- 博客(12)
- 收藏
- 关注
原创 vscode修改编码方式后不起作用,仍然出现中文乱码问题
问题描述:非常坑,用vscode写C语言代码时没注意,在utf-8编码方式下写的,注释用的简体中文,运行时终端的中文输出显示为乱码,将编码方式改为GB-2312后,代码中所有的中文注释全部变为乱码,改回utf-8中文显示依然是乱码,总之无论改用哪种编码方式中文显示都是乱码。解决方案:经过多次试验发现,在utf-8编码方式下写的中文,即使将编码方式改为GB2312后仍会是乱码,只有将编码方式先设置为GB2312,再重新输入中文才不会出现中文乱码。虽然不敢相信居然有这种问题,但我这边的情况确实是这样。。
2021-05-07 19:26:37
2474
4
原创 调用自定义函数报错UnboundLocalError: local variable ‘xxx‘ referenced before assignment
最近在跟着老师做项目,感觉自己总算是写出点像样的python代码,所以学生时代多跟着老师做事情总是没错的。在写程序的的过程中遇到了这样的问题,自定义了一个名为getData(path)的函数,返回值为data(一个m × m 的ndarray),在调用这个函数的时候出现了这样的报错:UnboundLocalError: local variable ‘data’ referenced before assignment自己也上网查了下,大多数的解释都是同样的内容,说是局部变量和全局变量混用的问题(比如
2020-12-05 18:05:21
2148
原创 用python代码实现一个简单的FSA(有限状态自动机)
前一篇文章介绍了什么是FSA以及用FSA识别字符串的基本原理。这篇文章就是基于状态转移表,用一个具体的例子讲一下一个简单的FSA如何用Python代码实现。前一篇介绍FSA的文章:https://blog.csdn.net/H_2am/article/details/108651905回顾一下通过状态转移理解FSA识别字符串的工作过程,一个状态转移表如下图:它识别一个字符串的工作过程是:定义初始状态为0,接收状态为4,从初始状态0开始,如果输入b,则进入1状态,如果输入a或!则拒绝,识别失败,就这样
2020-09-20 01:07:26
3601
1
原创 通俗易懂理解有限状态自动机 FSA 的表示和原理
有限状态自动机(FSA),通常的作用就是用一种更加直观的方式来表示正则化表达式。有限状态自动机FSA的表达形式用一个例子来解释以下FSA(以下简称自动机)的表达形式。我们把羊的语言(叫声)抽象为:baaa…! 用正则化表达式可以表示为 / baa+!/,接下来我们看以下用自动机如何表示羊的语言:上图就是用自动机表示的羊的叫声。如图所示,我们用有向图来表示自动机,有向图由两个集合组成,节点的集合和连接两节点弧线的集合,节点表示状态,弧线表示进入下一个状态的条件。图中,q0表示初始状态,q4表示终极状态
2020-09-17 22:31:59
9082
2
原创 numpy 构建每行内容相同,指定行数的array
直接上代码~data = np.float32([]).reshape(0,3) #初始化datatmp = np.array([[1,1,0]]) #每行内容for i in range(3): #想构建3行 data = np.append(data,tmp,axis=0)data结果如下:
2020-09-17 16:40:16
1718
1
原创 数据预处理——缺失值处理(细讲具体代码实现)
最近在参加机器学习算法类的比赛,对一些知识点进行了查漏补缺和归纳总结,其实收获还挺多的,不得不说比赛是一个让人快速成长并且拓宽视野的过程,接下来就进入正题。我们做机器学习任务的时候,通常情况下,拿到的数据都会存在缺失值,而数据预处理首先需要做的就是对存在的缺失值进行处理,这里我总结了处理缺失值的几种方法,并详细地解释了如何用代码实现,完全足够解决处理缺失值这一问题。缺失值处理1、观察数据是否存在缺失值1)使用pandas.isnan()判断:2)使用DataFrame.info()函数判断:2、处理缺失
2020-08-05 23:35:47
16071
1
原创 k-近邻算法(KNN)原理
KNN算法概述K-近邻算法(KNN,K-NearestNeighbor)是最常用的分类算法之一,属于有监督学习中的分类算法。先来看个例子:如图,对于一个待分类点(绿色圆点),如果K = 3,绿色圆点最近的3个邻居是2个红色三角形和1个蓝色正方形,少数服从多数,基于统计的方法,判定该分类点属于红色三角形一类。如果K = 5,绿色圆点最近的5个邻居是2个红色三角形和3个蓝色正方形,少数服从多数,基于统计的方法,判定该分类点属于蓝色正方形一类。KNN算法基本思想:对待分类的点:①计算已知类别数据
2020-07-10 21:11:40
923
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