比较R在心脏病数据集上使用机器学习算法的效果 数据集数据集直接从kaggle上下载，地址： 点击访问代码data=read.csv("D:\\code\\R\\heart.csv",header = T) sub=sample(1:nrow(data),round(nrow(data)*0.7)) train_data=data[sub,]#取0.7的数据做训练集 test_data=data[-sub,]#取0.3的数据做测试集 zql = rep(0,5)#准确率 czl = rep(0,5)#查准率 cql = rep(0,5)#查全率 #svm library(e1071) library(ggplot2) pre_model=svm(target ~. , data=train_data, type = 'C',kernel = 'radial') pre_data=predict(pre_model,test_data[,-14]) output=table(test_data[,14],pre_data,dnn=c("真实值","预测值")) zql[1]=(output[2,2]+output[1,1])/(output[1,1]+output[1,2]+output[2,1]+output[2,2]) czl[1]=output[2,2]/(output[1,2]+output[2,2]) cql[1]=output[2,1]/(output[2,1]+output[2,2]) #决策树 library(rpart.plot) pre_model=rpart(target~.,data = train_data,method = 'class',parms = list(split = 'information')) rpart.plot(pre_model) plotcp(pre_model)#画出决策树的图 pre_model=prune(pre_model,cp=0.018)#剪枝 pre_data=predict(pre_model,test_data[,-14],type="class") output=table(test_data[,14],pre_data,dnn=c("真实值","预测值")) zql[2]=(output[2,2]+output[1,1])/(output[1,1]+output[1,2]+output[2,1]+output[2,2]) czl[2]=output[2,2]/(output[1,2]+output[2,2]) cql[2]=output[2,1]/(output[2,1]+output[2,2]) #逻辑回归 pre_model=glm(target~.,data=train_data,family = "binomial") pre_data=predict(pre_model,test_data,type = "response") output=table(test_data[,14],pre_data,dnn=c("真实值","预测值")) pre_data_=predict.glm(pre_model,type="response",test_data) pre_data=ifelse(pre_data>0.5,1,0) output=table(test_data[,14],pre_data,dnn=c("真实值","预测值")) zql[3]=(output[2,2]+output[1,1])/(output[1,1]+output[1,2]+output[2,1]+output[2,2]) czl[3]=output[2,2]/(output[1,2]+output[2,2]) cql[3]=output[2,1]/(output[2,1]+output[2,2]) #随机森林 library(randomForest) n=14#属性个数 #挑选效果最好的mtry，取rate最小的 for(i in 1:(n-1)){ set.seed(1234) rf_train=randomForest(as.factor(train_data$target)~.,data=train_data,mtry=i) rate=mean(rf_train$err.rate) print(rate) } set.seed(100) ntree_fit<-randomForest(as.factor(train_data$target)~.,data=train_data,mtry=1,ntree=1000) plot(ntree_fit)#挑选效果最好的ntree set.seed(100) pre_model=randomForest(as.factor(train_data$target)~.,data=train_data,mtry=2,ntree=600,importance=TRUE,proximity=TRUE) pre_data=predict(pre_model,test_data) output=table(test_data[,14],pre_data,dnn=c("真实值","预测值")) zql[4]=(output[2,2]+output[1,1])/(output[1,1]+output[1,2]+output[2,1]+output[2,2]) czl[4]=output[2,2]/(output[1,2]+output[2,2]) cql[4]=output[2,1]/(output[2,1]+output[2,2]) #朴素贝叶斯 library(klaR) pre_model=NaiveBayes(as.factor(train_data$target)~.,train_data) plot(pre_model) pre_data=predict(pre_model,test_data) output=table(test_data[,14],pre_data$class,dnn=c("真实值","预测值")) zql[5]=(output[2,2]+output[1,1])/(output[1,1]+output[1,2]+output[2,1]+output[2,2]) czl[5]=output[2,2]/(output[1,2]+output[2,2]) cql[5]=output[2,1]/(output[2,1]+output[2,2]) print(zql) print(czl) print(cql) #画折线图 plot(cql,type = "o",col = "red", xlab = "次数", ylab = "查全率") dev.new() plot(czl,type = "o",col = "#4c00ff", xlab = "次数", ylab = "查准率") dev.new() plot(zql,type = "o",col = "#00ff99", xlab = "次数", ylab = "准确率")结果

typecho批量修改图片链接 起因本来图片一直存在github并用cdn.jsdelivr.net作加速，但cdn.jsdelivr.net最近国内无法访问了，于是需要批量修改图片的链接。jsdelivr的备用站https://fastly.jsdelivr.net/ 由fastly提供https://gcore.jsdelivr.net/ 由G-Core Labs提供https://testingcf.jsdelivr.net/ 由CloudFlare提供任选一个就行了，速度自测批量修改我这里使用的是宝塔的phpmyadmin工具修改 首先进入你的typecho数据库，在数据库中分别选中typecho_contents和typecho_fields那个表，里面是你的文章和略缩图。然后点击 搜索——查找和替换，输入之前的图片或者文件地址和之后的地址，文章表字段选择text，略缩图表字段选str_value，确认后执行后再点击替换即可批量修改。比如我的：

青龙面板挂饿了么、美团脚本薅优惠劵、吃货豆、米粒 嫌麻烦的我可以代挂，只需要你自己获取cookie就行了，只看下面的获取cookie部分，我的 代挂网站安装青龙还没安装的可以看完另一篇教程， 点击前往拉取脚本饿了么脚本我用萝卜大佬的ql raw https://gitee.com/xiecoll/radish-script/blob/master/ELM/lb_elm.js美团脚本我用leaf大佬的，个人感觉比萝卜大佬的美团脚本好ql raw https://raw.githubusercontent.com/leafTheFish/DeathNote/main/meituan.js萝卜大佬的美团脚本ql raw https://gitee.com/xiecoll/radish-script/blob/master/MT/lb_meituan.js关于运行时间和脚本的一些设置，脚本的注释里，根据自己的需求更改获取cookie饿了么我选择用alook浏览器（手机）获取，简单、方便。首先下载alook浏览器， 官网 安装后打开浏览器进入饿了么网站，然后登录自己的账号，建议使用无痕浏览，这样登录多个账号是不会使先登录的失效在登录成功后，点击浏览器下面中间三条横线的按钮然后点击工具箱——开发者工具——Cookies显示的那一大段就是你的cookie，将其保存下来添加进青龙的变量里，变量名脚本注释里写了美团获取美团cookie的方法和获取饿了么的一模一样，只不过不需要那么多，只需要其中一段。在那一大段cookie中，找到token=XXXXX; ，token=XXXXX;就是我们需要的。也将其添加到青龙的变量中

用vaultwarden(docker版bitwarden）搭建自己的密码管理器 原因vaultwarden是bitwarden的第三方实现，运行只需要10M内存，采用sqlite作为数据库，可以使用原来bitwarden的付费功能。多平台通用。安装docker一键安装sudo curl -sSL get.docker.com | sh安装vaultwardendocker仓库地址： 点击访问 在仓库里官方已经给出了安装命令docker pull vaultwarden/server:latest docker run -d --name vaultwarden -v /vw-data/:/data/ -p 80:80 vaultwarden/server:latest我们可以先使用第一条拉镜像的命令，而第二条运行命令要稍作修改，因为官方的命令有点坑，文件的位置不好，还占用80端口，并且还没有开启后台功能，我们只能使用，却不能管理。首先选好文件要放在的位置，比如我要放在www/wwwroot/目录下，就在该目录下新建一个vw-data文件夹mkdir vw-data然后拉去镜像，并运行，记得修改端口，随便一个，只要没被占用docker pull vaultwarden/server:latest docker run -d --name vaultwarden -e ADMIN_TOKEN=XXX -v /www/wwwroot/vw-data/:/data/ -p 5211:80 vaultwarden/server:latest其中XXX是你的的后台密码，随便设置一个宝塔设置去网站里新建一个站点，绑定域名。然后点击站点设置--反向代理--添加反向代理。代理名称随便填，目标url填为：http://127.0.0.1:端口，这个端口是你上面启动vaultwarden的端口，比如我的就是http://127.0.0.1:5211然后就可以去访问网站了网站设置访问你设置的域名，进网站。刚进网站会让你注册一个账号，注册就行了，注意这个账号不是管理员账号，只是一个用户账户。如果你想访问后台就访问 域名/admin进去后就会让你输如token，token就是你上面设置的，后台是英文的，在里面可以修改你的设置，比如禁止用户注册或者管理用户等。客户端浏览器插件先去对应浏览器的扩展商店下载扩展———bitwarden。安装好了插件后，先点击设置 在服务器URL那栏填入你的服务器域名，然后保存再次打开扩展，点击登录,账号和密码就填你之前注册的，点击保存就登录了。安卓首先要去谷歌商店下载bitwarden这个软件。如果下不了，可以在我的 网盘 下载打开软件设置方法和浏览器插件设置的方法一样。最后在手机设置里自动填充服务里选中Bitwarden