coding者在努力-CSDN博客

原创美赛数学建模速成二：时间序列回归预测模型详细讲解（超全面版本附代码示例）

时间序列预测模型选择指南本文针对美赛C题中的时间序列预测问题，提供了基于数据特征的模型选择框架和实现方法。根据数据量大小和特征，将预测模型分为三档：1) 数据极少(<15点)时使用灰色预测GM(1,1)；2) 中等数据量(>20点)且有明显周期性时采用Prophet；3) 大量数据(>1000点)且非线性强时使用LSTM。详细说明了各模型的适用条件、判别方法和Python实现模板，特别强调GM(1,1)的级比检验、Prophet的季节性处理以及ARIMA的平稳性检验。最后总结了常见错误及

2026-01-27 21:52:36 648

原创美赛数学建模速成二：模型选择和模型代码实现（超全面版本附代码示例）

数据随。

2026-01-27 21:45:26 648

原创美赛数学建模速成一:数据预处理部分(超全面版本附代码示例)

摘要：本文系统介绍了美赛C题数据预处理的五大关键技术：1）缺失值处理（删除、统计填充、插值、KNN填充）；2）异常值检测（3σ原则、箱线图法）；3）数据标准化（归一化、Z-score）；4）离散特征编码（标签编码、独热编码）；5）特征相关性筛选。针对时间序列、分类变量等不同场景，提供了Python代码模板和论文写作话术，强调通过合理预处理提升模型效果并满足评委对数据清洗逻辑的考察要求。文中特别推荐箱线图法处理异常值，插值法处理时间序列缺失值，并指出树模型可跳过标准化步骤。

2026-01-27 14:25:02 831

原创朴素贝叶斯分类算法演示讲解

本文介绍了朴素贝叶斯算法的核心思想与应用方法。该算法基于特征独立性假设，通过贝叶斯公式计算样本属于各类别的概率。重点讲解了拉普拉斯平滑处理零概率问题的方法，并通过一个6条样本的西瓜数据集进行实例演示。计算过程包括：统计基础数据、计算平滑后的先验概率和条件概率、比较最终得分。结果显示，测试样本被判定为"坏瓜"。文章总结出朴素贝叶斯解题的"三部曲"：先验概率平滑、条件概率平滑、连乘比较，为期末考试提供了实用的解题思路。

2026-01-19 11:32:12 998

原创大学期末考试之决策树(ID3,C4.5,Gini)计算演示流程

本文介绍了决策树ID3算法在考试中的重点考察内容，通过经典"打网球"数据集（14条样本）详细演示计算过程。数据集包含天气、温度、湿度和风速4个特征，目标为是否打球。文章重点解析了ID3算法的核心公式：信息熵、条件熵和信息增益的计算方法，并以寻找第一个分裂节点为例，逐步计算了各特征的信息增益（天气0.246、温度0.029、湿度0.151、风速待计算），说明如何选择最优分裂特征。特别强调考试中更注重计算过程和选点逻辑，而非代码实现。

2026-01-19 11:22:55 848

原创 SQL使用NOT EXITS实现全称量词查询(数据库查询所有)详细讲解和技巧总结

SQL全称量词查询技巧：通过双重否定实现"全部满足"的条件查询。核心逻辑是将"选修所有课程"转换为"不存在未选修的课程"。使用三层嵌套查询结构：外层筛选学生，中层遍历课程，内层验证选课记录。关键点在于利用NOT EXISTS检测缺失项，当且仅当找不到任何未选修课程时返回真值。该模板可灵活应用于各类"全集包含"查询，只需调整中层查询的条件即可改变比较范围。掌握这一技巧能有效解决SQL中缺乏直接全称量词支持的问题。

2026-01-17 20:15:27 927 1

原创关联规则之FP-growth算法求解频繁项集过程详解

FP-growth算法是一种高效挖掘频繁项集的方法，通过构建FP树压缩数据并递归挖掘。相比Apriori算法，它避免了候选项集爆炸问题，仅需扫描数据库两次。算法分为两个阶段：首先构建FP树（统计频率并建立树形结构），然后从项头表底部开始递归挖掘频繁项集。通过条件模式基和条件FP树，逐步找出所有满足最小支持度的项集组合。虽然算法逻辑较复杂，但能显著提高大数据集的处理效率。

2026-01-17 15:58:32 622

原创 ROC曲线的直观理解,看不懂来打我

ROC曲线直观理解：模型通过打分(0-100)区分好坏，好人(蓝山)和坏人(红山)分数分布决定曲线形状。移动"挡板"(阈值)从100到0分，记录抓坏人(TPR)与误抓好人(FPR)的动态平衡。曲线越凸向左上角，说明模型区分能力越强(两座山分离)；对角线表示随机猜测。ROC曲线可视化模型"用最小误伤代价换取最大抓捕效果"的能力，靠近左上角代表优秀模型。

2026-01-16 17:09:55 534

原创深度学习核心技巧

深度学习核心技巧总结：权重衰减：通过L2正则化控制模型复杂度，防止过拟合，优化器中设置weight_decay参数 Dropout：随机丢弃神经元实现隐式模型集成，PyTorch中通过nn.Dropout层实现数值稳定：使用ReLU族激活函数避免梯度消失梯度裁剪(clip_grad_norm_)防止梯度爆炸残差连接和批量归一化改善深层网络训练权重初始化： Xavier初始化配合Sigmoid/Tanh He初始化适配ReLU族正交初始化适合RNN结构（98字）这些技术共同构成了深度学习模型

2025-08-20 10:27:40 1132

原创《从零到专家：PyTorch自定义网络层的完整实现指南与最佳实践》

PyTorch自定义层开发指南摘要：本文详细介绍了PyTorch中自定义神经网络层的实现方法。主要内容包括：1) 使用nn.Module基类创建自定义层，重点讲解了参数注册（nn.Parameter）、缓冲区注册（register_buffer）和子模块添加；2) 参数初始化最佳实践，推荐使用reset_parameters方法进行标准化初始化；3) forward方法实现原则，包括设备一致性处理和避免原地操作；4) 通过extra_repr方法自定义层表示；5) 展示了完整的自定义线性层实现示例；6)

2025-08-20 10:15:33 913

原创从零开始：用PyTorch实现线性回归模型

本文介绍了使用PyTorch实现线性回归模型的完整流程。线性回归是机器学习的基础算法，通过建立特征与目标变量之间的线性关系进行预测。文章首先阐述了线性回归的数学原理，包括模型公式、损失函数（均方误差）和梯度下降优化算法。随后解释了选择PyTorch框架的优势：自动微分、GPU加速和模块化设计。实现步骤包括数据准备（生成带噪声的模拟数据）、模型定义、损失函数与优化器配置、以及训练循环构建。文章提供了详细的代码实现，包含数据生成器、模型定义、损失计算和随机梯度下降优化器，并解释了每个组件的功能。通过这个简单的实

2025-08-13 10:44:44 351

原创 Python2025高阶知识点详细教程.

本文介绍了Python高级编程的核心知识体系，重点涵盖序列操作与函数式编程、装饰器与元编程两大领域。在序列操作部分，详细讲解了高级排序技巧（包括sorted()与list.sort()的对比、复合排序和自定义排序）、zip的高级用法（逆向解包、缺失值填充和多序列处理）以及enumerate的高级应用（多级枚举和索引过滤）。在装饰器与元编程部分，深入探讨了装饰器工厂模式（创建可配置装饰器）和描述符协议（实现属性类型验证）。全文通过大量实用代码示例，展示了Python进阶编程技巧在真实场景中的应用，为开发者从进

2025-08-11 09:44:02 1122

原创 Python入门学习笔记,2025最新Python详细教程,(代码示例讲解)

Python 是一种高级解释型编程语言，具有简洁易读的语法和丰富的标准库/第三方库支持。本学习笔记涵盖Python基础语法、数据类型、运算符、字符串处理、输入输出等核心概念，特别介绍了if判断语句、while/for循环结构以及函数定义方法。Python采用缩进来划分代码块，使用def定义函数，支持多种数据类型转换和格式化输出（如f-string）。学习建议包括：遵循PEP8规范、使用文档字符串、合理使用调试技巧，并提供了官方文档和PyPI作为参考资料。注意Python 2.x已停止维护，建议使用Pytho

2025-08-11 09:23:26 634

原创 JDBC教程,2025版最新讲解.超详细入门教程

本文系统梳理了JDBC核心技术，涵盖从基础连接到高级应用的完整知识体系。主要内容包括： JDBC架构与核心接口（DriverManager、Connection、Statement等）连接获取的两种方式（DriverManager自动注册与DataSource连接池） SQL执行三大组件（Statement、PreparedStatement、CallableStatement）及其安全性与性能对比结果集处理与事务控制（ResultSet导航、批处理优化、事务管理）元数据操作与异常处理机制连接池使用

2025-07-26 19:45:00 636

原创 MySQL教程2025最新版,超详细语法讲解

本文详细介绍了MySQL的基本语法操作，分为三大类：DDL（数据库/表操作）、DML（数据增删改）和DQL（数据查询）。主要内容包括：数据库操作：创建/删除数据库（create/drop database）查看/切换数据库（show/use database）数据库重命名需通过导出导入实现数据表操作：创建/删除表（create/drop table）查看表结构（desc/show tables）修改表结构（alter table）数据类型详解：数值类型（INT, DECIMAL等）日期

2025-07-23 19:45:00 996

原创将CSDN优质博客导出为.md(Markdown)到本地学习

本文介绍将CSDN博客导出为Markdown格式的方法：1）F12打开开发者工具；2）搜索"article_content"定位内容；3）复制div的outerHTML；4）使用HTML to md工具转换格式。该方法可方便地将优质CSDN博客保存到本地学习修改，操作简单实用。

2025-07-20 08:15:00 499

原创 Floyd算法详解

本文介绍了Floyd算法在求解最短路径问题中的应用。该算法适用于带权有向图和无向图（包含负权值但不含负环），能够计算任意两点间的最短距离。其核心思想是通过枚举所有可能的中间节点作为"跳板"，检查是否能够缩短两点间距离，时间复杂度为O(n³)。文章以牛勒比海寻宝问题为例，展示了如何使用Floyd算法求解必须经过特定岛屿序列时的最小危险指数路径。通过预处理所有岛屿间的最短路径，再累加给定序列相邻岛屿间的最短距离，即可得到最优解。示例代码实现了这一算法流程。

2025-06-14 15:09:36 695

原创 Bellman-Ford算法(详解版)

Bellman-Ford算法是解决带负权图的单源最短路径问题的经典算法。该算法通过V-1轮边松弛操作来确定最短路径，时间复杂度为O(VE)。其核心思路是：每轮遍历所有边，若能通过某条边缩短路径则更新距离值。算法还可检测负权环：若完成V-1轮松弛后仍能继续优化，则存在负环。SPFA是对Bellman-Ford的队列优化，只考察被松弛点连接的边，提升了效率。注意区分检测从源点可达的负环和全图负环的不同方法，后者需引入虚拟源点。该算法弥补了Dijkstra无法处理负权图的缺陷，是图论中的重要基础算法。

2025-06-14 14:44:09 858

原创高级数据结构与算法期末考试速成记录2

本文介绍了三种动态规划经典问题：凸多边形最优三角剖分、石子合并和多边形游戏。对于凸多边形三角剖分，通过分割成子问题求解最小权值之和；石子合并问题采用区间DP，通过前缀和优化计算相邻堆合并的最小代价；多边形游戏则扩展了石子合并的思路，处理环形结构和运算符组合，同时记录最大值和最小值。三种问题都体现了动态规划分解子问题、存储中间结果的核心理念，其中多边形游戏还需特殊处理负数和乘法带来的数值变化。代码示例展示了这些算法的具体实现。

2025-06-07 21:03:56 1147

原创高级数据结构与算法期末考试速成记录

本文总结了高级数据结构与算法的三个核心知识点：分治算法与Master公式：介绍了用于求解分治递归时间复杂度的主定理公式，并给出了快速排序划分部分的代码实现。最近点对问题：通过分治策略将点集不断划分，结合鸽舍定理优化计算，最终在合并阶段高效求解平面最近点对距离。动态规划应用：数字三角形问题：从底部向上递推，使用空间压缩优化存储；矩阵连乘问题：通过最优子结构性质，建立状态转移方程求解最小乘法次数。文章提供了各算法的理论分析和完整代码实现，适用于期末复习速成。

2025-05-30 21:50:42 762

原创骰子游戏(2023睿抗省赛)

题目描述了一个骰子游戏，玩家需要投掷5个标准六面骰子，根据点数组合获得不同的“获胜等级”。玩家可以选择任意数量的骰子重投一次，目标是最大化获得比当前等级更好的获胜等级的概率。输入包含多组数据，每组数据为5个骰子的点数，输出需要重投的骰子数量以及获得更好等级的概率的最简分数。解题思路是通过枚举所有可能的骰子重投组合（共32种），对每种组合进行深度优先搜索（DFS）枚举所有可能的重投结果，统计其中严格优于当前等级的次数，计算概率并选择最优方案。最终输出重投骰子数量及概率的最简分数。代码实现中，首先定义了一个

2025-05-22 13:52:30 1517

原创工作安排小K

本文讨论了如何为小 K 规划工作以最大化报酬的问题。每项工作有固定的时间需求、截止时间和报酬。首先，提出了递归解决方案，通过贪心策略选择最早截止的工作，并考虑做与不做的收益。接着，介绍了动态规划方法，定义状态 dp[i][j] 表示前 i 项工作在时间 j 内的最大报酬，并通过状态转移方程进行优化。最后，提供了代码实现，并建议使用 #pragma optimize(2) 来提升性能。

2025-05-21 21:30:42 916