月牙天冲 | 个人博客

发表于 更新于 阅读次数： 本文字数： 187 阅读时长 ≈ 1 分钟

Ubuntu安装openvpn后启动服务，但是ps无法看到进程

查看/lib/systemd/system/openvpn.service发现里面只是启动了/bin/true，不知道为啥。。。。

[Unit]
Description=OpenVPN service
After=network.target

[Service]
Type=oneshot
RemainAfterExit=yes
ExecStart=/bin/true
WorkingDirectory=/etc/openvpn

[Install]
WantedBy=multi-user.target

查询后，获取方法，参考

创建依赖于网络服务

为了不被覆盖，创建一个子文件夹

mkdir -p /lib/systemd/system/openvpn\@.service.d

在文件夹里创建一个配置文件，必须以.conf结尾

vi /lib/systemd/system/openvpn\@.service.d/local-after-ifup.conf

在这个配置文件中填入

[Unit]
Requires=networking.service
After=networking.service

启动服务

systemctl start openvpn@<CONF_NAME>.service

这个<CONF_NAME>是在 /etc/openvpn路径下的你的.conf配置文件

例如:

systemctl start openvpn@server.service

ENABLE 服务

systemctl enable openvpn@server.service

发表于 更新于 分类于 阅读次数： 本文字数： 1.1k 阅读时长 ≈ 4 分钟

1.起因

因为另一个JR的帖子。看了他的github项目,发现很厉害。不过他的文字直播只是简单的比赛进程。不是虎扑App的文字直播。没办法看到来自三分剑地狱的火焰啊！所以我就想做一个虎扑App的文字直播的命令行版, 项目地址

阅读全文 »

发表于 更新于 阅读次数： 本文字数： 503 阅读时长 ≈ 2 分钟

引用

文章资源文件夹

对于那些想要更有规律地提供图片和其他资源以及想要将他们的资源分布在各个文章上的人来说，Hexo也提供了更组织化的方式来管理资源。这个稍微有些复杂但是管理资源非常方便的功能可以通过将 config.yml 文件中的 post_asset_folder 选项设为 true 来打开。

_config.yml
post_asset_folder: true

当资源文件管理功能打开后，Hexo将会在你每一次通过 hexo new [layout] <title> 命令创建新文章时自动创建一个文件夹。这个资源文件夹将会有与这个文章文件一样的名字。将所有与你的文章有关的资源放在这个关联文件夹中之后，你可以通过相对路径来引用它们，这样你就得到了一个更简单而且方便得多的工作流。

相对路径引用的标签插件

通过常规的 markdown 语法和相对路径来引用图片和其它资源可能会导致它们在存档页或者主页上显示不正确。在Hexo 2时代，社区创建了很多插件来解决这个问题。但是，随着Hexo 3 的发布，许多新的标签插件被加入到了核心代码中。这使得你可以更简单地在文章中引用你的资源。

{% asset_path slug %}
{% asset_img slug [title] %}
{% asset_link slug [title] %}

比如说：当你打开文章资源文件夹功能后，你把一个 example.jpg 图片放在了你的资源文件夹中，如果通过使用相对路径的常规 markdown 语法 ![](/example.jpg)

它将 不会 出现在首页上。（但是它会在文章中按你期待的方式工作）

正确的引用图片方式是使用下列的标签插件而不是 markdown ：

{% asset_img example.jpg This is an example image %}

通过这种方式，图片将会同时出现在文章和主页以及归档页中。

发表于 更新于 阅读次数： 本文字数： 177 阅读时长 ≈ 1 分钟

Decistion Tree(决策树)

假设有如下数据:

信息熵(information entropy)

信息熵(Information entropy): 是度量样本集合纯度的一种指标 公式: 假设当前样本集D中第k类样本所占的比利为 \(p_k\) (k=1, 2, ..., |y|) \[ Ent(D) = - \sum_{k=1}^{\vert y \vert}p_k\cdot log_2 p_k \]

信息增益熵(Information gain)

信息增益熵(Information gain): 一定条件下，信息复杂度(不确定性)减少的程度 公式: \[ Gain(D, a) = Ent(D) - \sum_{v=1}^V \dfrac{|D^v|}{|D|}Ent(D^v) \]

基尼指数(Gini index)

公式: \[ Gini(D) = 1 - \sum_{k=1}^{|y|} p_k^2 \]

\[ Gini_index(D, a) = \sum_{v=1}^{V} \dfrac{|D^v|}{|D|}Gini(D^v) \]

不同的算法

  • ID3 
    for node in nodes:
      pass
  • C4.5
  • CART(classification and regression tree)
0%