Linux下安装ELK(Elasticsearch、Kibana、logstash)
1. 下载elasticsearch（6.8.7版本）
elastic下载地址：elasticsearch6.8.7
2.下载kibana（6.8.7版本）
kibana下载地址：kibana6.8.7
3.下载logstash（6.8.7版本）
logstash下载地址：logstash6.8.7
将下载好的文件传输到linux中
在安装ES之前需要先安装Java配置环境。这个百度一下吧，我机器上都有装了，就不示范了。
es不能在root用户上运行，需要在普通用户运行，但我已经有用户了就不重新新建了。
2022-11-04 07:22:32
1.21MB
1
前言：
这次比上次新添了公司信息内容跟一个股票基本面指标选项卡，股票基本面指标选项卡用的是matplotlib写的，采用plt.subplot2grid()子图写的，没写主图，在此期间遇到了无法标题中文话，一写就乱码，用过网上很多解决方法，目前也是无解，先记录，后面有时间再解决，如果你有解决方法请务必赐教，实在这个问题卡了我一天多了，如果单单是只用matplotlib输出图形，乱码问题网上的很多方法也是能够解决，我也不清楚究竟是我写的代码哪里跟中文显示冲突了，一时间代码也开始有点乱了，后面估计会越写越乱，等再写一两个功能抽个时间简洁下代码。更新的代码如下：
import pandas as
2022-11-03 18:00:58
350KB
1
效果
js
let app = getApp();
Page({
data: {
img: /images/1.jpg
},
onLoad() {
},
showShareMenu() {
wx.showShareMenu();
console.log(显示了当前页面的转发按钮);
},
hideShareMenu() {
wx.hideShareMenu();
console.log(隐藏了当前页面的转发按钮);
},
onShareAppMessage: (res) => {
if (res.from === 'button')
2022-11-01 16:49:31
77KB
1
虚拟机下安装各类镜像，桌面版服务器版都装了很多次了，已经很熟了。本来没再想出个记录，但是这两天导师非得让我把gem5+Qt的环境，从服务器搬到本地机器的虚拟机上，所以就顺便把整个环境全部从头记录下来。
一、准备工作：
安装好VMware12（其他版本也行）、Ubuntu14.04 LTS amd 64.iso（其他Ubuntu版本其实安装过程相差无几）
二、新建虚拟机
1.最好是以“管理员身份运行” VMware12；
2.新建虚拟机；
3.默认典型（推荐）
4.安装客户机操作系统，选择“稍后安装操作系统”。
5.选择客户机操作系统，选择“Linux”，版本是“Ubuntu64位”，如果
2022-10-31 21:04:49
615KB
1
Windows下配置IDEA的Spark的开发环境
下载Spark-hadoop的文件包，spark-2.4.5-bin-hadoop2.7，官网进行下载http://spark.apache.org/downloads.html
IDEA下载Scala语言的开发插件，进行安装重启；
下载scala的包并进行安装，https://www.scala-lang.org/download/all.html，这个网页可以下载所有scala版本
idea创建普通的scala项目（个人使用的是JAVA的maven项目，然后创建子项目为scala项目），创建完子模块项目之后，将spark-2.4.5-bi
2022-10-28 01:16:47
49KB
1
本文使用的数据类型是数值型，每一个样本6个特征表示，所用的数据如图所示：
图中A,B,C,D,E,F列表示六个特征，G表示样本标签。每一行数据即为一个样本的六个特征和标签。
实现Bagging算法的代码如下：
from sklearn.ensemble import BaggingClassifier
from sklearn.tree import DecisionTreeClassifier
from sklearn.preprocessing import StandardScaler
import csv
from sklearn.cross_validation import t
2022-10-25 11:25:29
98KB
1
armijo
matlab代码
Steepest-descent-algorithm-Matlab-
用MATLAB实现最速下降法(使用梯度作为下降方向的无限制最优化方法)。使用Armijo准则找步长。
using
MATLAB
to
do
steepest
descent
algorithm（unconstrained
optimization
method
that
uses
gratitude
vector
as
descent
direction）,
and
find
steps
by
Armijo
principle.
English
version
is
placed
behind
the
Chinese
one.
一.
背景简述
1.最速下降法的常用的迭代格式为
min
f(x)
xk+1
=
xk
+
αkdk,
k
=0,1,...
x0为初始向量，dk为f(x)在xk处的下降方向，αk
>
0为步长。
在最速下降法中，dk取负梯度方向-gk。步长采用Armijo准则进行非精确一维搜索。
2.Armijo准则:
设f(x)连续可微，dk是f(x)在xk处的下降方向
2022-10-24 08:56:56
1.61MB
1