jasmine0244-CSDN博客

原创卸载软件总留一堆“垃圾”？这款免费神器，一键扫清注册表和文件残留！

很多软件会把卸载按钮藏得极深（比如故意做得很小、颜色灰暗、放在不起眼的角落），或者在卸载过程中设下重重陷阱（诱导你点“修复”或“升级”而不是卸载）。软件本身非常小巧（仅几MB），运行速度快，界面简洁无广告，专注于卸载这一件事，不会给你塞一堆无关的功能或弹窗。尤其留意那些伪装成“修复”、“升级”或做得非常不起眼的“卸载”按钮，点准了！对于普通卸载方式根本找不到卸载入口的顽固软件，它的“强制删除”功能更是救命稻草。官方卸载走完，Geek 的扫描窗口会自动弹出，列出找到的残留。这才是彻底卸载的关键！

2025-07-11 22:26:23 538

原创有哪些相见恨晚的 Excel 插件？这个工具箱能让你原地起飞！

说到 Excel 效率神器，我必须按头安利这个让我从“表哥表姐”晋级为“摸鱼达人”的工具——！相信我，如果你还在用基础功能吭哧吭哧搞数据，装上方方格子，你会瞬间理解什么叫。这感觉，爽到飞起！

2025-07-07 23:03:00 110

原创这个高效的 Windows 剪贴板工具Ditto，我迫不及待推荐给你

使用非常简单，你只要在运行它的状态下复制内容，完毕后点击 Ctrl+~ 键就可以查看内容，选择粘贴。但是系统自带的剪切板功能非常弱，比如剪切板的个数有限制，只能保留25个记录，并且电脑重启以后剪切板的记录就没有了。它可以把你复制的内容先保存下来，然后统一的进行粘贴操作。当然，系统自带就有剪切板，只要按“Win键+V”就可以调出剪切板的功能，非常方便！查看内容→截图→选择发送→查看内容→截图→选择发送→查看内容→截图→选择发送……在工作中，繁琐和重复的工作是最让人烦躁的，也极大降低了我们的效率。

2025-06-26 12:49:35 308

原创再见了Snipaste！心中Top1的截图软件，你好，PixPin！

什么箭头、方框、圆圈、高亮、马赛克、打序号、画自由线、加文字备注…操作也贼简单：先普通截一下，用鼠标划拉出你要的宽度范围，然后点一下工具栏那个“长截图”按钮，接着你就滚鼠标滚轮吧，它自动往下接龙，一气呵成！这可是Snipaste的看家本领，PixPin不仅学了去，还给它加了Buff！说说我自己的情况，我之前一直在用 Snipaste，但自从用上 PixPin，Snipaste 可以说有点「食之无味」了。PixPin 的功能真的很全：普通截图、长截图、贴图、图片标注、OCR 文字识别等，样样都有～

2025-06-23 00:15:48 179

原创推荐四款下载神器IDM+NDM+FDM+xdown，适合长期使用

如果你有明确的大文件 HTTP/FTP 下载需求且网络/资源条件允许高线程，它能带来惊喜。作为一个常年和下载速度斗智斗勇的“资源搬运工”，太懂那种进度条卡住、99%断链、广告弹窗糊脸的崩溃感了。界面、操作逻辑、多线程加速（同样支持高线程）、浏览器集成捕获功能，几乎和 IDM。基础的多线程加速、断点续传、计划任务、流量控制、站点管理、上，理论上有榨干带宽的潜力（实际效果仍需看资源和服务端）。结合自身需求（协议、速度、功能、预算）、使用习惯，并。（注：实际效果受资源和服务端限制），充分利用带宽，

2025-06-09 22:31:50 707

原创如何优雅地在局域网内实现设备间高速文件互传？深度体验「闪电藤」后，我卸载了微信文件助手

人在书房，刚传完1G视频。实测速度稳定在25MB/s，耗时约40秒。只需一次简单的安装和连接，你就能体验到局域网文件传输本该有的。如果你和我一样，厌倦了在微信/QQ的传输限制和龟速中妥协，这或许不是最“全能”的工具，但在它专注的领域，确实做到了。可自定义接收文件的默认保存路径（电脑端），方便管理。一个基于开源项目LocalSend二次开发、专注。(或其中一台设备开启热点供其他设备连接)。一周后，我认为它完美击中了上述痛点，堪称。文件/文本传输工具。简单来说，闪电藤是一款运行在。确保所有需要互传的设备。

2025-06-04 11:57:03 781

原创 C盘又双叒叕爆红了？别慌！吾爱破解利器，1MB小神器拯救你的电脑，搬家软件无痛转移！

重装后，只需要重新创建一下符号链接（或者再运行一次Free Move指向新位置），你的软件设置就神奇地回来了！装的时候图省事，一路“下一步”，结果它们拖家带口全挤在C盘安了家。它能让你的软件和文件轻松“搬家”到其他宽敞的分区（比如D盘、E盘），而且搬完家，你桌面上的快捷方式、软件设置统统照常能用，就像什么都没发生过一样！低头一看，好家伙，C盘那个小图标，红得刺眼，跟过年似的！很多软件，即使你装在了D盘，但它的设置、缓存、用户数据可能还偷偷藏在。在上方的地址栏里，点击一下，整个路径就高亮了，

2025-06-03 18:45:22 841

原创这款免费的12306高铁抢票神器，国产良心！成功率90%，端午中秋十一春节假期就可以用上

哎，端午回家的车票是不是又抢得你头大？是不是也试过，大半夜不睡觉死磕电脑，结果刷了半天还是啥票没捞着？那种感觉，真的贼憋屈！用了它，抢票这事儿真能让你省不少心，起码不用再熬鹰似的守着屏幕了。这样你就能赶紧去付款，不怕到嘴的鸭子飞了。你该刷剧刷剧，该睡觉睡觉，等着好消息就行，省心！按你的想法设置好，它就吭哧吭哧帮你抢端午回家的票。它能一直勤勤恳恳帮你盯着，万一有人退票了（这种“漏票”），它能。它就能自己开抢，全程自动帮你盯着，最爽的是，只要它帮你把票抢到手了，，又快又准，省得你手忙脚乱。，让你比别人快一步！

2025-05-31 01:06:19 192

原创吾爱大佬破解的一款全能文档工具：坤Tools（Kun_Tools），牛批Plus！！

这款软件里头有几十种功能，比如格式转换、拆分文件、合并文件、加水印、去水印、压缩文件等等。而且完全免费，不用安装，离线也能用。所以这次换了一款，给大家带来一款吾爱大佬开发的坤_Tools，功能特别强大！暂停系统更新：在系统工具里，软件有个功能可以暂停更新。如果找不到“开始处理”按钮，就点击全屏，它就会出现了。添加水印：你可以加文字水印或者图片水印，还能选字体、颜色、对齐方式、旋转角度，也可以设置满屏水印和透明度。处理完成之后，会弹出一个提示框，你点击“是”，就能快速找到转换后的文件位置啦。

2025-05-30 00:36:59 352

原创 zTasker一款Windows自动化软件，提升效率：大小仅有10MB，免费无广告

zTasker重新定义了Windows自动化工具的可能性。无论是小白用户还是技术达人，都能通过它实现“设置一次，一劳永逸”的高效体验。如果你厌倦了机械化的重复操作，不妨试试这款新鲜出炉的神器！

2025-05-27 00:15:46 507

原创《统计学习方法》笔记——逻辑斯蒂回归模型

逻辑斯谛回归模型逻辑斯谛分布设XXX是连续随机变量，XXX服从逻辑斯谛分布是指XXX具有以下的分布函数和密度函数：F(x)=P(X≤x)=11+e−(x−μ)/γF(x) = P(X\leq x)=\frac{1}{1+e^{-(x-\mu)/\gamma}}F(x)=P(X≤x)=1+e−(x−μ)/γ1f(x)=F′(x)=e−(x−μ)/γγ(1+e−(x−μ)/γ)2f(x)=F'(x)=\frac{e^{-(x-\mu)/\gamma}}{\gamma(1+e^{-(x-\mu)/\ga

2021-02-23 14:55:01 613

原创《统计学习方法》笔记——决策树（二）：CART

CART算法 CART（分类与回归树）是在给定输入随机变量X条件下输出随机变量Y的条件概率分布的学习方法。 CART假设决策树是二叉树，内部结点特征的取值是“是”和“否”，左分支是取值为“是”的分支，右分支是取值为“否”的分支。这样的决策树等价于递归地二分每个特征，将输入空间即特征空间划分为有限个单元，并在这些单元上确定预测的概率分布，也就是在输入给定的条件下输出条件概率分布。 CART算法由以下两步组成：（1）决策树生成：基于训练数据集生成决策树，生成的决策树要尽量大；（2）决策树剪

2021-02-23 14:33:11 334

原创《统计学习方法》笔记——决策树（一）：ID3，C4.5

本章学习目标1.理解信息增益和信息增益比的含义和计算方法。2.掌握ID3和C4.5算法。3.掌握决策树的算法实现决策树是一种基本的分类与回归方法。决策树模型呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程。可以认为是if-then规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。其主要优点是模型具有可读性，分类速度快。学习时，利用训练数据，根据损失函数最小化的原则建立决策树模型。预测时，对新的数据，利用决策树模型进行分类。决策树学习通常包括3个步骤：特征选择、

2021-02-06 09:01:59 590

原创《统计学习方法》笔记——朴素贝叶斯

本章学习目标1.理解朴素贝叶斯模型的模型假设。2.理解后验概率最大化与期望损失最小化的关系。3.掌握极大似然估计的求解过程。4.掌握贝叶斯估计的求解过程。5.掌握贝叶斯估计的算法实现朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。“特征条件独立”假设是被称为“朴素”的原因。做法：给定训练数据集，首先基于特征条件独立假设学习输入输出的联合概率分布；然后基于此模型，对给定的输入xxx，利用贝叶斯定理求出后验概率最大的输出yyy。首先来说一下两个概念：“先验概率”和“后验概率”“先验

2021-01-29 10:14:19 246 1

原创《统计学习方法》笔记——k近邻（二）：kd树

上篇记录了k近邻算法原理及线性扫描实现。当样本量比较大时，计算比较耗时，为提高k近邻的搜索的效率，可以考虑使用特殊的结构存储训练数据，以减少计算距离的次数。方法之一就是kd树。kd树是一种对k维空间中的实例点进行存储以便对其进行快速检索的树形数据结构。kd树是二叉树，表示对k维空间的一个划分。构造平衡kd树的算法输入：k维空间数据集T={x1,x2,...,xN}T = \{x_1, x_2,...,x_N\}T={x1,x2,...,xN}，其中xi=(xi(1),xi(2),...,xi(k

2021-01-22 09:57:22 334 2

原创《统计学习方法》笔记——k近邻（一）

本章学习目标：1.掌握k近邻算法的原理。2.理解k近邻算法三要素及模型对应的损失函数。3.掌握k近邻算法在分类问题上的求解过程。4.掌握k近邻的算法实现如果有一堆水果，里面只有苹果和梨，另外拿来一个水果，判断是苹果还是梨回想感知机的做法：1.构造超平面2.将样本带入模型中计算，根据其结果正负值判断水果种类。还有别的做法：1.同一标签的样本通常有很多相似的特征，所以同一类别的可能有扎堆现象，也就是物以类聚。2.每进来一个样本，我们查看它周围的样本是什么类别的，那它也有极大可能属于该

2021-01-21 10:06:52 408 1

原创《统计学习方法》笔记——感知机

《统计学习方法》笔记——感知机本章学习目标1.掌握感知机的模型形式、损失函数及对应的优化问题。3.理解感知机模型中随机梯度算法的收敛性。4.掌握感知机的算法实现感知机模型感知机是个二分类的线性分类模型，属于判别模型。感知机模型的假设空间是定义在特征空间中的所有线性分类模型。f(x)=sign(w⋅x+b)f(x) = sign(w \cdot x + b)f(x)=sign(w⋅x+b)sign(x)={+1x≥0−1x<0sign(x) = \begin{cases}+1 &am

2020-12-25 09:57:56 155

原创 puppeteer登录使用记录

一、浏览器环境补充当使用puppeteer登录时，常规步骤：const puppeteer = require('puppeteer');(async () => { const browser = await puppeteer.launch({ slowMo: 100, //放慢速度 headless: false, defaultViewport: {width: 1440, height: 780}, ignoreHT

2020-12-04 10:50:52 1440

原创非结构化商业文本信息中隐私信息识别Baseline

简介最近，CCF大数据与计算智能大赛出了好几个赛题。CCF BDCI比赛链接：https://www.datafountain.cn/special/BDCI2020比赛baseline汇总：https://github.com/datawhalechina/competition-baseline我报名了这个《非结构化商业文本信息中隐私信息识别》，赛题详情可见https://www.datafountain.cn/competitions/472，看到数据与评测说明时，这不就是NER吗？然后

2020-10-30 23:29:50 6858 103

原创中医药天池大数据竞赛——中医文献问题生成挑战（三）

前两篇主要写了数据预处理（https://blog.csdn.net/jasmine0244/article/details/108888236）和模型搭建（https://blog.csdn.net/jasmine0244/article/details/108902127），接下来就是K折模型验证评估。官方的评估标准是以ROUGE-L(https://www.aclweb.org/anthology/W04-1013.pdf)为准。我在github上找到了一个免安装的版本，rouge4chinese

2020-10-02 16:05:05 1084 2

jasmine0244的专栏