- 博客(54)
- 收藏
- 关注
RSS订阅原创 JavaScript之DOM总结笔记
1. DOM 简介1.1 什么是 DOM文档对象模型（Document Object Model，简称 DOM），是 W3C 组织推荐的处理可扩展标记语言（HTML或者XML）的标准编程接口。W3C 已经定义了一系列的 DOM 接口，通过这些 DOM 接口可以改变网页的内容、结构和样式。1.2 DOM 树文档：一个页面就是一个文档，DOM 中使用 document 表示元素：页面中的所有标签都是元素，DOM 中使用 element 表示节点：网页中的所有内容都是节点（标签、属性、
2021-12-11 21:30:42
589
原创 JavaScript之BOM总结笔记
1. BOM 概述1.1 什么是 BOMBOM（Browser Object Model）即==浏览器对象模型，它提供了独立于内容而与浏览器窗口进行交互的对象==，其核心对象是 window。BOM 由一系列相关的对象构成，并且每个对象都提供了很多方法与属性。BOM 缺乏标准，JavaScript 语法的标准化组织是 ECMA，DOM 的标准化组织是 W3C，BOM 最初是Netscape 浏览器标准的一部分。1.2 BOM 的构成BOM 比 DOM 更大，它包含 DOM。**windo
2021-12-09 00:05:40
1011
原创 Java基础知识点回顾
记录一下`最基础`和`不太熟悉的`java的知识点1 Java 基本数据类型Java中基本数据类型包括以下八种1、整型byte 、short 、int 、long2、浮点型float 、 double3、字符型char4、布尔型boolean2 java的变量1. 变量的类型java有三类变量，分别是：类变量：独立于方法之外的变量，用 static 修饰。实例变量：独立于方法之外的变量，不过没有 static 修饰。局部变量：类的方法中的变量。实例如下pub
2021-07-11 10:00:34
217
原创 pytorch基础回顾_pytorch搭建两层神经网络的几种方式(numpy搭建-pytorch搭建-快速搭建)
import torchimport numpy as npnumpy实现两层神经网络# N = 64 : 64个输入数据# D_in = 1000 : 每个数据都是1000维的# H : 隐藏层是100维的# D_out : 输出时10维的N,D_in,H,D_out = 64,1000,100,10# 随机创建一些训练数据x = np.random.randn(N,D_in)y = np.random.randn(N,D_out)w1 = np.random.randn(D_
2021-07-09 17:00:37
434
原创 pytorch基础回顾_(torch的定义、构建、运算、转换等)
import torchimport numpy as np矩阵torch的构建1.empty()初始化一个5*3的矩阵x = torch.empty(5,3)x # 和视频中讲的不一样了,这里初始化为了全0的矩阵tensor([[0., 0., 0.], [0., 0., 0.], [0., 0., 0.], [0., 0., 0.], [0., 0., 0.]])2. rand()随机初始化一个5*3矩阵x = tor
2021-07-09 16:53:27
315
原创 Django_2:快速搭建一个简单的文章发布网站(下)
安装一些应用安装suppervisor需要在虚拟环境外安装sudo apt install supervisor -y 安装gunicorn在虚拟环境中安装pip install gunicorn使用起来比uwsgi方便MyWeb文件夹下新建gunicorn_start.sh并修改其内容#!/bin/bashNAME="MyBlog"DJANGODIR=/home/hadoop01/Desktop/DjangoDev/www/MyBlog #Django proj
2021-06-21 21:44:35
180
原创 Django_2:快速搭建一个简单的文章发布网站
前端页面的设置1. 打开宝塔界面,点击左侧 网站 -> 添加站点2.域名设置为host名: 例 192.168.19.1423. 根目录选择到 /home/Desktop/DjangoDev下面 新建文件夹www,进入后新建文件夹MyBlog,点击选择4. 点击网站名(宝塔界面->左侧 网站 -> 点击 网站名192.168.19.142),弹出一下界面 表示创建成功vscode 操作1. 连接192.168.19.1422. Djangodev目录下,切换到虚拟
2021-06-20 20:02:55
749
原创 动手学数据分析_第二章:第三节:数据可视化
**复习：**回顾学习完第一章，我们对泰坦尼克号数据有了基本的了解，也学到了一些基本的统计方法，第二章中我们学习了数据的清理和重构，使得数据更加的易于理解；今天我们要学习的是第二章第三节：数据可视化，主要给大家介绍一下Python数据可视化库Matplotlib，在本章学习中，你也许会觉得数据很有趣。在打比赛的过程中，数据可视化可以让我们更好的看到每一个关键步骤的结果如何，可以用来优化方案，是一个很有用的技巧。2 第二章：数据可视化开始之前，导入numpy、pandas以及matplotlib包和数据
2021-06-19 15:26:51
346
原创 动手学数据分析_第二章:第二节:数据重构
复习：在前面我们已经学习了Pandas基础，第二章我们开始进入数据分析的业务部分，在第二章第一节的内容中，我们学习了数据的清洗，这一部分十分重要，只有数据变得相对干净，我们之后对数据的分析才可以更有力。而这一节，我们要做的是数据重构，数据重构依旧属于数据理解（准备）的范围。开始之前，导入numpy、pandas包和数据# 导入基本库import pandas as pdimport numpy as np# 载入data文件中的:train-left-up.csvdf = pd.read_cs
2021-06-19 15:19:40
269
原创 动手学数据分析_第二章:第一节:数据清洗及特征处理
之前关于数据分析的学习是用到什么查阅什么,没有系统的学习过,最近通过这个机会,再复习下关于之前学过的数据分析的一些知识,并完善一些数据分析的方法.最近一系列的数据分析的内容来源于DataWhale开源.涉及到的数据集等可从github(https://github.com/datawhalechina/hands-on-data-analysis)上获取到.【回顾&引言】前面一章的内容大家可以感觉到我们主要是对基础知识做一个梳理，让大家了解数据分析的一些操作，主要做了数据的各个角度的观察。那么.
2021-06-17 21:37:13
333
1
原创 Django搭建网站的个人笔记记录
Python基础-1. 关于字典的循环2 元组和列表.元组不可以进行更改列表可以进行增删改等操作增加 :insert()、 append()， 其中insert()可以自定义插入的位置修改:若对列表中没有的key值进行修改,会默认添加上这个key-value对3 删除remove() 和 pop()pop()删除时会有个返回值,即删除的值,remove()无返回值,默认为None前端基础HTML的一些标签p标签 ： 段落标签表单table tr td ：
2021-06-16 10:53:35
294
2
原创 动手学数据分析简单总结
之前关于数据分析的学习是用到什么查阅什么,没有系统的学习过,最近通过这个机会,再复习下关于之前学过的数据分析的一些知识,并完善一些数据分析的方法.最近一系列的数据分析的内容来源于DataWhale开源.涉及到的数据集等可从github(https://github.com/datawhalechina/hands-on-data-analysis)上获取到.该文档简单记录了每个小节学习了什么知识点，详细内容整理在了各个标题的链接上面(就是对开源文档进行了填空并记录了一些自己的小测试)动手学数据分析_.
2021-06-15 17:33:17
209
1
原创 动手学数据分析_第一章:第三节:探索性数据分析
之前关于数据分析的学习是用到什么查阅什么,没有系统的学习过,最近通过这个机会,再复习下关于之前学过的数据分析的一些知识,并完善一些数据分析的方法.最近一系列的数据分析的内容来源于DataWhale开源.涉及到的数据集等可从github(https://github.com/datawhalechina/hands-on-data-analysis)上获取到.复习：在前面我们已经学习了Pandas基础，知道利用Pandas读取csv数据的增删查改，今天我们要学习的就是探索性数据分析，主要介绍如何利用Pa.
2021-06-14 14:20:06
500
原创 动手学数据分析_第一章:第二节：Pandas基础
之前关于数据分析的学习是用到什么查阅什么,没有系统的学习过,最近通过这个机会,再复习下关于之前学过的数据分析的一些知识,并完善一些数据分析的方法.最近一系列的数据分析的内容来源于DataWhale开源.涉及到的数据集等可从github(https://github.com/datawhalechina/hands-on-data-analysis)上获取到.复习：数据分析的第一步，加载数据我们已经学习完毕了。当数据展现在我们面前的时候，我们所要做的第一步就是认识他，今天我们要学习的就是了解字段含义以及.
2021-06-14 14:03:26
367
原创 动手学数据分析_第一章:第一节:数据载入及初步观察
之前关于数据分析的学习是用到什么查阅什么,没有系统的学习过,最近通过这个机会,再复习下关于之前学过的数据分析的一些知识,并完善一些数据分析的方法.最近一系列的数据分析的内容来源于DataWhale开源.涉及到的数据集等可从github(https://github.com/datawhalechina/hands-on-data-analysis)上获取到.复习:这门课程得主要目的是通过真实的数据，以实战的方式了解数据分析的流程和熟悉数据分析python的基本操作。知道了课程的目的之后，我们接下来我们.
2021-06-14 13:49:52
374
原创 修改数据库字符集编码为utf8
在创建数据库的时候,忘记设置charset=utf8,防止日后出错,记录下修改1.可以先查看下数据库的默认字符集编码show variables like '%character%';可以看到,默认是latin12.可以修改这个默认字符集编码set character_set_server=utf8;修改后再次查看如下3.修改某个数据库的字符集编码alter database 数据库名 character set utf8;例:...
2021-05-19 10:35:38
9966
原创 二手车价格预测task05:模型融合
二手车价格预测(河北邀请赛)task05:模型融合模型融合的目标对于多种调参完成的模型进行模型融合。完成对于多种模型的融合，提交融合结果并打卡。import numpy as npimport pandas as pdfrom sklearn import metricsfrom sklearn import linear_model1. 内容介绍模型融合是比赛后期一个重要的环节，大体来说有如下的类型方式。简单加权融合:回归（分类概率）：算术平均融合（Arithme
2021-04-23 13:32:39
493
转载 二手车价格预测task04:建模调参
二手车价格预测task04:建模调参学习了pandas中的dropna()函数和np.dropna()函数学习了pandas的quantile函数敲代码其他待整理以下是代码示例import pandas as pdimport numpy as npimport warningswarnings.filterwarnings('ignore')1.读取数据定义一个节省内存空间的函数def reduce_mem_usage(df): """ iterate thr
2021-04-22 20:59:29
174
原创 pandas的quantile函数
pandas的quantile函数quantile : 分位数的意思一般为 0.25 0.5 0.75分位数中数值的计算方法设分位数为p : 分位数的值 = 1 + (n - 1) * p, n为数值的个数看下面示例的计算# quantile函数DataFrame.quantile(q=0.5, axis=0, numeric_only=True, interpolation=’linear’)参数意义q : 数字或者是类列表，范围只能在0-1之间，默认是0.5，即中位数-
2021-04-22 20:42:40
19156
原创 pandas中的dropna()函数和np.dropna()函数
dropna()函数参数：axis: default 0指行,1为列,默认为0how: {‘any’, ‘all’},‘any’指带缺失值的所有行;'all’指清除全是缺失值的,默认是anythresh: int,保留含有int个非空值的行subset: 对特定的列进行缺失值删除处理inplace: 这个很常见,True表示直接在原数据上更改简例data.dropna(how = ‘all’) # 丢弃全为缺失值的那些行data.dropna(axis
2021-04-22 20:41:14
3118
原创 二手车价格预测task03:特征工程
二手车价格预测task03:特征工程1.学习了operator模块operator.itemgetter()函数2.学习了箱线图3.了解了特征工程的方法 (内容介绍)4.敲代码学习,加注解以下是代码代码示例1.导入数据import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsimport warningswarnings.filterwarnings('ign
2021-04-19 21:31:24
197
原创 sns.boxplot()简单用法
sns.boxplot()箱形图（Box-plot）：又称为盒须图、盒式图或箱线图，是一种用作显示一组数据分散情况资料的统计图。它能显示出一组数据的最大值、最小值、中位数及上下四分位数#参数如下：seaborn.boxplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, orient=None, color=None, palette=None, saturation=0.75, width=0.8,
2021-04-19 21:21:48
28823
原创 operator.itemgetter()用法
operator中的itemgetter函数from operator import itemgetter该函数的作用是获取对象的某个/些维度的数据,默认将对象的维度看为1维该函数的使用方法:1 . 定义一个itemgetter函数,并指定获取某个对象中哪些维度的值2 . 用定义好的函数作用于对象示例图下# 定义1个1维列表和1个二维列表a = [1,2,3]b = [[1,2,3],[4,5,6],[7,8,9]]# 定义itemgetter函数,获取a、b中的第0维的数
2021-04-19 20:31:55
958
原创 python中的operator.itemgetter函数
from operator import itemgetter该函数的作用是获取对象的某个/些维度的数据,默认将对象的维度看为1维该函数的使用方法:1 . 定义一个itemgetter函数,并指定获取某个对象中哪些维度的值2 . 用定义好的函数作用于对象示例如下# 定义1个1维列表和1个二维列表a = [1,2,3]b = [[1,2,3],[4,5,6],[7,8,9]]# 定义itemgetter函数,获取a、b中的第0维的数据get = itemgetter(0)p
2021-04-17 19:36:04
796
原创 二手车价格预测task02:数据探索性分析
task02学习了数据的分析画图学习了sns.pairplot()用法学习了sns.distplot()方法的使用敲了一遍task数据分析,加了些注释说明删除了两个类别特征异常的列和是三个和price相关性非常的列后进行预测,结果如图,效果并没有提高.应该做进一步的处理和特征工程(task03)以下是按照教程进行数据分析的过程# 导包import warningswarnings.filterwarnings('ignore') import p.
2021-04-16 23:04:39
276
原创 sns.pairplot()用法
Loading [MathJax]/extensions/Safe.jssns.pairplot()用来展示两两特征之间的关系import pandas as pdfrom sklearn import datasetsimport seaborn as snsimport matplotlib.pyplot as plt%matplotlib inlinesns.set_style(‘white’,{‘font.sans-serif’:[‘simhei’,‘Arial’]}) #解决中文
2021-04-16 18:42:35
33523
2
原创 二手车价格预测task01:赛题理解和baseline实现
task01进行了完成了赛题的理解和bsaeline的实现,通过对数据的简单分析,以及用所有的数据在没有任何处理的情况下通过LGB和XGB将得到的结果进行提交得分379.5001,目前排名64。下一步会进行数据分析和特征工程,对数据做进一步的处理来提高训练和测试的效果。第一次参加比赛，通过后续学习争取排到第一页.[滑稽]赛题理解1.赛题概况比赛要求参赛选手根据给定的数据集，建立模型，二手汽车的交易价格。赛题以预测二手车的交易价格为任务，数据集报名后可见并可下载，该数据来自某交易平台的二手车交易记录，
2021-04-13 22:03:16
522
1
原创 剑指offer 52:两个链表的第一个公共节点 -- java、python实现
题目剑指offer 52: 两个链表的第一个公共节点输入两个链表，找出它们的第一个公共节点。如下面的两个链表：在节点 c1 开始相交。示例 1：输入：intersectVal = 8, listA = [4,1,8,4,5], listB = [5,0,1,8,4,5], skipA = 2, skipB = 3输出：Reference of the node with value = 8输入解释：相交节点的值为 8 （注意，如果两个列表相交则不能为 0）。从各自的表头开始算起，链表
2021-04-11 14:00:01
132
原创 剑指offer 35:复杂链表的复制 -- java、python实现
题目剑指offer 35.复杂链表的复制请实现 copyRandomList 函数，复制一个复杂链表。在复杂链表中，每个节点除了有一个 next 指针指向下一个节点，还有一个 random 指针指向链表中的任意节点或者 null。示例 1：输入：head = [[7,null],[13,0],[11,4],[10,2],[1,0]]输出：[[7,null],[13,0],[11,4],[10,2],[1,0]]示例 2：输入：head = [[1,1],[2,1]]输出：[[1,
2021-04-11 13:10:30
164
原创 剑指offer 24:链表反转 -- java、python实现
题目剑指offer 24.反转链表定义一个函数，输入一个链表的头节点，反转该链表并输出反转后链表的头节点。示例:输入: 1->2->3->4->5->NULL输出: 5->4->3->2->1->NULL题解法1 – java、python实现使用两个指针迭代遍历过程java实现/** * Definition for singly-linked list. * public class ListNode {
2021-04-10 21:26:32
87
原创 ＜从零开始pytorch＞:04-torch卷积神经网络搭建(巨详细总结)
构建卷积神经网络卷积神经网络中的输入层与传统的神经网络有些区别,需要重新设计,训练模块基本一致1.读取数据1.dataset --> DataLoader构建batch数据 - 既然是构建batch数据,故需要batch_size参数2.搭建模型 - 1.是个类 - 2.定义__init__()函数 - 1.继承父类 - 2.定义用到的层 self.XXX = XXX 格式 - 3.forward(self,x)函数中调用__init__()函数中定义好
2021-04-10 19:47:53
832
原创 剑指offer 22:链表中倒数第k个节点 -- java、python实现
题目剑指offer 22. 链表中倒数第k个节点输入一个链表，输出该链表中倒数第k个节点。为了符合大多数人的习惯，本题从1开始计数，即链表的尾节点是倒数第1个节点。例如，一个链表有 6 个节点，从头节点开始，它们的值依次是 1、2、3、4、5、6。这个链表的倒数第 3 个节点是值为 4 的节点。示例：给定一个链表: 1->2->3->4->5, 和 k = 2.返回链表 4->5.题解法1 – java实现1.遍历1遍链表,记住有多个元素2.再次
2021-04-10 11:59:58
131
2
原创 剑指offer 18:删除链表的节点 -- java、python实现
题目剑指offer 18.删除链表的节点给定单向链表的头指针和一个要删除的节点的值，定义一个函数删除该节点。返回删除后的链表的头节点。示例 1:输入: head = [4,5,1,9], val = 5输出: [4,1,9]解释: 给定你链表中值为 5 的第二个节点，那么在调用了你的函数之后，该链表应变为 4 -> 1 -> 9.示例 2:输入: head = [4,5,1,9], val = 1输出: [4,5,9]解释: 给定你链表中值为 1 的第三个节点，那么
2021-04-10 11:03:23
70
原创 剑指offer 06:从尾到头打印链表 -- java、python实现
题目剑指offer06: 从尾到头打印链表,以数组的形式输出输入一个链表的头节点，从尾到头反过来返回每个节点的值（用数组返回）。示例 1：输入：head = [1,3,2]输出：[2,3,1]题解法1 – Java实现1.定义一个函数获取到链表的长度2.定义一个数组反向存储链表中的元素,然后输出数组/** * Definition for singly-linked list. * public class ListNode { * int val; *
2021-04-10 10:09:01
96
1
原创 ＜从零开始pytorch＞:03-torch构建模型实现鸢尾花数据分类
Mnist数据集进行分类主要内容：数据读取 – 路径设置、数据加载自定义模型MyMnist_NN自定义损失函数loss_func自定义fit[详情看目录]# 1.读取Mnist数据集%matplotlib inlinefrom pathlib import Pathimport requestsfrom matplotlib import pyplotimport numpy as np1.获取数据路径设置和怎样加载数据要多回顾!!1.1 路径设置DATA_PATH
2021-04-09 22:22:10
938
原创 java构建链表(节点构造,增删查改实现)
java构建链表的方式链表节点构造定义一个列表接口,其中包含每个节点的各种操作(功能),在定义节点的时候实现这个接口定义一个类实现定义的包含各个增删改查功能的接口双向链表的构造1. 链表节点构造public class ListNode { Object data; // 数据 ListNode next; // 下一节点 public ListNode(Object data) { this.data = data; }}2.接口定义
2021-04-09 09:13:16
444
转载 吴恩达深度学习课程完整笔记(DeepLearning.ai)
为了方便学习深度学习课程，转载一个吴恩达老师的一个深度学习笔记，转载的网站是下面这个 https://blog.csdn.net/red_stone1/article/details/80207815 从去年8月份开始，AI界大IP吴恩达在coursera上开设了由5们课组成的深度学习专项课程，掀起了一股人工智能深度学习...
2021-04-09 07:55:36
823
原创 ＜从零开始pytorch＞:02-torch搭建神经网络模型-气温预测案例
import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport torchimport torch.optim as optimimport warningswarnings.filterwarnings('ignore')%matplotlib inline搭建Pytorch神经网路进行气温预测获取数据并,展示分析数据features = pd.read_csv('temps.csv')feat
2021-04-07 11:05:30
1083
4
原创 剑指offer 05:替换空格 -- java、python实现
题目请实现一个函数，把字符串 s 中的每个空格替换成"%20"。示例 1：输入：s = "We are happy."输出："We%20are%20happy."限制：0 <= s 的长度 <= 10000题解法1 – java实现新建一个数组,遍历原字符串的同时将其值存储到新的数组中class Solution { public String replaceSpace(String s) { int length = s.length();
2021-04-04 18:53:46
119
1
原创 ＜从零开始pytorch＞:01-torch的基本使用方法和线性回归模型
记录pytorch的学习过程 – 备注多,方便查阅torch的基本使用方法实现一个线性回归模型并测试import torchtorch.__version__'1.8.0+cpu'1.torch基本的使用方法`1.1创建一个矩阵0矩阵x = torch.empty(5,3)xtensor([[0., 0., 0.], [0., 0., 0.], [0., 0., 0.], [0., 0., 0.], [0., .
2021-04-04 14:47:46
311
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