Python机器学习基础教程

Django+DRF基础教程（前后端分离）

接下来是我对学了Django和前后端分离需要的DRF的记录，这些记录我只会保留前后端分离需要的部分，其余的，比如模板，视图函数之类的，我并不会记录，因为DRF使用的是视图类而不是视图函数。一.Django项目准备我们想要学习Django+DRF，我们先要知道怎么创建一个项目。下面是我们所需要的一些准备：Django版本：4.1DRF版本：3.14.0虚拟环境创建工具：anaconda2021.11
Huonzy·2024-01-08 09:54

PS基础教程之内存盘错误

PS封面图.jpgPS2017内存盘已满，没有足够内存怎么办第一步：先设置可供使用的内存大小——在PS界面中点击编辑——首选项——性能，进入内存调节界面。将内存使用情况的PS使用内存调节至100%0、编辑首选项性能.jpg1、PS使用内存调节至100%.jpg第二步：设置暂存盘，将非系统盘D、E勾选上（根据盘符而定），再把系统盘C的勾去掉。若系统盘足够大，也可以勾上2、暂存盘，将非系统盘D、E勾选
GeekJun·2024-01-08 07:34

C++入门教程，C++基础教程（第一部分：从C到C++）七

由C语言发展而来的一种面向对象的编程语言。第一部分、从C语言到C++本章讲述C++语言的简史，以及C++语言中与面向对象关系不大、C语言中没有的特性。这些特性能够增加编程的便利性，提高程序的可扩充性。十三、如何规范地使用C++内联函数inline关键字可以只在函数定义处添加，也可以只在函数声明处添加，也可以同时添加；但是在函数声明处添加inline关键字是无效的，编译器会忽略函数声明处的inlin
别致的SmallSix·2024-01-08 07:40

Python入门基础教程：继承、封装、多态 (非常详细)

前言这篇文章介绍面向对象的三大特征——封装，继承，多态。对于编程初学者来说，学习python应该是比较好入手的，文末会给大家介绍下python的一些特点，供需要学习编程语言的伙伴一个简单的参考。我们知道python是一种面向对象的语言，面向对象的三大特征就是封装，继承，多态。封装封装的目的1：封装数据：保护隐私2：封装方法：隔离复杂度（只保留部分接口对外使用）封装的方式1：公有属性和方法公有属性和
不爱喝苏打水·2024-01-08 03:08

Axure RP 9基础教程（3）——添加图标元件

上一节我们学习了如何对一个矩形元件设置交互样式，我们完成了将元件设计为按钮，实现了鼠标悬停的交互样式和单击界面跳转的交互效果。其实我们完全可以让我们设置的界面更加的美观。比如csdn的创作界面：我们可以看到，在每个热区上面，在文字上方都放置了一个图标，让我们的界面看起来不那么枯燥无趣，这些图标的来源就是元件库里面的元件。现在让我们来学习一下如何添加这种有趣的图标。方法很简单，我们只需要做一下三个步
park_1·2024-01-08 02:19

python基础教程三（元组和字符串格式化）

1.元组与列表一样，元组也是序列，唯一的差别在于元组是不可修改的，元组语法很简单，只要将一些值用逗号分隔，就能自动创建一个元组。>>1,2，3（1,2，3）如何表示只包含一个值的元组呢，这点有点特殊：虽然只有一个值，也必须在他后面加上逗号。>>4343>>42,(42)函数tuple的工作原理和list很像:它将一个序列作为参数，并将其转换为元组。如果参数已经是元组，就返回它>>tuple（[1,
小强同学：·2024-01-08 02:14

python基础教程七(print参数，import，序列解包，赋值，缩进等）

在学习if条件句以前我们先说点别的1.priint你知道，print用于打印一个表达式，这个表达式要么是字符串，要么将自动转换成字符串。实际上，你可以同时打印多个表达式,条件是用逗号分隔它们:>>>print('age:',42)age:42如你所见，在参数之间插了一个空格字符。在你要合并文本和变量值，而又不想使用字符串设置功能时，这种行为很有帮助。这个空格参数可以改成任意字符都可以，利用参数se
小强同学：·2024-01-08 02:14

python基础教程七(布尔类型，条件语句，断言)

1.布尔类型在前面，你遇到了很多真值，现在终于需要他们了。真值也称布尔值。用做布尔表达式（如用作if语句中的条件）时，下面的值都将被解释器视为假:FalseNone0""()[]{}换而言之，标准值False和None.各种类型(包括浮点数,复数等)的数值0，空序列（如空字符串,空元组，空列表）以及空映射(如空字典)都被视为假，而其他各种值都被视为真,包括特殊值True这意味着任何python值都
小强同学：·2024-01-08 02:14

【融职培训】Web前端学习 第3章 JavaScript基础教程4 条件语句

一、概述语句执行流程有三种：顺序执行、条件执行、循环执行。条件语句表示的就是按照条件判断执行哪些代码（或不执行哪些代码）。例如：我们登录一个软件，输入用户名和密码的时候，输入正确则登录成功，输入错误，会弹出相关提示，这就是一个典型的分支语句（在实际开发中，这个功能或设计多个分支语句）。二、if语句if语句是最基本的条件控制语句，它让JavaScript程序可以选择执行顺序，我们可以通过一个布尔值来
lmonkey_01·2024-01-07 23:41

如何学习才能快速成为ios开发高手？

参考书看《Objective-C基础教程》这本书就行了。书看到后来还需要补充一些关于面向对象的知识，一般计算机专业的学生都是在学C++的时候接触这类思想的。
阿道奇·2024-01-07 22:34

ZedBoard-Linux学习笔记之一

本文参考自嵌入式linux基础教程第二版【本书已经获得
雄关迈步·2024-01-07 22:08

【Python机器学习】朴素贝叶斯分类器

朴素贝叶斯分类器是与线性模型非常相似的一种分类器，它的训练速度往往更快，但是泛化能力比线性分类器稍差。朴素贝叶斯分类器高效的原因是：通过单独查看每个特征来学习参数，并从每个特征中收集简单的类别统计数据。scikit-learn中实现了3中朴素贝叶斯分类器：GaussianNB、BernoulliNB、MultinomialNB。GaussianNB可用于任意连续数据，BernoulliNB假定输入
zhangbin_237·2024-01-07 19:53

【Python机器学习】线性模型——用于二分类的线性模型

线性模型也广泛用于分类问题，对于二分类问题，可以用以下公式进行预测：y=w[0]*x[0]+w[1]*x[1]+…………+w[p]*x[p]+b>0公式与现行回归的公式非常类似，但没有返回特征的加权求和，而是为预测设置了阈值。如果函数值小于0，就预测类别-1，否则预测类别+1。对于用于回归的线性模型，输出y是特征的线性函数，是直线、平面或者超平面。对于用于分类的线性模型，决策边界是输入的线性函数。
zhangbin_237·2024-01-07 19:23

【Python机器学习】线性模型的优缺点

线性模型的主要参数是正则化参数。在回归模型里是alpha，在一些分类模型里是C。alpha越大或C越小，说明模型越简单，通常在对数尺度上对alpha和C进行调节。除了正则化参数，还需要确定是L1正则化还是L2正则化，如果只有几个特征是重要的，应该用L1正则化，否则用L2正则化。线性模型的训练速度非常快，预测速度也很快。这类模型可以推广到非常大的数据集，对稀疏数据也有效。线性模型的另一个优点是：利用
zhangbin_237·2024-01-07 19:52

【Python机器学习】线性模型——用于多分类的线性模型

很多线性分类模型只使用与二分类问题，将二分类算法推广到多分类算法的一种常见方法是“一对其余”方法。在“一对其余”方法中，对每个类别都学习一个二分类模型，将这个类别和其他类别尽量区分，这样就生成了与类别数相同的二分类模型数。在测试点上运行所有分类器进行预测，在对应类别上分数最高的分类器“胜出”，将这个类别标签范围作为预测结果。多分类Logistics回归背后的数学与“一对其余”方法稍有不同，但也是对
zhangbin_237·2024-01-07 19:20

【Python机器学习】基于随机森林全球经济危机预测

一、引言全球经济危机是一个复杂的问题，受到多种因素的影响，如金融市场、政策环境、地缘政治等。预测经济危机对于政策制定者、投资者和企业来说至关重要，因为它可以帮助他们提前做出应对措施，减少潜在的损失。然而，准确预测经济危机是一项具有挑战性的任务，因为涉及到的数据量大、变量多，且各因素之间的相互作用难以捉摸。近年来，机器学习和人工智能的迅速发展为解决这一问题提供了新的思路。随机森林作为一种强大的集成学
Zouia Gail(修行中)·2024-01-07 16:20

Kali Linux——aircrack-ng破解wifi密码基础教程

一、准备1、usb无线网卡2、密码字典二、案例1、查看网卡信息airmon-ng2、开启网卡监听airmon-ngstartwlan0#说明：wlan0是网卡，根据1中查看到的结果自行修改3、扫描wifi信号airodump-ngwlan04、抓取握手包#说明：与5一起airodump-ng-wryan-c6--bssid2C:61:04:F7:94:26wlan0#说明：-c：指定信道-w：指定
被时间v扑了空·2024-01-07 14:38

正则表达式-基础教程

文章目录前言一、概述二、常用语法1.普通字符2.预定义字符3.特殊字符4.限定符三、常用正则表达式1.校验数字的表达式2.校验字符的表达式3.特殊需求的表达式四、示例前言虽然在大部分情况下我们不需要自己去写正则表达式，但是我们还是需要看懂别人写的正则表达式以及根据需求能够自己写出一写正则表达式，所以我觉得还是很有必要去整理一下这方面的内容。一、概述为什么要使用正则表达式？典型的搜索和替换操作要求提
多加点辣也没关系·2024-01-07 10:39

[ComfyUI] 基础教程（一）环境部署和插件安装

ComfyUI为StableDiffusion提供了一个强大的节点流程操作界面，带来了更多的自由度和可复现性，同时降低了显存要求。对于那些希望深入了解和利用StableDiffusion技术的用户来说，是一个不可多得的选择。(但节点式的工作流也提高了一部分使用门槛。)1.下载和安装ComfyUI首先从官方的github连接上找到最新的release包，下载解压即可使用：点击进入Releases，点
细节控-AI先行者·2024-01-07 04:12

vue实现搜索后列表关键字高亮

exportdefault{data(){return{keywords:'',list:[{id:1,title:'Vue.js开发实践'},{id:2,title:'Vue3基础教程'},{id:3
学如逆水，不进则退·2024-01-07 04:40

性能优化-OpenMP基础教程（三）

个人专栏：高性能（HPC）开发基础教程CSDN主页发狂的小花人生秘诀：学习的本质就是极致重复!目录一、OpenMP是什么？
发狂的小花·2024-01-07 02:55

八大在线项目实习 2024年第一期即将开班

八大项目：某实习网站招聘信息采集与分析（Python数据采集与分析）股票价格形态聚类与收益分析（Python金融分析）某平台网络入侵用户自动识别（Python机器学习）某平台广东省区采购数据分析（Excel
泰迪智能科技·2024-01-07 01:14

GIS在地质灾害危险性评估与灾后重建中的实践技术应用及python机器学习灾害易发性评价模型建立与优化

地质灾害是指全球地壳自然地质演化过程中，由于地球内动力、外动力或者人为地质动力作用下导致的自然地质和人类的自然灾害突发事件。由于降水、地震等自然作用下，地质灾害在世界范围内频繁发生。我国除滑坡灾害外，还包括崩塌、泥石流、地面沉降等各种地质灾害，具有类型多样、分布广泛、危害性大的特点。地质灾害危险性评价着重于根据多种影响因素和区域选择来评估在某个区域中某个阶段发生的地质灾害程度。以此预测和分析未来某
Mr.靳靳477302280·2024-01-07 00:55

python基础教程

Python基础一篇曾经写的关于python的基础教程课件，存此做记录(#.#)，有需要的可以前往https://leolin66.top/article/python_basic_tutorial下载
不可能掉发·2024-01-07 00:18

2024 Midjourney 基础教程（⼆）：了解 Midjourney Bot 和AI绘画使用技巧进阶教学

在上⼀篇⽂章中，我们学到了如何注册Midjourney，开通付费订阅，并画出了可能是⾃⼰的第⼀张AI绘画。怎么样？这种将想象的画⾯，变为现实世界图⽚的感觉。是否有种造物者的错觉，同时有种开盲盒的惊喜感？那这篇⽂章，带⼤家更进⼀步深⼊了解Midjourney的Discord服务器。教⼤家如何将MidjourneyBot邀请到⾃⼰的Discord服务器；并介绍⼀些常⻅常⽤的MidjourneyBot指
喜好儿aigc·2024-01-06 19:29

Markdown 基础教程

Markdown教程一、Markdown标题1、使用=和-标记一级和二级标题；test一级标题=============test二级标题-------------结果如下：test一级标题test二级标题2、使用#标记；#一级标题##二级标题###三级标题####四级标题#####五级标题######六级标题结果如下：一级标题二级标题三级标题四级标题五级标题六级标题二、Markdown段落格式1、
波罗的海de夏天·2024-01-06 15:30

性能优化-OpenMP基础教程（五）-全面讲解OpenMP基本编程方法

个人专栏：高性能（HPC）开发基础教程CSDN主页发狂的小花人生秘诀：学习的本质就是极致重复!
发狂的小花·2024-01-06 08:41

性能优化-OpenMP概述（一）-宏观全面理解OpenMP

个人专栏：高性能（HPC）开发基础教程CSDN主页发狂的小花人生秘诀：学习的本质就是极致重复!
发狂的小花·2024-01-06 08:41

Go 语言数组基础教程 - 数组的声明、初始化和使用方法

数组用于在单个变量中存储相同类型的多个值，而不是为每个值声明单独的变量。声明数组在Go中，有两种声明数组的方式：使用var关键字：语法vararray_name=[length]datatype{values}//这里定义了长度或者vararray_name=[...]datatype{values}//这里长度是隐含的使用:=符号：语法array_name:=[length]datatype{v
小万哥丶·2024-01-06 04:01

javascript 基础教程[温故而知新一]

子曰：“温故而知新，可以为师矣。”孔子说：“温习旧知识从而得知新的理解与体会，凭借这一点就可以成为老师了。“尤其是咱们搞程序的人，不管是不是全栈工程师，都是集十八般武艺于一身。不过有时候有些知识如果有很久没用了的话，就会忘记，甚至是忘的你一点都想不起来，尤其是一些基础的东西。所以我才打算写个"温故而知新"的系列博文出来，一来是这些基础的东西我比较健忘，以后方便自己翻阅；二来是希望可以帮助到一些刚入
weixin_30507269·2024-01-05 23:38

【Python机器学习】对二维数据集的决策边界

对于二维数据集，可以在xy平面上画出所有可能的测试点的预测结果，根据平面中的每个点所属的类别对平面进行角色，可以查看决策边界，也就是算法对类别0和类别1的分界线。对1、3、9个邻居三种情况的决策边界可视化：importmglearn.datasetsimportnumpyasnpfromsklearn.datasetsimportload_irisfromsklearn.model_selecti
zhangbin_237·2024-01-05 23:30

【Python机器学习】k近邻——模型复杂度与泛化能力的关系

以某数据进行研究，先将数据集分为训练集和测试集，然后用不同的邻居数对训练集合测试集的新能进行评估：fromsklearn.datasetsimportload_breast_cancerfromsklearn.model_selectionimporttrain_test_splitfromsklearn.neighborsimportKNeighborsClassifierimportmatpl
zhangbin_237·2024-01-05 23:30

【Python机器学习】k近邻——k近邻回归

k近邻算法还可以用于回归任务，如果单一近邻，预测结果就是最近邻的目标值，使用多个近邻时，预测结果为这些邻居的平均值。用于回归的k近邻算法在scikit-learn的KNeighborsRegressor类中实现。importmglearn.datasetsfromsklearn.model_selectionimporttrain_test_splitfromsklearn.neighborsim
zhangbin_237·2024-01-05 23:30

【Python机器学习】k近邻的优缺点

neighbors分类器有两个重要参数：邻居个数和数据点之间距离的度量方法。实践中使用较小的邻居个数（3、5个）往往可以取到比较好的结果。k-NN的优点是易于理解，通常不需要过多调节就可以得到不错的性能，构建模型的速度通常很快，但是如果训练集很大，预测速度可能会比较慢。缺点包括：对于有很多特征的数据集往往效果不好，对于大多数特征的大多数取值为0的数据集（也就是所谓的稀疏数据集）尤为不好，是实践中往
zhangbin_237·2024-01-05 22:54

Python基础教程之数据封装、类方法和静态方法

Python基础教程之数据封装、类方法和静态方法数据封装面向对象编程的一个关键部分是封装，它涉及将相关变量和函数打包到一个简单易用的对象（类的一个实例）中。
妄心xyx·2024-01-05 21:20

【Python机器学习系列】建立逻辑回归模型预测心脏疾病（完整实现过程）

一文彻底搞懂机器学习中的归一化与反归一化问题【Python机器学习系列】一文彻底搞懂机器学习中表格数据的输入形式（理论+源码）【Python特征工程系列】利用随机森林模型
数据杂坛·2024-01-05 12:22

【Python机器学习系列】建立支持向量机模型预测心脏疾病（完整实现过程）

一文彻底搞懂机器学习中的归一化与反归一化问题【Python机器学习系列】一文彻底搞懂机器学习中表格数据的输入形式（理论+源码）【Python特征工程系列】利用随机森林模型
数据杂坛·2024-01-05 12:47

【Python机器学习】评估模型

以鸢尾花数据为例，将测试数据中的每朵鸢尾花进行预测，并将预测结果与已知标签结果进行对比，可以计算精度来衡量模型的优劣。精度就是品种预测正确的结果占比。importnumpyasnpfromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitfromsklearn.neighborsimpor
zhangbin_237·2024-01-05 03:24

【Python机器学习】理论知识：分类与回归

监督机器学习问题主要有两种：分类、回归。分类问题的目标是类别标签，这些标签主要是来自于预定义的可选列表。分类问题有时可分为二分类（两个类别之间进行区分）和多分类（两个以上的类别之间进行区分），二分类是尝试回答是/否问题，二分类问题中，通常将类别称为正分类、反分类，这里的“正”不代表好的方面或者正数，只是代表研究对象，往往是主观判断，与具体的领域有关。回归任务的目标是预测一个连续值（浮点数/实数）。
zhangbin_237·2024-01-05 03:24

【Python机器学习】理论知识：泛化、过拟合、欠拟合

在监督学习中，想要在训练数据上构建模型，然后对没见过的新数据做出准确预测，如果一个模型能够对没见过的数据做出准确预测，我们就说它可以从训练集泛化到测试集。判断一个算法在新数据上表现好坏的唯一度量，就是在测试集上的评估。如果构建了一个对于现有数据量来说过于复杂的模型，这被称为过拟合。如果模型过于简单，不能抓住数据的全部内容以及数据中的变化，甚至在训练集上的表现就很差，就被称为欠拟合。模型越复杂，在训
zhangbin_237·2024-01-05 03:24

【Python机器学习】k近邻——k近邻分类

k-NN算法最简单的版本是只考虑一个最近邻，也就是想要预测的数据点最近的训练数据点，预测结果就是这个训练数据点的已知输出。除了仅考虑最近邻，还可以考虑任意（k个）邻居，这也是k近邻算法名字的由来。在考虑多余一个邻居的情况时，用‘投票法’来制定标签，也就是对于每个测试点，计算多少个邻居属于类别0、多少个属于类别1，然后将次数更多的类别作为预测结果。importmglearn.datasetsimpo
zhangbin_237·2024-01-05 03:47

stable diffusion 基础教程-提示词之光的用法

基图prompt:masterpiece,bestquality,1girl,solo,lookingatviewer,brownhair,hairbetweeneyes,bangs,verylonghair,redeyes,blush,bareshoulders,(whitesundress),fullbody,leaningforward,mediumbreasts,unbuttonedclo
mindcarver·2024-01-05 01:55

stable diffusion 基础教程-文生图

置顶大模型插件资源链接你如果没有魔法上网，请自取百度云盘链接：链接：https://pan.baidu.com/s/1_xAu47XMdDNlA86ufXqAuQ?pwd=23wi提取码：23wi界面介绍参数解释参数解释Samplingmethod扩散去噪算法的采样模式，不同采样模式会带来不一样的效果steps模型生成图片的迭代步数，每多一次迭代都会给AI更多的机会去对比prompt和当前结果，从
mindcarver·2024-01-05 01:25

stable diffusion 基础教程-提示词之艺术风格用法

展现夕阳goldenhour,(rimlighting):1.2,warmtones,sunflare,softshadows,vibrantcolors,hazyglow,painterlyeffect,dreamyatmosphere阴影chiaroscuro,(highcontrast):1.2,dramaticshadows,boldhighlights,moodyatmosphere,c
mindcarver·2024-01-05 01:25

stable diffusion 基础教程-图生图

界面图生图大概有以下几个功能：图生图涂鸦绘制局部绘制局部绘制（涂鸦蒙版）其常用的也就上面四个，接下来逐步讲解。以图反推提示词图生图可以根据反推提示词来获取相应图片的提示词，目前3种主流方式，如下：CLIP反推提示词：推导出的文本倾向于自然语言的描述方式，即完整的描述短句，该功能的特点是可以描述出画面中对象间的关系DeepBooru反推：推导结果更多的是单词或短句，比较类似我们平时书写提示词的方式，
mindcarver·2024-01-05 01:25

ASP.NET Core 登录登出 - ASP.NET Core 基础教程 - 简单教程，简单编程

原文:ASP.NETCore登录登出-ASP.NETCore基础教程-简单教程，简单编程ASP.NETCore登录登出上一章节我们总算完善了注册的功能，而且也添加了一个用户，现在，我们是时候继续完善登录登出功能了
weixin_34315485·2024-01-04 23:18

Excel VBA 基础教程——第一章 宏（1）

想学VBA很久了，终于今天决定，心动不如行动，就学起来吧！我会把学过的整理出来，有兴趣的童鞋也可以一起学习哟！以干货为主，废话不多说，按照文章里的操作步骤保证你可以学会。第一章宏要点：什么是宏录制宏删除和编辑宏保存带宏的工作簿执行宏正文开始一、什么是宏宏就是一组动作的组合。如果功能区域的主选项卡中中没有，需要手动添加，步骤如下：“文件”选项卡→“帮助”下的“选项”→“自定义功能区”→在“从下列位置
fishes是多鱼不多余·2024-01-04 18:37

玩转Ubuntu零基础教程

欢迎来到Ubuntu！以下是一份零基础入门Ubuntu的指南，以帮助你更好地了解和使用这个流行的Linux操作系统。1.安装Ubuntu：从Ubuntu官网下载最新版本的Ubuntu。制作启动盘（可以使用软件如Rufus或balenaEtcher）。启动计算机并按照屏幕上的指示安装Ubuntu。2.基本概念：用户和权限：在Ubuntu中，你会使用用户名和密码登录。超级用户（root）有最高权限，但
程序老猫·2024-01-04 10:22

ES6基础教程（第一节）——let和const

这期教程我们开始学习es6语法，这期将会对es6的大部分（最常用的）API进行讲解，除了纯理论的讲解外还参杂了本人在工作中时机遇到的问题以及解决方案和个人理解，希望大家喜欢。客套话就不说了，我们这节课的学习内容是let和const，这两个是es6的定义变量和常量的方法，它们和js前版本的var有什么区别呢？其实主要的区别就是这两个定义的是有块级作用域的概念，学前端的同学都知道，js之前的版本只有全
多平方·2024-01-04 07:47

Django基础教程之初体验

Django基础教程之初体验声明：以下内容均为我个人的理解，如果发现错误或者疑问可以联系我共同探讨简介在Django2.0以后，Django已经不支持python2.7，所以我们需要一个python3的系统环境
geobuins·2024-01-04 06:01
上一页 3 4 5 6 7 8 9 10 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他