Ongeno's Blog

进入MySql 1mysql -u root -p 数据库database创建数据库 1create database test; 查看所有的数据库 1show databases; 删除数据库 1drop database test; 使用数据库，然后进去对数据库中的表进行操作 12use test;------Database changed 表table创建表 12create table 表名(列名1 数据类型， 列名2 数据类型， ......)create table tb1 (name varchar(10), age int, sex varchar(10)); 查看表的结构 12345678910desc tb1;--------------------------返回------------------------+-------+-------------+------+-----+---------+-------+| Field | Type | Null | Key | Default | Extra |+-------+- ...

安装1sudo apt update 1sudo apt install mysql-server 1sudo apt install mysql-client 12345这里如果刚开始执行这个命令的话，不能打开mysql -u root -p正确的是：sudo mysql -u root之后进行更改密码 更改密码12345ALTER USER 'root'@'localhost' IDENTIFIED WITH mysql_native_password BY 'new passwd';sudo service mysql stopsudo service mysql start 之后就可以 1mysql -u root -p 配置文件位置 12/etc/mysql/mysql.conf.d/mysqld.cnf就改了一个bind-address = 0.0.0.0 1GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFI ...

[TOC] 深度强化学习 加深对Sarsa和QLearning的理解，并进行实现 Sarsa和QLearning的区别：Sarsa在更新的时候，一直使用的一定是下次自己执行的行为策略。但是QLearning在更新表的时候一直用的是不一定是下次用的策略，下次采用的一定是表现最好的策略。on-policy 一般使用一个策略进行加值迭代 eposilon-greedy； off-policy 一般有两个策略，使用eposilon-greedy选择动作，使用贪婪更新价值函数。他们在实现的过程中，表现为更新公式不同： Sarsa： $ Q(S_t, A_t) = Q(S_t, A_t) + \alpha [reward + \gamma Q(S_{t+1}, A_{t+1}) - Q(S_t, A_t)] $ QLearning $ Q(S_t, A_t) = Q(S_t, A_t) + \alpha [reward + \gamma *maxQ(S_{t+1}, a) - Q(S_t, A_t)] $ DQN 深度Q 网络，理解了DQN当中的经验池、经验回放、还有固定 ...

这周主要做了两件事情 复杂网络 分别学习深度学习、强化学习 关于研究方向的一些 复杂网络通过看巴拉巴西网络科学这本书，沿着过去的复杂网络研究思路，寻找复杂网络每一次研究突破的动力所在，我主要关注的点在于： 基于前人的模型提出什么样的问题 通过什么样的方法解决当时模型所遇到的问题，基于此提出什么新的模型 随机网络高度聚团与小世界 人们观察到，在真实的网络上会出现平均路径比较小的这种情况 解决：提出了小世界模型。 枢纽节点与幂律 在真实网络中发现了一小部分的枢纽节点，同时发现节点的度分布是满足幂律分布，这是通过之前的随机理论解释不了的， 发现问题：我们忽视了随机网络中两个假设： 网络节点的数目确定 所有的节点都是相同的 解决方法：基于对于以上两个假设的理解：加入生长与偏好链接的机制，这里的生长是网络节点与链接都生长，而偏好连接，则是将节点看作是不同的个体，获得连接的能力不同。 建立的BA无标度网络 产生的影响：早加入的节点因，在获取连接的能力会比新节点有明显的优势，老节点会成为枢纽节点，而新加入的节点不可能成为枢纽节点 退化 问题： BA无标度网络中，网络节 ...

Nodexl是应用于Excel的社会网络图形制作与分析工具。 目前官网的Nodexl分为Basic和Pro版本。Basic版本的功能只能画最基本的有向与无向图，可以进行简单的网络分析。Pro版本有完整的功能，但是即便是学生价也要$39（252rmb）一年，所以还是挺贵的。所以，我找到很久以前的一个版本。 百度网盘下载 提取码：9b1z 下面是一些基本使用。

这一周主要做了 Java 基础学习 看了一篇硕士大论文 机器学习大作业的优化 Java 基础的学习主要是跟着菜鸟教程的Java 将高级教程之前的一些简单知识进行了学习，对于Java的基本语法，基本运算，程序结构都已基本入门，但还需进行大量练习；对于文件操作以及面向对象都有了初步了解，对于面向对象的封装继承多态都有了进一步的认识。并且也根据其中所带的一些实例，进行了实践性的操作。当然也有很多东西没有细学，比如正则，日期时间这些，原因如下：1.我觉得正则这个东西比较通用，又比较容易忘，所以暂时没有看；2.时间这个方面，就目前需求来看自己还用不到，所以就没有看。 一篇硕士大论文这篇硕士大论文比较早，是属于对于复杂网络演化一篇论文，但是对于目前的复杂网络的研究现状，一些主流的模型的优缺点进行了罗列，以及对于复杂网络研究的一些难点与重点进行了阐述，算是我入门复杂网络演化的第一篇文章。其中对于随机ER网络模型、HK网络模型、HK可调簇系数模型等做了详尽的介绍。从网络的度分布、集团度分布、簇系数以及平均路径长度的特性，对于现实网络进行阐述，比如现实网络所具有的度幂律分布的特性幂指数在2-3之 ...

复杂网络研究关心的问题 如何构建一个复杂网络。反问题 如何刻画一个复杂网络，如何描述一个复杂网络的结构及其性质.例如我们统计网络的度的分布 关注网络是如何发展为当前这种结构的，也就是网络是如何演化的 网络演化到特定结构的后果。比如，这种结构是否具有鲁棒性， 网络上动力学行为如何刻画等。正问题：在已知网络结构的情况下，去分析网络的性质 复杂网络分析的统计量概念讲解 度 、平均度、 度分布、路径、介数、集聚系数、邻接矩阵、距离与网络直径 介数：针对节点的统计量，是指通过节点的最短路径的条数 距离与网络直径：两个节点之间最短路径称为距离。一个网络中的最大距离称为网络的直径。 集聚系数：是衡量网络是否紧密聚集，即网络内部是否有很多成团现象的指标。一个节点的聚集系数是这个节点的所有的邻居节点中，实际相连的节点对占全部可能相连的节点对的比值。网络的集聚系数是每个节点系数的平均值。 随机图：ER Model随机图模型是一个基本的网络模型，属于baseline，经常与其他的图结构进行性质上的比较。特点很多，比如：节点多，当节点的平均度很小的时候度分布符合泊松分布。 随机网络有两种机制模型，他们 ...

知乎原帖复现 这里产生的幂律分布方法是： 12345x_min = 1alpha = 3.5# 产生一组均匀分布的随机数rnd_list = np.random.uniform(0, 1, 10**5)x_list = x_min * np.power(1 - rnd_list, -1 / (alpha - 1)) 原始数据直方图 log-log图 log-log图 经过线性回归的log-log图 $$ \alpha = 2.59 \tag{1} $$ 经过指数/对数分箱之后，进行了参数估计这里在分箱之前没有处理，所以最后得到的alpha = -w + 1的 从原贴看出，作者在最后进行参数估计的时候，将分箱的数量大大减少。 $$ \alpha = 3.50 \tag{2} $$ 转化到0-1 思路由原帖，推知的幂律分布公式：$ x = x_{min}(1-r)^{-1\over -(\alpha-1)} $，因为要得到$ x \in (0, 1)$, 所以就是要求函数r的定义域，但是发现比较难求，转换为求原始函数 ...

在re包中match方法里面对字符串匹配之前的 r‘ab*’ r是什么意思： r是表示原字符串的意思，比如出现r‘\n’直接匹配\n而不是匹配回车，如果不加r的话：‘\\n’ \w—-匹配字母数字下划线——相当于[a-zA-Z0-9_] |—–指明两项之间的一个选择。要匹配 |，请使用 | * —-匹配前面的子表达式，零次或者多次例，zo*–z， zo， zoo， zoo~ + —-匹配前面的子表达式，一次或者是多次，zo+ – zo， zoo，zooo~ ？—-匹配零次或者是一次， do(es)?–do, does {n}—-匹配确定的n次 {n, }—-至少匹配n次 {n, m}—-最少匹配n次最多匹配m次 ^ —- 匹配输入字符串的开始位置，除非在方括号表达式中使用，当该符号在方括号表达式中使用时，表示不接受该方括号表达式中的字符集合。要匹配 ^ 字符本身，请使用 ^ 补习正则表达式1有坑待填。 字符串操作：strings.enswith(‘.py’)—–判断字符串strings是不是以.py结尾的 类当中的对象属性：__init__()当中的对象属性是对类中所有的 ...

看某一个端口的使用情况 netstat -anp | grep 8000 进程数比cpu数要多的话，上下文切换比较频繁 GIL锁，全局解释器锁，同个进程的多个线程，不能运行在不同的核上， 但是java和c++可以，python很少使用多线程 go可以多线程 非阻塞是select.setblocking() 多端口复用是select.setsockopt? 非阻塞编程的理解 当服务器端没有设置非阻塞时， 有可能出现：当一个客户端连接了服务器，但是没有对服务器发出任何的请求。此时，如果另一个客户端，来对服务器进行请求的话，则无法对该客户端进行响应。 就需要设置非阻塞是select.setblocking(False) 非阻塞编程比较简单，缺点就是当所有的浏览器的时候，也会用cpu epoll原理就是：一旦有请求了，内核就会告诉我们 epoll主要监控长连接 python常用多进程多协程 动态网页：是从数据库加载内容，显示在自己页面上的 请求头就是一个个的键值对，可以变为字典对象 把字符串变成字典—-> eval（f.read()） http协议的header和body区分 ...