python+机器学习笔记

python解析can报文_解析.DBC文件, 读懂CAN通信矩阵，实现车内信号仿真

直接使用CANdb++Editor打开，可以很直观的读懂信号矩阵的信息，例如下图：现在要把上图呈现的信号从.dbc文件中解析出来，供实现自动化仿真总线信号使用，比如使用python+支持can收发的硬件即可替代
闫小娇·2024-09-06 14:15

李宏毅机器学习笔记——反向传播算法

反向传播算法反向传播（Backpropagation）是一种用于训练人工神经网络的算法，它通过计算损失函数相对于网络中每个参数的梯度来更新这些参数，从而最小化损失函数。反向传播是深度学习中最重要的算法之一，通常与梯度下降等优化算法结合使用。反向传播的基本原理反向传播的核心思想是利用链式法则（ChainRule）来高效地计算损失函数相对于每个参数的梯度。以下是反向传播的基本步骤：前向传播（Forwa
小陈phd·2024-09-04 10:07

[开题报告]flask框架党员管理系统的设计与实现9cwt8【开题+程序+论文】（python+程序+论文）

本系统（程序+源码+数据库+调试部署+开发环境）带论文文档1万字以上，文末可获取，系统界面在最后面。系统程序文件列表开题报告内容研究背景随着信息技术的飞速发展，传统的党员管理方式已难以适应新时代党建工作的需求。党员数量的增加、管理复杂度的提升以及对高效、透明管理模式的追求，促使我们探索更加科学、智能的党员管理系统。当前，部分党组织在党员信息管理、入党流程跟踪、党费收缴、组织活动安排等方面仍依赖人工
sheji715·2024-09-01 16:41

Python机器学习笔记：CART算法实战

完整代码及其数据，请移步小编的GitHub传送门：请点击我如果点击有误：https://github.com/LeBron-Jian/MachineLearningNote前言在python机器学习笔记
战争热诚·2024-03-23 17:00

机器学习笔记

什么是机器学习：机器学习是一门多学科交叉专业，涵盖概率论知识，统计学知识，近似理论知识和复杂算法知识，使用计算机作为工具并致力于真实实时的模拟人类学习方式，并将现有内容进行知识结构划分来有效提高学习效率。机器学习有下面几种定义：（1）机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能。（2）机器学习是对能通过经验自动改进的计算机算法的研究。（3）
rl染离·2024-03-09 15:44

机器学习笔记（KNN算法）

情景分析现在一个二维平面上有众多点(x1,y1),(x2,y2)...(xn,yn)(x_1,y_1),(x_2,y_2)...(x_n,y_n)(x1,y1),(x2,y2)...(xn,yn)，我也知道它们所属哪个类别，现在给出一个点(x,y)(x,y)(x,y)，问这个点是属于哪个类的。这是一个典型的分类问题重要概念相邻点的个数K相邻点的个数Kknn中最重要的概念就是这个了，也是唯一需要理解
空木幻城·2024-02-20 21:08

【机器学习笔记】 9 集成学习

集成学习方法概述Bagging从训练集中进行子抽样组成每个基模型所需要的子训练集，对所有基模型预测的结果进行综合产生最终的预测结果：假设一个班级每个人的成绩都不太好，每个人单独做的考卷分数都不高，但每个人都把自己会做的部分做了，把所有考卷综合起来得到成绩就会比一个人做的高Boosting训练过程为阶梯状，基模型按次序一一进行训练（实现上可以做到并行），基模型的训练集按照某种策略每次都进行一定的转化
RIKI_1·2024-02-20 21:07

吴恩达机器学习全课程笔记第二篇

目录前言P31-P33logistics（逻辑）回归决策边界P34-P36逻辑回归的代价函数梯度下降的实现P37-P41过拟合问题正则化代价函数正则化线性回归正则化logistics回归前言这是吴恩达机器学习笔记的第二篇
亿维数组·2024-02-20 21:03

【机器学习笔记】7 KNN算法

距离度量欧氏距离(Euclideandistance)欧几里得度量（EuclideanMetric）（也称欧氏距离）是一个通常采用的距离定义，指在维空间中两个点之间的真实距离，或者向量的自然长度（即该点到原点的距离）。在二维和三维空间中的欧氏距离就是两点之间的实际距离。曼哈顿距离(Manhattandistance)想象你在城市道路里，要从一个十字路口开车到另外一个十字路口，驾驶距离是两点间的直线
RIKI_1·2024-02-20 21:03

【机器学习笔记】14 关联规则

关联规则概述关联规则（AssociationRules）反映一个事物与其他事物之间的相互依存性和关联性。如果两个或者多个事物之间存在一定的关联关系，那么，其中一个事物就能够通过其他事物预测到。关联规则可以看作是一种IF-THEN关系。假设商品A被客户购买，那么在相同的交易ID下，商品B也被客户挑选的机会就被发现了。有没有发生过这样的事：你出去买东西，结果却买了比你计划的多得多的东西？这是一种被称为
RIKI_1·2024-02-20 11:43

【机器学习笔记】13 降维

降维概述维数灾难维数灾难(CurseofDimensionality)：通常是指在涉及到向量的计算的问题中，随着维数的增加，计算量呈指数倍增长的一种现象。在很多机器学习问题中，训练集中的每条数据经常伴随着上千、甚至上万个特征。要处理这所有的特征的话，不仅会让训练非常缓慢，还会极大增加搜寻良好解决方案的困难。这个问题就是我们常说的维数灾难。维数灾难涉及数字分析、抽样、组合、机器学习、数据挖掘和数据库
RIKI_1·2024-02-20 11:13

【机器学习笔记】8 决策树

决策树原理决策树是从训练数据中学习得出一个树状结构的模型。决策树属于判别模型。决策树是一种树状结构，通过做出一系列决策（选择）来对数据进行划分，这类似于针对一系列问题进行选择。决策树的决策过程就是从根节点开始，测试待分类项中对应的特征属性，并按照其值选择输出分支，直到叶子节点，将叶子节点的存放的类别作为决策结果。以下小美相亲的例子就是决策树决策树算法是一种归纳分类算法，它通过对训练集的学习，挖掘出
RIKI_1·2024-02-20 11:39

【机器学习笔记】 15 机器学习项目流程

机器学习的一般步骤数据清洗数据清洗是指发现并纠正数据文件中可识别的错误的最后一道程序，包括检查数据一致性，处理无效值和缺失值等。与问卷审核不同，录入后的数据清理一般是由计算机而不是人工完成。探索性数据分析(EDA探索性数据分析（EDA）是一个开放式流程，我们制作绘图并计算统计数据，以便探索我们的数据。目的是找到异常，模式，趋势或关系。这些可能是有趣的（例如，找到两个变量之间的相关性），或者它们可用
RIKI_1·2024-02-20 08:43

【机器学习笔记】5 机器学习实践

数据集划分子集划分训练集（TrainingSet）：帮助我们训练模型，简单的说就是通过训练集的数据让我们确定拟合曲线的参数。验证集（ValidationSet）：也叫做开发集（DevSet），用来做模型选择（modelselection），即做模型的最终优化及确定的，用来辅助我们的模型的构建，即训练超参数，可选；测试集（TestSet）：为了测试已经训练好的模型的精确度。三者划分：训练集、验证集、
RIKI_1·2024-02-19 23:52

【机器学习笔记】11 支持向量机

支持向量机（SupportVectorMachine,SVM）支持向量机是一类按监督学习（supervisedlearning）方式对数据进行二元分类的广义线性分类器（generalizedlinearclassifier），其决策边界是对学习样本求解的最大边距超平面（maximum-marginhyperplane）。与逻辑回归和神经网络相比，支持向量机，在学习复杂的非线性方程时提供了一种更为清
RIKI_1·2024-02-19 19:38

【机器学习笔记】12 聚类

无监督学习概述监督学习在一个典型的监督学习中，训练集有标签，我们的目标是找到能够区分正样本和负样本的决策边界，需要据此拟合一个假设函数。无监督学习与此不同的是，在无监督学习中，我们的数据没有附带任何标签，无监督学习主要分为聚类、降维、关联规则、推荐系统等方面。主要的无监督学习方法聚类（Clustering）如何将教室里的学生按爱好、身高划分为5类？降维（DimensionalityReductio
RIKI_1·2024-02-19 19:38

【机器学习笔记】4 朴素贝叶斯

贝叶斯方法贝叶斯分类贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。朴素贝叶斯分类是这一类算法中最简单的较为常见的算法。先验概率根据以往经验和分析得到的概率。我们用()来代表在没有训练数据前假设拥有的初始概率。后验概率根据已经发生的事件来分析得到的概率。以(|)代表假设成立的情下观察到数据的概率，因为它反映了在看到训练数据后成立的置信度。联合概率是指在多元的概率分
RIKI_1·2024-02-19 19:07

【机器学习笔记】 6 机器学习库Scikit-learn

Scikit-learn概述Scikit-learn是基于NumPy、SciPy和Matplotlib的开源Python机器学习包,它封装了一系列数据预处理、机器学习算法、模型选择等工具,是数据分析师首选的机器学习工具包。自2007年发布以来，scikit-learn已经成为Python重要的机器学习库了，scikit-learn简称sklearn，支持包括分类，回归，降维和聚类四大机器学习算法。
RIKI_1·2024-02-19 19:07

【机器学习笔记】10 人工神经网络

人工神经网络发展史1943年，心理学家McCulloch和逻辑学家Pitts建立神经网络的数学模型，MP模型每个神经元都可以抽象为一个圆圈，每个圆圈都附带特定的函数称之为激活函数，每两个神经元之间的连接的大小的加权值即为权重。1960年代，人工网络得到了进一步地发展感知机和自适应线性元件等被提出。M.Minsky仔细分析了以感知机为代表的神经网络的局限性，指出了感知机不能解决非线性问题，这极大影响
RIKI_1·2024-02-19 19:07

【机器学习笔记】3 逻辑回归

分类问题分类问题监督学习最主要的类型，主要特征是标签离散，逻辑回归是解决分类问题的常见算法，输入变量可以是离散的也可以是连续的二分类先从用蓝色圆形数据定义为类型1，其余数据为类型2；只需要分类1次，步骤：①->②多分类问题先定义其中一类为类型1（正类），其余数据为负类（rest）；接下来去掉类型1数据，剩余部分再次进行二分类，分成类型2和负类；如果有类，那就需要分类-1次,步骤：①->②->③->
RIKI_1·2024-02-19 19:02

【百面机器学习笔记】模型评估

模型评估指标准确率（Accuracy）准确率是指分类正确的样本占总样本个数的比例。Accuracy=n(correct)/n(total)当负样本占99%时，分类器把所有样本都预测为负样本也可以获得99%的准确率。所以，当不同类别的样本比例非常不均衡时，占比大的类别往往成为影响准确率的最主要因素。精确率（Precision）&召回率（Recall）精确率是指分类正确的正样本个数占分类器判定为正样本
葡萄肉多·2024-02-15 08:06

python+ flask+MySQL旅游数据可视化81319-计算机毕业设计项目选题推荐（免费领源码）

摘要信息化社会内需要与之针对性的信息获取途径，但是途径的扩展基本上为人们所努力的方向，由于站在的角度存在偏差，人们经常能够获得不同类型信息，这也是技术最为难以攻克的课题。针对旅游数据可视化等问题，对旅游数据可视化进行研究分析，然后开发设计出旅游数据可视化以解决问题。旅游数据可视化主要功能模块包括景点数据、热门景点，采取面对对象的开发模式进行软件的开发和硬体的架设，能很好的满足实际使用的需求，完善了
QQ_3376098506·2024-02-13 13:45

python+大数据学习打卡day1

【大数据从0-1打卡-day1】1、简单了解一些关于大数据的概念数据：数据就是对客观事件进行记录并可以鉴别的符号。他不仅仅是指数字，还可以是有一定意义的字母、文字、符号、语音、文字、图画、视频或者这些元素的结合等。企业数据分析方向：现状分析：离线分析原因分析：实时分析预测分析：机器学习数据分析基本流程：采集、处理、分析、应用大数据：大数据(bigdata)，指的是所涉及的资料量规模巨大到无法透过主
岁月不静好456·2024-02-13 11:11

李宏毅机器学习笔记 2.回归

最近在跟着Datawhale组队学习打卡，学习李宏毅的机器学习/深度学习的课程。课程视频：https://www.bilibili.com/video/BV1Ht411g7Ef开源内容：https://github.com/datawhalechina/leeml-notes本篇文章对应视频中的P3。另外，最近我也在学习邱锡鹏教授的《神经网络与深度学习》，会补充书上的一点内容。通过上一次课1.机器
Simone Zeng·2024-02-12 11:34

【机器学习笔记】基于实例的学习

基于实例的学习文章目录基于实例的学习1基本概念与最近邻方法2K-近邻（KNN）3距离加权KNN4基于实例/记忆的学习器5局部加权回归5多种回归方式对比6懒惰学习与贪婪学习动机：人们通过记忆和行动来推理学习。1基本概念与最近邻方法名词概念参数化设定一个特定的函数形式优点：简单，容易估计和解释可能存在很大的偏置：实际的数据分布可能不遵循假设的分布非参数化：分布或密度的估计是数据驱动的（data-dri
住在天上的云·2024-02-12 09:57

fast.ai 机器学习笔记（一）

机器学习1：第1课原文：medium.com/@hiromi_suenaga/machine-learning-1-lesson-1-84a1dc2b5236译者：飞龙协议：CCBY-NC-SA4.0来自机器学习课程的个人笔记。随着我继续复习课程以“真正”理解它，这些笔记将继续更新和改进。非常感谢Jeremy和Rachel给了我这个学习的机会。简要课程大纲根据时间和班级兴趣，我们将涵盖类似以下内容
绝不原创的飞龙·2024-02-12 03:25

fast.ai 机器学习笔记（四）

机器学习1：第11课原文：medium.com/@hiromi_suenaga/machine-learning-1-lesson-11-7564c3c18bbb译者：飞龙协议：CCBY-NC-SA4.0来自机器学习课程的个人笔记。随着我继续复习课程以“真正”理解它，这些笔记将继续更新和改进。非常感谢Jeremy和Rachel给了我这个学习的机会。使用SGD优化多层函数的回顾[0:00]这个想法是
绝不原创的飞龙·2024-02-11 14:57

机器学习笔记（3）：误差、复杂度曲线、学习曲线等

本文来自之前在Udacity上自学机器学习的系列笔记。这是第3篇，介绍了模型的误差类型、误差的由来、找到模型适合的参数、以及避免欠拟合和过拟合的方法。1.诊断误差1.1.误差类型我们的预测或者分类的结果与实际结果相比较，会存在一定的误差，误差越小，表示结果越好。一般有两种误差来源，欠拟合和过拟合。将问题看得过于简单导致了欠拟合（Underfitting），将问题看得过于复杂导致了过拟合（Overf
链原力·2024-02-11 14:23

fast.ai 机器学习笔记（三）

机器学习1：第8课原文：medium.com/@hiromi_suenaga/machine-learning-1-lesson-8-fa1a87064a53译者：飞龙协议：CCBY-NC-SA4.0来自机器学习课程的个人笔记。随着我继续复习课程以“真正”理解它，这些笔记将继续更新和改进。非常感谢Jeremy和Rachel给了我这个学习的机会。广义定义的神经网络视频/笔记本正如我们在上一课结束时讨
绝不原创的飞龙·2024-02-11 10:19

fast.ai 机器学习笔记（二）

机器学习1：第5课原文：medium.com/@hiromi_suenaga/machine-learning-1-lesson-5-df45f0c99618译者：飞龙协议：CCBY-NC-SA4.0来自机器学习课程的个人笔记。随着我继续复习课程以“真正”理解它，这些笔记将继续更新和改进。非常感谢Jeremy和Rachel给了我这个学习的机会。视频复习测试集，训练集，验证集和OOB我们有一个数据集
绝不原创的飞龙·2024-02-11 08:57

政安晨：示例演绎机器学习中（深度学习）神经网络的数学基础——快速理解核心概念（一）{两篇文章讲清楚}

第一次接触机器学习的小伙伴，环境搭建参考我的这篇文章（只参考这个里面关于环境搭建的部分就可以）：政安晨的机器学习笔记——跟着演练快速理解Te
政安晨·2024-02-11 03:34

软件测试-自动化测试-面试题研究，知识要点，高频、重点知识点，自动化测试知识要点、知识梳理-PYTHON+自动化，评估试题

自动化项目实战能力评估介绍一下你的自动化测试框架？我的框架主要根据分层思想设计了几个独立模块：模块一：主要存放通用业务代码，比如接口访问，数据库操作，excel操作，等等模块二：主要负责用例收集和用例执行，生成测试报告。模块三：主要负责存放测试用例数据。通常是使用excel,yaml,等通用数据格式。模块四：主要存放测试用例方法和测试逻辑相关代码。这里会调用模块一种的通用方法。讲一下在工作中怎么做
梦断南楼·2024-02-10 21:12

【机器学习笔记】贝叶斯学习

贝叶斯学习文章目录贝叶斯学习1贝叶斯学习背景2贝叶斯定理3最大后验假设MAP(MaxAPosterior)4极大似然假设ML(MaximumLikelihood)5朴素贝叶斯NB6最小描述长度MDL1贝叶斯学习背景试图发现两件事情的关系（因果关系，先决条件&结论）。执果索因：肺炎→肺癌？不好确定，换成确诊肺癌得肺炎的概率2贝叶斯定理贝叶斯定理是一种用先验慨率来推断后验慨率的公式，它可以表示为：P(
住在天上的云·2024-02-10 17:49

【机器学习笔记】决策树

决策树文章目录决策树1决策树学习基础2经典决策树算法3过拟合问题1决策树学习基础适用决策树学习的经典目标问题带有非数值特征的分类问题离散特征没有相似度概念特征无序例子：SkyTempHumidWindWaterForecastEnjoySunnyWarmNormalStrongWarmSameYesSunnyWarmHighStrongWarmSameYesRainyColdHighStrongW
住在天上的云·2024-02-10 17:19

【机器学习笔记】回归算法

回归算法文章目录回归算法1线性回归2损失函数3多元线性回归4线性回归的相关系数1线性回归回归分析(Regression)回归分析是描述变量间关系的一种统计分析方法例：在线教育场景因变量Y：在线学习课程满意度自变量X：平台交互性、教学资源、课程设计预测性的建模技术，通常用于预测分析，预测的结果多为连续值（也可为离散值，二值）线性回归(Linearregression)因变量和自变量之间是线性关系，就
住在天上的云·2024-02-10 17:19

吴恩达机器学习笔记（2）

一.逻辑回归1.什么是逻辑回归？逻辑回归是一种预测变量为离散值0或1情况下的分类问题，在逻辑回归中，假设函数。2.模型描述在假设函数中，，为实数，为Sigmoid函数，也叫Logistic函数。模型解释：，即就是对一个输入，的概率估计。损失函数的理解：所谓最大似然估计，就是我们想知道哪套参数组合对应的曲线最可能拟合我们观测到的数据，也就是该套参数拟合出观测数据的概率最大，而损失函数的要求是预测结果
python小白22·2024-02-09 18:11

政安晨：快速学会～机器学习的Pandas数据技能（三）（重命名与合并）

（本篇文章这次换一套数据集，数据文件可以在文章头部下载，并保存至您的虚拟环境的目录中）不知道如何搭建环境的小伙伴请看我机器学习笔记里面的入门文章：政安晨的机器学习笔记http://t.csdnimg.cn
政安晨·2024-02-09 14:38

基于Python+微信小程序的校园智慧辅助停车系统设计与实现

博主介绍：✌全网粉丝10W+,CSDN全栈领域优质创作者，博客之星、掘金/知乎/华为云/阿里云等平台优质作者。精彩专栏推荐订阅计算机毕业设计精品项目案例-200套文末获取源码+数据库+文档感兴趣的可以先收藏起来，还有大家在毕设选题，项目以及论文编写等相关问题都可以和学长沟通，希望帮助更多的人一、前言针对现实生活中校园面积有限停车难的问题，本课题设计了校园智慧辅助停车系统，给学校提供一个小型的智慧停
一点毕设·2024-02-09 12:04

政安晨：演绎在KerasCV中使用Stable Diffusion进行高性能图像生成

考虑计算机性能的因素，这次咱们在Colab上进行，Colab您可以理解为在线版的JupyterNotebook，还不熟悉Jupyter的的小伙伴可以去看一下我以前的文章：政安晨的机器学习笔记——示例讲解机器学习工具
政安晨·2024-02-09 08:13

机器学习笔记（3.1）

机器学习笔记系列文章目录文章目录机器学习笔记系列文章目录第三节标准库第三方库基础模块机器学习深度学习平台使用pip安装扩展包常用镜像源什么是Anaconda为什么要用Anaconda如何使用Anaconda
临渊——摸鱼·2024-02-08 20:15

政安晨的机器学习笔记——跟着演练快速理解TensorFlow（适合新手入门）

准备工作本笔记是假设您已经安装了Windows系统或Ubuntu系统的Anaconda（或Miniconda）、JupyterNotebook、TensorFLow，稍微了解Python语言，并可以进行一点点操作的基础上进行的。如果您还不具备这个条件，去看我的政安晨笔记里关于准备工作的文章：基于Anaconda安装TensorFlow并尝试一个神经网络小实例https://blog.csdn.ne
政安晨·2024-02-08 08:34

Python+甘特图及标签设置

图示甘特图代码importmatplotlib.pyplotaspltimportnumpyasnpclassProjectEmement:def__init__(self,name_,starttime_:float,endtime_:float,fact_endtime_:float,grade_,rootlist_:list,keylist_:list,isover_=-1):self.na
奇某人·2024-02-08 06:50

挑战杯 python+大数据校园卡数据分析

0前言优质竞赛项目系列，今天要分享的是基于yolov5的深度学习车牌识别系统实现学长这里给一个题目综合评分(每项满分5分)难度系数：4分工作量：4分创新点：3分该项目较为新颖，适合作为竞赛课题方向，学长非常推荐！更多资料,项目分享：https://gitee.com/dancheng-senior/postgraduate1课题介绍近年来，大数据的受关注程度越来越高。如何对大数据流进行抽取转换成有
laafeer·2024-02-07 12:37

挑战杯 python+深度学习+opencv实现植物识别算法系统

0前言优质竞赛项目系列，今天要分享的是基于深度学习的植物识别算法研究与实现学长这里给一个题目综合评分(每项满分5分)难度系数：4分工作量：4分创新点：4分更多资料,项目分享：https://gitee.com/dancheng-senior/postgraduate2相关技术2.1VGG-Net模型GoogleDeepMind公司研究员与牛津大学计算机视觉组在2014年共同研发出了一种全新的卷积神
laafeer·2024-02-07 09:23

机器学习笔记

1、机器学习为什么要打乱数据机器学习中的训练是用已知的输入数据来修改模型中的参数，以将其泛化到新的数据上。假设输入数据大致可以分为两类。若不将输入数据打乱，则在训练时模型的参数首先用于拟合第一种类型的数据，而当大量的第一类数据连续输入训练时，极易造成参数在第一类数据上过拟合。当这一任务完成后，产生的模型显然不适用与第二类数据，此时开始连续输入第二类数据，这时模型又要尽力逼近第二类数据，造成新的过拟
想努力的人·2024-02-07 08:06

基于“python+”潮汐、风驱动循环、风暴潮等海洋水动力模拟实践技术

基于Python的海洋水动力模拟实践技术，可以结合潮汐、风驱动循环和风暴潮等因素进行模拟。以下是一些相关的实践技术：潮汐模拟：Python可以通过调用相关的海洋模型库，如ECOMSED或ROMS，来进行潮汐模拟。潮汐模拟需要考虑地球自转、月球和太阳引力等因素，以及地形、水深和底质等地理特征对潮汐的影响。通过Python脚本，可以自动化运行模型，并收集和分析潮汐模拟结果。风驱动循环模拟：风驱动循环是
数字化信息化智能化解决方案·2024-02-06 12:00

机器学习——网易慕课笔记

文章目录机器学习笔记说在前面第一章1.1机器学习引言1.2开发环境准备1.3一个神经元的网络第二章计算机视觉加载`FashionMNIST`数据集构造神经元网络模型训练和评估模型自动终止训练第三章卷积神经网络
河篱·2024-02-05 10:18

基于python+控制台的员工信息管理系统

基于python+控制台的员工信息管理系统一、系统介绍二、效果展示三、其他系统实现四、获取源码一、系统介绍1.添加职工数据2.显示职工数据3.查询职工数据4.修改职工数据5.删除职工数据6.保存职工数据
五星资源·2024-02-05 03:04

基于python+控制台输出的学生信息管理系统

基于python+控制台输出的学生信息管理系统一、系统介绍二、效果展示三、其他系统实现四、获取源码一、系统介绍打印功能菜单、添加学生信息、删除学生信息、修改学生信息、显示学生信息、退出系统，并且需要接收用户的输入
五星资源·2024-02-05 03:33

基于python+控制台的车辆信息管理系统

基于python+控制台的车辆信息管理系统一、系统介绍二、效果展示三、其他系统实现四、获取源码一、系统介绍打印功能菜单、添加车辆信息、删除车辆信息、修改车辆信息、显示车辆信息、退出系统，并且需要接收用户的输入
五星资源·2024-02-05 03:30
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他