自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(47)
  • 收藏
  • 关注

原创 YuanDaiMa2048博客文章总览

不定期更新学习中遇到的问题以及学习笔记…

2024-04-05 11:56:39 952

原创 git常用命令及仓库创建

Git是一款分布式版本控制系统,用于敏捷高效地处理项目版本管理。下载地址: 你可以从Git官网地址下载适用于你操作系统的Git安装包。查看版本配置信息查看信息。

2024-04-04 21:15:24 1169

原创 最新流行IT技术

最新流行IT技术前端技术对应链接Reacthttps://react.docschina.org/docs/getting-started.htmlVuehttps://cn.vuejs.org/v2/guide/Ant-Designhttps://ant.design/docs/react/introduce-cnMateriaEl-UIhttps://mui.com/zh/getting-started/usage/Echartshttps://e

2024-04-04 21:07:12 716

原创 卷积神经网络

卷积神经网络最初是为图像处理而设计的,但后来在文本处理、语音识别等领域也得到了广泛应用。CNN作为一种高效的图像识别方法,在模式分类领域得到了广泛应用。与全连接神经网络相比,CNN通过局部连接的方式显著减少了连接的数量,避免了对图像进行复杂的预处理,可以直接输入原始图像进行处理。这使得CNN在资源有限的硬件环境下也能够完成训练过程。

2024-04-03 12:01:31 989

原创 循环神经网络算法

循环神经网络(RNN)算法通过特殊的结构使得自身具有了记忆性。可以使用记忆更好的进行判断,因此在自然语言处理、信号处理、情感识别等领域具有广泛的应用。循环神经网络是深度学习算法中非常出名的一种算法。该算法之所以被称之为循环神经网络,是因为一个序列当前的输出和前面的输出有关。具体表现为网络会对前面的信息进行记忆,并应用于当前输出的计算中。即隐藏层之间的节点不再无连接,而是有连接的,并且隐藏层的输入不仅包括输入层的输出,还包括上一时刻隐藏层的输出。理论上而言,循环神经网络能够对任何程度的序列数据进行处理。

2024-04-03 10:54:34 797

原创 [实验室服务器使用]使用VSCode、PyCharm、MobaXterm和CMD连接远程服务器

在进行实验室工作时,远程连接服务器是常见的需求之一。本篇文章根据个人的一些使用介绍使用不同工具连接服务器的方法,并提供优化功能,使服务器能够使用本机代理的说明。

2024-04-02 11:48:31 1461

原创 多层感知机与DNN算法

变量是计算图中可以改变的节点,通常用来存储模型的参数,如权重和偏置。在TensorFlow中,可以使用变量来表示模型中的可训练参数,并通过梯度下降等优化方法不断调整其取值,以使模型达到最佳性能。在计算图中,张量表示数据的流动,连接了不同操作之间的输入和输出。在TensorFlow中,操作是构建计算图的基本单元,代表数据的计算过程。本文将介绍如何使用 Python 中的 TensorFlow 库来构建常见的神经网络模型,包括 DNN、CNN 和 RNN,并解释常用参数的含义。

2024-04-02 09:00:10 1116

原创 神经网络算法

创建一个人工神经网络时,人工神经细胞也要以同样的方式相互连接在一起。其中最广泛使用的连接方式是把神经细胞一层一层连接在一起,这种类型的神经网络叫做前馈网络。

2024-03-16 12:22:10 843

原创 隐式马尔科夫算法

隐式马尔科夫算法是一种用于处理时序数据的强大工具,其特点在于能够有效地挖掘时序数据中事件之间的潜在关系。这一算法在语音识别、自然语言处理以及网络安全等领域有着广泛的应用。例如,它可以用来识别语音中的单词、理解文本中的语义,甚至是分析网络数据中的用户行为模式。隐式马尔可夫模型(Hidden Markov Model, HMM)的基本假设是一个连续的时间序列事件,其状态由它前面的一系列事件决定。这个序列可以被视为一个马尔可夫链,其中的状态是隐藏的,而观测值则是可见的。

2024-03-04 08:48:33 815

原创 Apriori 与 FP-growth 算法

关联规则挖掘是一种无监督学习方法,通过分析数据集来发现其中的潜在关联规则。支持度(Support):指某个项集在数据集中出现的频率,用于衡量项集的频繁程度。置信度(Confidence):指在某个条件下规则发生的概率,用于衡量关联规则的可信程度。频繁项集:指支持度大于等于最小支持度阈值的项集。

2024-02-26 07:55:42 1308

原创 K-Means 与 DBSCAN 算法

K-Means 算法是一种基于划分的聚类方法,其核心思想是以空间中的 k 个点为中心进行聚类。它通过迭代的方法,逐步更新各个聚类中心的值,直至得到最佳的聚类结果。DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一种具有噪声的基于密度的聚类方法。与 K-Means 不同,DBSCAN 将簇定义为密度相连的点的最大集合,能够将具有足够高密度的区域划分为簇,并且可以在噪声的空间数据库中发现任意形状的聚类。

2024-02-25 10:45:31 901 2

原创 支持向量机算法

支持向量机通过寻找一个最优的超平面来实现分类,该超平面能够将不同类别的数据点分开。在这个过程中,距离超平面最近的数据点被称为支持向量。如果数据是线性可分的,那么可以用一个超平面完美地将它们分开;但如果数据不是线性可分的,则需要使用核函数将数据映射到更高维的空间中。升维:通过将数据映射到高维空间来实现非线性变换。尽管这会增加计算复杂度,但核函数的展开定理可以巧妙地解决这个问题,使得计算复杂度并不会显著增加。

2024-02-25 09:48:15 1190 1

原创 docker常用命令及使用技巧

在使用 Docker 过程中,经常需要删除镜像或容器。在开始学习 Docker 常用命令之前,请确保已经正确安装了 Docker。

2024-02-24 20:28:04 373

原创 docker安装及使用说明

测试 Docker 是否安装正确。

2024-02-24 20:27:50 830

原创 [概念区分] 正则表达式与正则化

尽管它们都包含"正则"一词,但正则表达式和正则化是两个完全不同的概念。正则表达式用于文本处理和模式匹配,而正则化则是一种用于控制机器学习模型复杂度的技术。通过理解它们的区别和应用领域,我们可以更好地利用它们,从而更有效地处理文本和构建机器学习模型。

2024-02-23 14:28:28 579

原创 正则化概念及使用

这个额外的惩罚项通常与模型参数相关,迫使模型在学习过程中不仅要最小化预测误差,还要尽量减小这个惩罚项的值。为了找到最佳的模型参数,我们定义了一个损失函数(或成本函数),它度量了模型预测与真实标签之间的差异。然而,当模型过于复杂时,它可能会过度拟合训练数据,即在训练数据上表现很好,但在未见过的数据上表现不佳。通过了解正则化的原理和常用方法,我们可以更好地构建具有良好泛化能力的机器学习模型,从而在实际问题中取得更好的效果。值导致了更大的正则化惩罚,因此模型更倾向于选择较小的参数值,以减少过拟合的风险。

2024-02-23 14:26:38 600

原创 正则表达式基本概念

在文本 “hello helloworld” 中,第一个 “hello” 的前面和后面都是空格,因此符合边界条件,所以被匹配到了。因此,在文本 “hello helloworld” 中,第一个 “hello” 被匹配到了,而第二个 “hello” 也被匹配到了,因为它们都是 “hello” 子串。它的作用是将文本数据转换为稀疏矩阵,其中每一行表示一个文档,每一列表示一个单词,而矩阵中的元素则表示对应单词在文档中出现的次数。将会匹配 “hello”,但不会匹配 “hello” 前面或后面的字符。

2024-02-22 15:18:01 908

原创 逻辑回归算法概述

概述如何调用库函数选择适当的优化算法优化算法的作用逻辑回归 LogisticRegression 中优化算法的选择机器学习实战工具安装和使用逻辑回归是一种用于估计某种事物可能性的算法,可用于回归和分类任务。它通过历史数据的表现来预测未来结果的概率。回归分析描述自变量 ( x ) 和因变量 ( y ) 之间的关系,或者自变量 ( x ) 对因变量 ( y ) 的影响程度,并对因变量 ( y ) 进行预测。因变量是我们希望获得的结果,而自变量是影响结果的潜在因素。自变量可以是单个变量,也可以是多个变量。

2024-02-22 15:17:15 2150

原创 [前端开发] JavaScript ES6 新特性

ES6(ECMAScript 6)是JavaScript的一个版本,于2015年6月发布。它在语言层面上提供了许多新特性和语法糖,使得JavaScript编程更加方便和高效。下面我们来看看ES6带来的一些重要特性。let。

2024-02-21 10:30:21 449

原创 [前端开发] HTML CSS JavaScript 深入学习 - 防抖和节流

防抖和节流是前端开发中常用的性能优化方案,可以有效减少不必要的事件触发次数,提升页面性能和用户体验。熟练掌握防抖和节流的概念和实现原理,并在实际项目中灵活运用,将有助于提升前端开发效率和代码质量。

2024-02-21 08:00:00 817

原创 朴素贝叶斯算法

在实际应用中,朴素贝叶斯算法在垃圾邮件过滤中表现出色。它不仅准确率高,而且速度快,且对于处理大规模数据集时也能够保持良好的性能。同时,朴素贝叶斯算法对于缺失数据不太敏感,这在实际场景中也是非常有用的特性。综上所述,这三种朴素贝叶斯模型在运算速度复杂度和计算概率的方式上都有所不同,选择合适的模型应根据数据的特点和计算资源的限制来进行。朴素贝叶斯(NB)是一种基于贝叶斯定理与特征条件独立假设的分类算法。朴素贝叶斯算法简单易懂,其核心思想是假设在给定目标值时,各个属性之间相互独立。

2024-02-19 09:17:35 1200

原创 [前端开发] HTML CSS JavaScript 深入学习 - 定时器

定时器是 Web 开发中不可或缺的部分,它们为用户提供了与页面交互的方式,并且能够实现动态效果和定时任务。通过深入理解事件与定时器的原理和应用,可以更好地开发出功能丰富、交互性强的网页应用。

2024-02-19 08:00:00 549

原创 [前端开发] 常见的 HTML CSS JavaScript 事件

本文将介绍常见的 HTML、CSS、JavaScript 事件,以及事件对象和事件代理的概念。事件代理是一种将事件处理程序添加到一个父元素上,以处理其子元素的事件的技术。通过事件代理,可以实现更高效的事件管理,减少事件处理程序的数量。在 Web 开发中,事件是实现交互的关键,理解事件相关知识将有助于更好地处理用户与网页之间的交互行为。通过事件代理,我们可以在父元素上监听子元素的事件,从而简化代码并提高性能。鼠标事件是用户通过鼠标与页面元素交互时触发的事件。表单事件是用户在表单元素中输入时触发的事件。

2024-02-17 09:03:43 1354

原创 [前端开发] 常见的 HTML、CSS、JavaScript 事件代码示例

在学习 HTML、CSS 和 JavaScript 事件相关知识时,通过实际的代码示例能更直观地理解事件的应用和处理方法。通过以上代码示例,可以更加直观地了解 HTML、CSS 和 JavaScript 事件的使用方法,希望能够帮助大家更好地学习和理解事件相关知识。// mouseover事件示例。// mouseout事件示例。// keydown事件示例。// submit事件示例。// click事件示例。// keyup事件示例。"鼠标移入红色方块""鼠标移出红色方块"

2024-02-17 09:03:04 686

原创 [前端开发] CSS基础知识 [上]

层叠样式表(Cascading Style Sheets,缩写为 CSS)是一种样式表语言,用来描述 HTML 或 XML(包括如 SVG、MathML 或 XHTML 之类的 XML 分支语言)文档的呈现。CSS 描述了在屏幕、纸质、音频等其他媒体上的元素应该如何被渲染的问题。盒模型:指的是页面上的每个元素都是一个矩形盒子,这个盒子由。搭配使用, 针对你想要的所有标签使用。class="类名"

2024-02-16 09:45:10 859

原创 [前端开发] CSS基础知识 [下]

animation-play-state: 控制动画播放状态(running为播放, paused为停止)使元素从一种样式逐渐变化为另一种样式的效果。delay: 设置动画开始时间(延时)属性将动画应用到元素上。

2024-02-16 09:44:29 1028

原创 [前端开发] JavaScript基础知识 [上]

JavaScript是一种广泛应用于网页开发的脚本语言,具有重要的前端开发和部分后端开发的应用。通过JavaScript,可以实现网页的交互、动态效果和数据处理等功能。输出方式:alert、document.write和console.log的使用方法。基本数据类型:数值、字符串、布尔值、null和undefined。注释:单行注释、多行注释、HTML和CSS中的注释。语句:JavaScript程序的基本单位。合成类型(复合类型):对象的创建和使用。变量:声明、赋值和使用方法。引入网络来源文件的方法。

2024-02-15 09:33:15 860

原创 [前端开发] JavaScript基础知识 [下]

从原字符串取出子字符串并返回, 第一个参数表示子字符串的开始位置, 第二个参数表示结束位置(返回结果不包含该位置)从原字符串取出子字符串并返回, 第一个参数表示子字符串的开始位置, 第二个参数表示子字符串的长度(和。用于多个数组的合并,将新数组的成员添加到原数组成员的后部,然后返回一个新数组,原数组不变。用于删除数组的最后一个元素,并且返回被删除的元素(该方法会改变原数组)按照给定的规则分割字符串,返回一個由分割出來的字符串组成的数组。用于颠倒排列的数组元素,返回改变后的数组,该方法将改变原数组。

2024-02-15 09:32:27 912

原创 [前端开发] HTML基础知识与应用

HTML(HyperText Markup Language)是一种用于创建网页的标记语言。它由一系列标签组成,用于描述网页的结构和内容。HTML文档由多个HTML元素组成,这些元素可以是文本、图像、链接等。HTML标记语言告诉浏览器如何显示文本、图像和其他媒体内容。HTML5是HTML的最新版本,于2008年发布,引入了许多新的特性和语义化标签,以提供更丰富的用户体验和更好的搜索引擎优化。

2024-02-13 10:59:45 553

原创 [前端开发] HTML代码参考

标签定义,包含各种输入控件,如文本框、密码框和提交按钮等。标签组合构成,分别表示表格、行和单元格。属性指定链接的目标URL。属性定义图片的替代文本。属性指定图片的URL,HTML支持有序列表(

2024-02-13 10:59:20 493

原创 [日常使用] Anaconda常用命令

【代码】[日常使用] Anaconda常用命令。

2024-02-13 10:57:32 536 1

原创 [日常使用] Win + R

"Win + R"组合键用于打开Windows操作系统中的“运行”对话框。这个对话框允许用户通过键入特定的命令或程序名称来快速执行各种任务,如打开程序、文件、文件夹,访问网址等。通过使用这个组合键,用户可以更快速地访问和执行各种系统功能和操作。

2024-02-13 10:56:48 845 1

原创 dos和cmd

dos和cmd是两个不同的东西,cmd是Windows的一部分,而dos是一个独立的操作系统。

2024-02-12 13:53:54 1162 1

原创 [日常使用] Shell常用命令

Shell基础知识和常用命令

2024-02-12 13:49:00 2632 1

原创 [网站开发] 创建Vue3项目及错误解决

Node.js。

2024-02-11 11:58:13 822 1

原创 [数学建模] 计算差分方程的收敛点

差分方程描述的是在离散时间下系统状态之间的关系。与微分方程不同,差分方程处理的是在不同时间点上系统状态的变化。通常用来模拟动态系统,如在离散时间点上更新状态并预测未来状态。:在数学或计算中,收敛点指的是序列、函数或方程不断接近某个特定值或集合的点。当序列或函数的值趋于某个值或集合时,我们称该值或集合为收敛点。在计算中,收敛点表示在进行迭代或计算的过程中,值不再发生明显变化的点。:这指的是在迭代计算差分方程的过程中,找到一个稳定的值或一组值,这些值不再发生显著的变化。

2024-02-11 11:42:59 848 1

原创 决策树与随机森林算法

随机森林是由多棵决策树组成的集成模型,每棵决策树都是相对独立的。随机森林利用了决策树的基本思想,但通过引入随机性和集成学习的方法,进一步提升了模型的性能和稳定性。# 创建随机森林分类器随机森林是一种集成学习方法,它由多个决策树构成的分类器组成。每个决策树都是独立训练的,且它们之间相互独立,没有关联。在随机森林中,每棵决策树的训练数据是通过有放回抽样(bootstrap抽样)得到的,这意味着每棵树的训练数据集都是从原始数据集中随机抽取的,可能包含重复的样本,同时也可能有未被抽取的样本。

2024-02-10 22:01:12 2750 4

原创 PyTorch版本说明与安装

PyTorch的GPU版本依赖于CUDA加速,因此GPU必须支持CUDA才能使用GPU版本的PyTorch。

2024-02-08 21:12:38 1172

原创 K 近邻算法

尽管它们的计算方法和效率不同,但它们都遵循了KNN的基本原理,即通过测量样本点之间的距离来找到最近的邻居。在实际应用中,选择合适的算法通常取决于数据集的特征,以及对性能和内存的要求。这些K最近邻算法的本质都是基于计算样本点之间的距离,然后找到最近的邻居。K近邻算法(KNN):KNN表示K个最近的邻居的意思,即每个样本都可以用它最接近的K个邻居来代表。使用树形结构,通过在每个节点上选择一个维度进行划分,减少了距离计算的次数,适用于低维数据集。最简单直接的方法,计算每个点与所有其他点的距离,因此复杂度较高。

2024-02-05 17:59:48 793 1

原创 tensorflow安装版本问题

TensorFlow有时需要额外下载低版本的cuda,为了避免在本地下载多个版本的cuda造成混乱,可以利用Anaconda,在创建的TensorFlow的虚拟环境中下载对应版本的cuda和cudnn,这样就可以成功使用gpu,也不影响别的环境。

2024-01-22 18:02:35 522

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除