Aurora_Cruiser的博客

一个Fold被用作验证集，其余的K-1个Fold被用作训练集。该技术重复K次，直到每个Fold都被用作验证集，其余的作为训练集。K-折交叉验证的变种， 分层的意思是说在每一折中都保持着原始数据中各个类别的比例关系，比如说：原始数据有3类，比例为1:2:1，采用3折分层交叉验证，那么划分的3折中，每一折中的数据类别保持着1:2:1的比例，这样的验证结果更加可信。比如在KNN算法中，k是一个可以人为设置的参数，所以就是一个超参数。说明:普通K折交叉验证和分层K折交叉验证的使用代码是一样的 只是引入的类不同。

K-近邻算法（K-Nearest Neighbors，简称KNN）,根据K个邻居样本的类别来判断当前样本的类别。如果一个样本在特征空间中的k个最相似(最邻近)样本中的大多数属于某个类别，则该类本也属于这个类别。用KNN算法对鸢尾花进行分类。

PySimpleGUI 是一个用于简化 GUI 编程的 Python 包，它封装了多种底层 GUI 框架（如 tkinter、Qt、WxPython 等），提供了简单易用的 API。PySimpleGUI 包含了大量的控件（也称为小部件或组件），这些控件可以帮助你快速构建用户界面。是一个用于连接 MySQL 数据库的纯 Python 实现。它允许 Python 程序与 MySQL 数据库进行交互，执行 SQL 查询，并处理结果集。

face_recognition 介绍face_recognition 是一个非常流行的 Python 库，专门用于人脸识别任务。它基于 dlib 库和 HOG（Histogram of Oriented Gradients）特征以及深度学习模型，提供了简单易用的接口来进行人脸检测、面部特征点定位和人脸识别。face_recognition 库由 Adam Geitgey 开发，旨在简化人脸识别任务，使其更加容易上手。主要功能 人脸检测： 检测图像中的人脸位置。 支持

在计算机视觉和图像处理领域，图像预处理是一个重要的步骤，它能够提高后续处理（如特征提取、目标检测等）的准确性和效率。OpenCV 提供了许多图像预处理的函数和方法，以下是一些常见的图像预处理操作：图像空间转换图像大小调整图像仿射变换图像翻转图像裁剪图像二值化处理图像去噪边缘检测图像平滑处理图像形态学。

OpenCV其实就是一堆C和C++语言的源代码文件,这些源代码文件中实现了许多常用的计算机视觉算法。OpenCV的全称是Open Source Computer Vision Library,是一个开放源代码的计算机视觉库OpenCV最初由英特尔公司发起并开发,以BSD许可证授权发行,可以在商业和研究领域中免费使用,现在美国Willow Garage为OpenCV提供主要的支持OpenCV可用于开发实时的图像处理,计算机视觉以及模式识别程序,目前在工业界以及科研领域广泛采用。

数据结构是计算机科学中的一个核心概念，它是指数据的组织、管理和存储方式，以及数据元素之间的关系。数据结构通常用于允许高效的数据插入、删除和搜索操作。：数组、链表、栈、队列等。：树、二叉树、堆、图等。：哈希表。：B树、B+树等。

重置索引（reindex）可以更改原 DataFrame 的行标签或列标签，并使更改后的行、列标签与 DataFrame 中的数据逐一匹配。reindex_like 方法用于将一个 DataFrame 或 Series 的索引重新排列，使其与另一个 DataFrame 或 Series 的索引相匹配。'right'：右连接，返回右侧 DataFrame 的所有键，以及左侧 DataFrame 匹配的键。'left'：左连接，返回左侧 DataFrame 的所有键，以及右侧 DataFrame 匹配的键。

Pandas 是一个开源的第三方 Python 库，从 Numpy 和 Matplotlib 的基础上构建而来Pandas 名字衍生自术语 "panel data"（面板数据）和 "Python data analysis"（Python 数据分析）Pandas 已经成为 Python 数据分析的必备高级工具，它的目标是成为强大、灵活、可以支持任何编程语言的数据分析工具Pandas 是 Python 语言的一个扩展程序库，用于数据分析。

Matplotlib 库：是一款用于数据可视化的 Python 软件包，支持跨平台运行，它能够根据 NumPy ndarray 数组来绘制 2D 图像，它使用简单、代码清晰易懂。Matplotlib 图形组成：Figure：指整个图形，您可以把它理解成一张画布，它包括了所有的元素，比如标题、轴线等Axes：绘制 2D 图像的实际区域，也称为轴域区，或者绘图区Axis：指坐标系中的垂直轴与水平轴，包含轴的长度大小（图中轴长为 7）、轴标签（指 x 轴，y轴）和刻度标签。

广播（Broadcast）是 numpy 对不同形状（shape）的数组进行数值计算的方式， 对数组的算术运算通常在相应的元素上进行。这要求维数相同，且各维度的长度相同，如果不相同，可以通过广播机制，这种机制的核心是对形状较小的数组，在横向或纵向上进行一定次数的重复，使其与形状较大的数组拥有相同的维度。维度匹配：如果两个数组的维度数不同，维度数较少的数组会在前面补上长度为 1 的维度。长度匹配：如果两个数组在某个维度上的长度不同，但其中一个数组在该维度上的长度为 1，则该数组会沿着该维度进行广播。

NumPy 的全称是“ Numeric Python”，它是 Python 的第三方扩展包，主要用来计算、处理一维或多维数组在数组算术计算方面， NumPy 提供了大量的数学函数NumPy 的底层主要用 C语言编写，因此它能够高速地执行数值计算NumPy 还提供了多种数据结构，这些数据结构能够非常契合的应用在数组和矩阵的运算上。

需要注意圆括号中父类的顺序，若是父类中有相同的方法名，而在子类使用时未指定，python从左至右搜索 即方法在子类中未找到时，从左到右查找父类中是否包含方法。覆盖是指在有继承关系的类中，子类中实现了与基类同名的方法,在子类的实例调用该方法时，实际调用的是子类中的覆盖版本,这种现象叫覆盖。多态是指在有继承/派生关系的类中，调用基类对象的方法,实际能调用子类的覆盖方法的现象叫多态。继承是从已有的类中派生出新的类，新类具有原类的数据属性和行为，并能扩展新的能力。在不改变基类的代码的基础上改变原有类的功能。

类是创建对象的 ”模板”。数据成员：表明事物的特征。相当于变量方法成员：表明事物的功能。相当于函数通过class关键字定义类。class 类名 (继承列表):实例属性(类内的变量) 定义实例方法(类内的函数method) 定义类变量(class variable) 定义类方法(@classmethod) 定义静态方法(@staticmethod) 定义class Dog: # 定义一个Dog类pass​​类的创建的说明:类名必须为标识符(与变量的命名相同,建议首字母大写)

浅拷贝只是复制了对象的引用，并不是复制对象本身，和原对象共用内存，而深拷贝会生成一个新对象，与原对象互不影响。

设 A 是一个 m×n 的矩阵，B 是一个 n×p 的矩阵，那么它们的乘积 C=A×B 是一个 m×p 的矩阵，其中 C 的第 i 行第 j 列的元素定义为：其中是矩阵 A 的第i行第 k 列的元素，是矩阵 B 的第 k 行第j 列的元素。

以3阶行列式为例：从上述公式可以看出：3阶行列式按行展开后为6项，每项为3个不同行不同列的3个元素相乘aij元素的行标i都是123的自然排列aij元素列标j则为：123、231、312、321、213、132，总数为3!=6分别计算列标排列的逆序数：N(123) = 0 偶数N(231) = 1 + 1 = 2 偶数N(312) = 2 偶数N(321) = 2 + 1 = 3 奇数N(213) = 1 奇数N(132) = 1 奇数。

事件可以定义为随机变量取特定值的集合。一般用{X=k}表示。例如，如果随机变量 X 表示掷骰子的结果，那么事件 "掷得奇数" 可以表示为 {X=1} 或 {X=3}或 {X=5}。

事件是指在某个试验或观察中可能发生的结果或结果的集合。是样本空间的一个子集，可以包含一个或多个样本点，也可以是整个样本空间。事件用大写字母，如 A，B，C 等表示。基本事件是指试验中不可再分的最简单的事件。每个基本事件代表一个单一的可能结果。例子：抛一枚硬币：基本事件是“正面”和“反面”。掷一个六面骰子：基本事件是“1点”、“2点”、“3点”、“4点”、“5点”和“6点”。复合事件是由多个基本事件组合而成的事件。复合事件代表多个可能结果的集合。例子：抛两枚硬币：复合事件可以是“至少一个正面”，这个事件包含“

定积分表示函数 f(x)在区间 [a,b]上的累积效应或面积。分割区间： 将区间 [a,b]分割成 n 个小区间，每个小区间的长度为 Δxi，其中，且。取样本点： 在每个小区间内取一个样本点。构造黎曼和： 构造黎曼和，表示函数 f(x) 在区间 [a,b]上的近似累积效应或面积。取极限。