本文主要讲解使用SPSS进行单样本K-S检验和两独立样本的K-S检验，附带案例实战
原创
2024-05-24 10:38:59
0阅读
本文与普通的讲述 K-S 检验的文章略有不同，分为两部分：(1). 针对大部分分布的 Kolmogorov–Smirnov 检验（真正的K-S检验）(2). 仅适用于高斯分布的基于分布曲线形状的 kurtosis-skewness 检验准则（冒牌的K-S检验） 一、
转载
2024-01-16 14:49:45
211阅读
本文使用两个实例说明了假设检验的过程，在Python中使用KS检验来验证一个数列是否是服从正态分布，两个数列是否服从相同分布等问题。
假设检验的基本思想： 若对总体的某个假设是真实的，那么不利于或者不能支持这一假设的事件A在一次试验中是几乎不可能发生的。如果事件A真的发生了，则有理由怀疑这一假设的真实性
转载
2024-04-07 18:30:26
123阅读
柯尔莫哥洛夫-斯米尔诺夫检验（Колмогоров-Смирнов检验）基于累计分布函数，用以检验两个经验分布是否不同或一个经验分布与另一个理想分布是否不同。 在进行cumulative probability统计(如下图)的时候，你怎么知道组之间是否有显著性差异？有人首先想到单因素方差分析或双尾检
原创
2021-07-16 09:28:30
3820阅读
一、定义 定义：单样本K-S检验是以两位前苏联数学家Kolmogorov和Smirnov命名的，也是一种拟合优度的非参数检验方法。单样本K-S检验是利用样本数据推断总体是否服从某一理论分布的方法，适用于探索连续型随机变量的分布形态。 单样本K-S检验可以将一个变量的实际频数分布与正态分布（Normal）、均匀分布（Uniform）、泊松分布（Poisson）、指数（Exponential）分布进行比较。其零假设H0为样本来自的总体与指定的理论分布无显著差异。 SPSS实现K-S检验的过程如下： （1）根据样本数据和用户的指定构造出理论分布，查分布表得到相应的理论累计概率分布函数F0(X...
转载
2012-09-25 19:18:00
318阅读
2评论
Alink 是阿里巴巴基于实时计算引擎 Flink 研发的新一代机器学习算法平台，是业界首个同时支持批式算法、流式算法的机器学习平台。二分类评估是对二分类算法的预测结果进行效果评估。本文将剖析Alink中对应代码实现。
原创
2021-04-26 11:20:19
687阅读
目录一、K8S支持的文件格式1、yaml和json的主要区别2、YAML语言格式二、YAML1、查看 API 资源版本标签2、编写资源配置清单2.1 编写 nginx-test.yaml 资源配置清单2.2 创建资源对象2.3 查看创建的pod资源3、创建service服务对外提供访问并测试3.1 编写nginx-svc-test.yaml文件3.2 创建资源对象3.3 访问测试三、详解K8S中的
转载
2023-08-22 19:37:08
300阅读
环境准备尽量选择纯净的机器，IP地址建议静态配置，IP地址变动会导致搭建的k8s集群出现故障。 准备3台虚拟机（centos-8.3）并运行以下脚本： centos_init_config.sh#!/bin/bash
# 更新
yum update -y
# 安装其他必要组件和常用工具包
yum install -y yum-utils zlib zlib-devel openssl open
转载
2023-10-26 19:50:13
136阅读
# 如何实现 "Python k8s"
## 1. 整体流程
通过以下步骤来实现 "Python k8s"：
| 步骤 | 描述 |
| ---- | ---- |
| 1 | 安装 kubernetes 客户端 |
| 2 | 编写 Python 代码连接 k8s 集群 |
| 3 | 运行 Python 代码 |
## 2. 具体步骤和代码
### 步骤 1：安装 kubernet
原创
2024-04-29 04:38:44
92阅读
前言因为引进国产系统银河麒麟V10，需要用其部署k8s集群。就各种踩坑运行环境服务器整体规划名称IP组件k8s-250192.168.100.250controlplane,etcd、rancher(网络原因可暂时忽略)、rke、kubectlk8s-11192.168.100.11controlplane,etcdk8s-247192.168.100.247worker,etcd,ingress
转载
2023-11-10 13:20:58
98阅读
文章目录一、基本了解1.1 操作k8s API1.2 基本使用二、数据表格展示K8s常见资源2.1 Namespace2.2 Node2.3 PV2.4 Deployment2.5 DaemonSet2.6 StatefulSet2.7 Pod2.8 Service2.9 Ingress2.10 PVC2.11 ConfigMap2.12 Secret2.13 优化 一、基本了解操作K8s资源a
转载
2024-07-30 15:10:34
43阅读
k8s本身提供了很多内置的volume plugin，比如ceph，nfs及第三方厂商的存储，这样带来了代码臃肿，不好维护，不灵活等问题，比如如果想修复存储bug还需和k8s一块发布，为了将k8s和存储系统解耦，抽象出了CSI(container storage interface)接口，其提供三种类型的gRPC接口，每个CSI plugin必须实现这些接口，具体可参考CSi spec https
转载
2024-01-05 21:47:35
80阅读
Kubernetes, 简称为 K8s，是用于自动部署、扩展和管理容器化应用程序的开源平台。Python 是一种简单而强大的编程语言，因此结合 K8s 和 Python 可以让开发人员更轻松地管理和操作容器化应用程序。在这篇文章中，我将向你介绍如何使用 Python 和 K8s 实现一些常见的操作。
### K8s Python 教程
#### 步骤概览
| 步骤 | 操作 |
| ---
原创
2024-03-06 14:14:50
89阅读
如何使用Python在Kubernetes中部署应用
Kubernetes（简称K8s）是一个开源平台，用于自动部署、扩展和管理容器化应用程序。在Kubernetes中部署应用程序通常需要使用一种编程语言来与Kubernetes API进行交互，而Python是一种常用的编程语言之一。在本文中，我将向您展示如何使用Python在Kubernetes中部署应用程序。
整个过程可以分为以下步骤：
原创
2024-03-19 10:44:36
62阅读
# Kubernetes Python SDK: Simplify Your Container Orchestration
Kubernetes (K8s) is an open-source container orchestration platform that automates the deployment, scaling, and management of containeri
原创
2023-11-24 11:30:07
40阅读
目录一、容器外部访问容器内部服务1. 使用hostNetwork参数（容器内部服务与宿主机同一网段）2. 使用hostPort参数（将容器内端口暴露出来）3. 使用NodePort参数4. 使用LoadBalancer参数二、容器内部服务访问外部服务1. 使用hostNetwork参数（Pod与宿主机在同一网段）2. 使用endpoints组件三、同Pod中容器访问——以ubuntu16.04+m
转载
2024-02-09 17:29:40
113阅读
背景为什么选择spark on k8sApache Spark 作为一站式平台统一了批处理,实时处理,流分析，机器学习，以及交互式查询.虽然说spark 提供了多样的使用场景，但是也带来了额外的复杂性以及集群管理的成本。让我们来看一下为了赋能spark为一站式平台所需要的底层资源编排：spark计算要提供不同的机器学习以及etl任务的资源共享支持在共享k8s集群的spark多版本，python多版
转载
2023-12-09 21:29:49
52阅读
K8s是什么毫无疑问，K8s是目前云原生时代最优秀、最适合用来做容器技术的分布式架构解决方案，可以说K8s就是为了云原生时代大规模的容器编排而生的，大大提高了资源的利用效率。K8s来自 Google 云平台的开源容器集群管理系统,前身为Google内部使用的Brog，在Google内部已经有十几年的应用历史，非常成熟及高效。K8s全名为Kubernetes，Kubernetes在希腊语中意思是船长
转载
2023-11-06 13:04:16
80阅读
本文给出Python SDK操作Kubernetes Job的更多示例代码，以及相关解释。pip install kubernetes初始化from kubernetes.client import BatchV1Api
from kubernetes.config import load_kube_config
load_kube_config()
batch = BatchV1
转载
2024-06-24 19:34:20
149阅读
Python 可以称为大数据全栈式开发语言。因为 Python 在云基础设施，DevOps，大数据处理等领域都是炙手可热的语言。只要会 Python，就可以实现一个完整的大数据处理平台。从最底层数据采集、数据存储与冗余备份，数据处理，数据分析，数据建模，可视化以及机器学习，深度学习等等大数据的基础服务，包括传输系统(Flume和Kafka)，计算调度(Yarn和K8S)以及存储系统(HDFS和HB
转载
2023-08-20 18:26:24
100阅读
