专注于工业智能预警系统研发, 通过机理算法和数据驱动算法分析振动信号、音频、DCS、PLC信号、SCADA信号等设备运行状态数据对机器设备进行看病预诊,为机器设备健康运行保驾护航。 网站正在不断建设和完善过程中,欢迎大家给予建议和参与社区建设
52phm,专注于预测性维护知识学习和交流,欢迎广大从事预测性维护行业人员投稿,投稿请联系管理员(wx: www52phmcn),投稿内容可以是:
在import numpy的时候编译器提示这个问题,就很奇葩,报错信息如下所示
ModuleNotFoundError: No module named 'numpy.testing.nosetester'
感觉问题很奇怪,就搜索了一下,然后在stackoverflow上找到了解决方法,更新scipy模块的版本。
问题的原因是numpy版本>1.18,而scipy的版本<=0.19,所以只要把scipy的版本更新,比如1.1.0就行了,解决方法如下:
pip install --upgrade --user scipy
希望这个问题,能帮助到各位,觉得能帮助到你,可以点个赞哦
2021-12-04 11:22:03
博客笔记
1106
分类:开发环境
专栏:bug
2021-12-04 11:22:27
博客笔记
1144
分类:开发环境
专栏:未分组
2021-12-04 11:22:38
博客笔记
690
分类:开发环境
专栏:未分组
关注公众号进群
让志同道合读者学习交流
pip安装报错:ImportError: No module named 'pip',分享个人踩坑记录,并介绍了解决方法
2021-12-04 11:21:53
博客笔记
962
分类:开发环境
专栏:未分组
下载超时:pip.ReadTimeoutError:HTTPSConnectionPool: Read timed out.报错信息在安装Python模块包的时候,常常会因为各种原因下载失败,其中类似使用国外镜像下载、或者网速环境差的话,很容易会下载超时而失败。
2021-12-04 11:23:24
博客笔记
894
分类:开发环境
专栏:未分组
导入自己模块包导入报错:ModuleNotFoundError: No module named 'xxx'解决方法### 1、报错信息 python引用自己写的模块的时候报错:ModuleNotFoundError: No module named 'base'我自己新建了一个python包,名字:base,在其他的文件中想要使用这个包,就得像下面这样import进来
2021-12-04 11:23:34
博客笔记
1270
分类:开发环境
专栏:bug
不能卸载某个模块包:Cannot uninstall 'colorama'报错信息在卸载某个Python模块包时,发现并不能成功卸载,反而发生异常报错,报错信息如下:
2021-12-04 11:23:43
博客笔记
1169
分类:开发环境
专栏:bug
解决ipynb文件加载失败的问题:Unreadable Notebook: D:\xxx.ipynb NotJSONError报错信息 在jupyter notebook打开ipynb notebook文件时,发现加载一直不成功,另外还爆出异常提示信息,异常信息如下:
2021-12-04 11:23:53
博客笔记
991
分类:开发环境
专栏:未分组
论文:Angle-Based Outlier Detection in High-dimensional Data,kdd2008问题高维度情况下,距离同质化。基础:1、在高维空间中角度比距离更稳定[1]2、如果其他大部分的点都在相似的方向上,那么点O是个离群点3、如果许多其他的点在不同的方向上,那么点O不是离群点。方法对于一个给定的点P,它与任意其他点x,y之间的角度构成一个...
2021-12-19 14:55:27
互联网
1075
分类:论文速递
专栏:工业异常检测
异常值是与其余数据存在显然不同的数据点。 霍金斯定义异常值如下: <br> “异常值是一个与其他观察结果有很大差异的观察结果,以此引起人们怀疑它是由不同的机制产生的”。 <br> 在数据挖掘和统计学文献中,异常值也被称为abnormalities、discordants、deviants或anomalies。 在大多数应用中,数据是由一个或多个生成过程创建的,这些生成过程既可以反映系统中的活动,也可以反映收集的有关实体的观察结果。当生成过程表现异常时,会导致创建异常值。 因此,异常经常包含有关系统和实体影响数据生成过程的异常特征的有用信息。 对这些不寻常的特性的认识提供了有用的应用特定见解。 一些例子如下:
2021-12-21 11:00:12
互联网
466
分类:算法开发
专栏:工业异常检测
几乎所有异常值检测算法都会建立数据中正常模式的模型,然后根据这些模式的偏差计算给定数据点的异常值。 例如,该数据模型可以是生成模型,例如高斯混合模型,基于回归的模型或基于邻近的模型。 所有这些模型对数据的“正常”行为做出不同的假设。 然后通过评估数据点与模型之间的拟合质量来计算数据点的离群值分数。 在很多情况下,模型可能是算法定义的。 例如,基于最近邻的离群值检测算法根据其最近邻距离的分布对数据点
2021-12-21 11:00:33
互联网
467
分类:算法开发
专栏:工业异常检测
# Sen's slopeimport numpy as npfrom pandas import Seriesfrom scipy.stats import normdef sens_slope_trend_detection(inputdata,conf_level=0.95): inputdata = Series(inputdata) n = inputda...
2021-12-21 11:05:07
互联网
822
分类:算法开发
专栏:工业异常检测
import numpy as npimport pandas as pddef Buishand_U_change_point_detection(inputdata): inputdata = np.array(inputdata) inputdata_mean = np.mean(inputdata) n = inputdata.shape[0] k...
2021-12-21 11:07:15
互联网
693
分类:算法开发
专栏:工业异常检测
从事设备故障预测与健康管理行业多年的PHM算法工程师(机器医生)、国际振动分析师, 实践、研发和交付的项目涉及“化工、工业机器人、风电机组、钢铁、核电、机床、机器视觉”等领域。专注于工业智能预警系统研发, 通过机理算法和数据驱动算法分析振动信号、音频、DCS、PLC信号、SCADA信号等设备运行状态数据对机器设备进行看病预诊,为机器设备健康运行保驾护航。