处： 提升模型的收敛速度 提升模型的精度 Python版Sigmod函数： def sigmoid(x): ''' 归一化函数 ''' import numpy as np return 1.0 / (1.0...
Continue Reading »2018-11-19 21:29 LP小透明
''' 绘制动画 ''' import numpy as np import matplotlib.pyplot as plt from matplotlib import animation import networkx as nx import random fig, ax = plt.subplots() G = nx.Graph() G.add_edge(0,1) def init_network(): # nx.draw(G, node_size=10, node_color='c') re...
Continue Reading »
