NCA和fsQCA
摘要：
方法 核心任务 比喻 输出形式 能否告诉你“要多高才够”？ NCA 检查“单因素”是不是必要条件——“没它就不行” 烤蛋糕不能没有鸡蛋 一张“天花板线”图：横轴=条件水平，纵轴=结果水平 ✅ 能定量给出“鸡蛋最少需要 50 g” fsQCA 检查“多因素组合”是不是充分条件——“这几味药一起上就能成 阅读全文
posted @ 2025-11-16 21:45 耀扬 阅读(41) 评论(0) 推荐(0)
什么是“组态路径”？
摘要：
定义： 组态路径（Configuration Path）是指多个条件变量（因素）以特定组合方式共同作用，导致某一结果变量（如高风险感知）出现的因果路径。 📌 通俗解释： 它不是看“哪个因素最重要”，而是看哪些因素搭配在一起，会共同导致某种结果（比如公众对某事件“非常担心”）。 📌 举个例子： 假 阅读全文
posted @ 2025-11-16 21:22 耀扬 阅读(34) 评论(0) 推荐(0)
python环境下启动js服务
摘要：
命令行进入项目文件夹 python -m http.server 阅读全文
posted @ 2025-03-04 13:24 耀扬 阅读(22) 评论(0) 推荐(0)
python虚拟环境
摘要：
1、创建环境 进入 项目目录 E:\abc>conda create -p E:\abc\myenv python=3.9 2、激活环境 conda activate E:\abc\myenv 如果要运行jupyter notebook 首次运行 需要 在虚拟环境中单独安装 conda instal 阅读全文
posted @ 2025-01-25 10:27 耀扬 阅读(47) 评论(0) 推荐(0)
ollama使用显卡mx250
摘要：
GPU 选择 如果你的系统中有多个 NVIDIA GPU 并且希望限制 Ollama 使用其中的一部分，可以将 CUDA_VISIBLE_DEVICES 设置为 GPU 的逗号分隔列表。可以使用数字 ID，但顺序可能会变化，因此使用 UUID 更可靠。你可以通过运行 nvidia-smi -L 来发 阅读全文
posted @ 2025-01-20 17:24 耀扬 阅读(1605) 评论(0) 推荐(1)
如何配置显卡cuda用来pytorch训练
摘要：
1、 更新显卡驱动程序到最新版 上英伟达官网 https://www.nvidia.cn/drivers/lookup/ 现在 ，更新！ 2、查看显卡是否支持cuda。 打开显卡控制面板。nvidia 查看显卡的驱动程序版本，此处为566.36 上官网 https://docs.nvidia.com 阅读全文
posted @ 2025-01-07 17:17 耀扬 阅读(265) 评论(0) 推荐(0)
COM-B模型
摘要：
COM-B模型（能力、机会、动机和行为模型）由Michie S等于2011年首次提出， 是一个用于理解行为变化的框架，强调行为是由能力、机会和动机的交互作用驱动的。 阅读全文
posted @ 2024-12-12 11:28 耀扬 阅读(1302) 评论(0) 推荐(0)
python如何Fleiss Kappa
摘要：
目的 检验数据一致性 示例 机器学习中涉及新数据集发布的论文通常会描述数据集的构建过程，一份数据集往往由多位标注员共同完成，不同标注员对数据的理解很容易存在偏差，这极大程度上会影响数据集的一致性，从而限制算法的性能。因此在构建数据集的标注过程中，大多数构建数据集的工作都会对标注员之间的标注一致性进行 阅读全文
posted @ 2024-12-06 18:00 耀扬 阅读(317) 评论(0) 推荐(0)
kano模型
摘要：
KANO模型是一种质量管理工具，用于帮助企业了解客户需求和期望。它由日本学者狩野纯提出，并于1984年首次发表。 KANO模型基于对产品或服务特性与客户满意度之间关系的理解。 它将客户需求分为五个类别： 基本要素（Basic Factors）：这些是客户对产品或服务的基本要求，如果没有满足这些要求， 阅读全文
posted @ 2024-07-16 18:06 耀扬 阅读(238) 评论(0) 推荐(0)
语义角色标注（Semantic Role Labeling, SRL）
摘要：
语义角色标注（Semantic Role Labeling, SRL）是自然语言处理中一种重要的任务，旨在识别和标注句子中每个谓词（通常是动词）与其周围单词之间的语义角色关系。每个语义角色表示动作或事件中的不同参与者的角色或语义功能。下面是一些常见的语义角色标签及其含义： ARG0：表示动作的施事（ 阅读全文
posted @ 2024-07-06 17:56 耀扬 阅读(556) 评论(0) 推荐(0)
词性标记（Part-of-Speech tags）
摘要：
在序列标注中，常见的词性标记（Part-of-Speech tags）用于标识单词的语法类别和语法功能。这些标记通常采用简短的缩写形式表示。以下是一些常见的词性标记及其含义： NNP - Proper noun, singular 表示专有名词，单数形式。例如：New York, Alice, Go 阅读全文
posted @ 2024-07-06 17:55 耀扬 阅读(200) 评论(0) 推荐(0)
IOB 格式（Inside-Outside-Beginning）介绍
摘要：
当使用 IOB 格式进行命名实体识别时，每个词汇都被标记为三种可能的情况之一：B-XXX、I-XXX 或 O。这里给出一个详细的例子来说明： 假设我们有以下句子： "John lives in New York City." 在这个例子中，如果我们要标注人名（PER）、地名（LOC）和其他（MISC 阅读全文
posted @ 2024-07-06 17:50 耀扬 阅读(150) 评论(0) 推荐(0)
微信电脑文件清理python程序
摘要：
import os,re from itertools import combinations #两两组合 def combinations_iterative(elements): return list(combinations(elements, 2)) #将按照字符串长度升序排列 def s 阅读全文
posted @ 2024-05-10 10:21 耀扬 阅读(37) 评论(0) 推荐(0)
pdf合并
摘要：
import PyPDF2 def merge_pdfs(input_pdfs, output_pdf): # 创建一个空的 PDF writer 对象 pdf_writer = PyPDF2.PdfWriter() # 遍历输入的 PDF 文件列表 for input_pdf in input_p 阅读全文
posted @ 2024-04-25 13:27 耀扬 阅读(37) 评论(0) 推荐(0)
猿人学19题关于ja3的curl_cffi库最终程序
摘要：
网上很多大佬对19题指纹技术进行了详细的描述。 https://zhuanlan.zhihu.com/p/601474166 唯独缺源码 from curl_cffi import requests session=requests.Session(impersonate="chrome120") 阅读全文
posted @ 2024-03-19 16:53 耀扬 阅读(174) 评论(0) 推荐(0)
浙公网安备 33010602011771号