Nothenhe的博客

原创 类的继承

继承案例一：通过继承继承父类成员package com.company.继承;public class demo1 { public static void main(String[] args) { teacher t1=new teacher(); t1.method(); Assintant assintant=new Assintant(); assintant.method(); }}package

原创 数组,math类

数组案例一：java.util.Arrays是一个数组相关的工具类，里面提供了大量静态方法,用来实现数组常见的操作public static String tostring(数组)将参数转换为字符串，publicstatic void sort(数组) 按照数组升序排序备注如果是数值，sort默认按照升序排序。如果是字母，按照字母升序如果是自定义类型，那么这个自定义类型需要有compareable或者comparator接口支持package com.company.数组;im

原创 静态成员static关键字

静态成员案例一：创建学生对象自动每次创建对象时学生id加一package com.company.静态成员;public class demo1 { public static void main(String[] args) { Student stu1=new Student(); System.out.println(stu1.getAge()); System.out.println(stu1.getId()); Stu

原创 字符串

字符串案例一：用构造器，数组，字节数组，和直接创建的方式创建字符串package com.company.String类;import java.sql.SQLOutput;public class demo1 { public static void main(String[] args) { //使用空参构造 String str1=new String(); System.out.println("第一个字符串"+str1);

原创 Scanner,Random,匿名类，数组，集合

jave基本类的使用Sanner案例一：用Scanner类输入整型和字符串package com.company.Sanner类;import java.util.Scanner;public class demo1 { public static void main(String[] args) { //读取键盘输入的数字和字符串 Scanner scanner=new Scanner(System.in); System.out.pr

原创 collections 工具类

常用方法revaerse(list) 将list中的元素反转shuffer（list）将list集合的元素随机排序sort（list） 根据自然顺序将元素升序排序swap（list，int，int）将list i和j 元素位置调换max（collection）返回元素中最大的max（collection,comparator）根据comparator返回最大的min（collection）min（collection，comparator）；int frequency（list dest

原创 map

map实现类的结构|-----map：双列数据，存储key-value对数据 类似于高中的函数|----hashmap ：作为map的主要是实现类，线程不安全，效率高 存储null的key-value|----linkedhashmap保证在遍历map时，可以按照添加的顺序排序在原有的hashmap上添加了一对指针，指向前一个和后一个元素，对于平凡插入和删除，效率比hashmap高|----treemap 保证按照添加的顺序进行排序，线程安全效率低|----hashtable 作为古老的实现类

原创 java 集合

collectioncollection 集合的创建collection coll=new arraylist();接口的常用方法add() 添加元素addall() 添加另外一个collection集合isempty(); 判断集合是否为空size() 获取集合长度clear() 清除集合所有元素contains() 是否包含某个元素containsall() 判断一个集合是否包含另外一个集合元素removeall() 清楚集合内和另外一个集合的共同元素retain

原创 java基础知识

原创 第十五届全国大学生智能汽车竞赛赛后总结

第十五届智能机器人大赛赛后总结比赛硬件：小车底座小车核心板一块，母版一块，核心板一块，其中核心板c型车采用k66核心芯片，F型车采用tc264核心处理器小车编码器左右后轮各一个，驱动电机两个，c型车包含舵机一个红外避障传感器，两个编码器，电磁传感器。编译软件c型车采用iar编译环境，注意文档提示使用8.2以上版本，否则会遇到程序无法下载的情况，iar自带jling驱动器，所以可以省略安装驱动部分，如果需要手动安装驱动器，注意安装过程中 要勾选将驱动器应用到 IAR 环境中iar 使用介

原创 全球物品编码

什么是一维码和二维码？一维条码是怎么样构成的？一维条码由以下几个部分构成左右空白区、起始符、数据区、校验符、终止符、供人识读字符。二维码是某种特定的几何图形，按照一定的规律在二维平面上分布的黑白形同的图形条码的6种代码形式是什么？系列货运包装箱代码全球位置标识代码全球贸易项目代码全球可回收资产标识代码全球单个资产标识代码全球服务标识代码简述GTIN码和SSCC码的位分配方法书本49简述EPC码的编码原则编码唯一性足够的编码容量组织保证编码的永久性编码的简单性编码的可

原创 物联网体系架构

物联网从下到上可以分为那三层？感知层 是物联网的感觉器官，是用来识别物体，采集信息的网络层 是物联网的神经网络，负责将感知层获取的信息进行处理和传输应用层 是将感知层传输来的数据进行采集和处理，实现正确的控制和决策物联网的标识符应该具有哪些特点？有足够大的地址空间唯一性永久性简单性可扩展和兼容性简洁性感知层的功能是什么？感知层主要解决人类社会，和物理世界数据获取和数据收集的问题，用于完成信息的采集，转换和整理。数据采集主要有哪两种方式，分别解释这两种方式自动采集技术。自

原创 物联网绪论

绪论什么是物联网？阐述物联网的告概念物联网就是通过射频识别，红外感应器，全球定位系统等，激光扫描器等信息传感设备，按照约定的协议，把任何物品与互联网连接起来，进行信息交换和通信，从而实现智能化识别，定位，跟踪监控，管理 的一种网络。物联网的三个技术特征全面感知互通互联智慧运行物联网是怎样诞生的1.物联网的概念是在1999年美国麻省理工学院Sanjey Sarma,和David Brock教授提出2. 物联网重新受到广泛关注是国际电信联盟重新定义了物联网的概念，物联网的内涵是什么？物联

原创 训练数据的保存和加载

代码from sklearn.datasets import load_boston # 波士顿房价数据集使用APIfrom sklearn.linear_model import LogisticRegression ##回归预测时使用的API Ridge岭回归 LogisticRegression逻辑回归from sklearn.model_selection import trai...

原创 逻辑回归预测癌症案例

逻辑回归APIsklearn.Linear_model.logisticRegressionsklearn.Linear_model.logisticRegression（penalty=‘12’,c=1.0）logistic回归分类器coef_:回归系数应用场景广告点击率是否为垃圾邮件是否患病金融诈骗虚假账号癌症分类流程网上获取数据（工具pandas）数据...

原创 分类算法：逻辑回归

逻辑回归是解决二分类问题利器逻辑回归公式输出：【0，1】区间的概率值，默认0.5是阈值注意;g(x)为sigmoid函数逻辑回归损失函数、优化（了解）与线性回归原理相同，但由于是分类问题，损失函数不一样，智能通过梯度下降求解...

原创 总结

思维导图提取地址;链接：https://pan.baidu.com/s/1v3U4WWoxfwM1-PmJK71JFQ提取码：kq9k

原创 过拟合和欠拟合

过拟合一个假设在训练数据上，能够获得比其他假设更好的拟合，但是在训练数据外的数据集上却不能很好的拟合数据，此事认为这个模型出现了过拟合现象（模型过于复杂）原因：原始特征过多，存在一些嘈杂特征，模型过于复杂是因为模型尝试去兼顾各个测试数据点解决办法：进行特征 选择，消除关联性大的特征（很难做）交叉验证（让所有数据都有过训练）正则化欠拟合一个假设在训练集上不能获得更好的拟合，但是在...

原创 线性回归两种求解方式总结

线性回归两种求解方式总结使用梯度下降进行预测from sklearn.datasets import load_boston # 波士顿房价数据集使用APIfrom sklearn.linear_model import LinearRegression,SGDRegressor ##回归预测时使用的APIfrom sklearn.model_selection import train_...

原创 线性回归策略，优化，案例（正规方程代码）

损失函数（误差大小）如何去求模型当中最合适的w使得误差最小？最小二乘法只正规方程（不做要求）最小二乘法只梯度下降（理解过程）sklearn线性回归正规方程，梯度下降API正规方程sklearn.linear_model.linearRegression梯度下降sklearn.linear_model.SGDRegressor波士顿房价数据集分析流程...

原创 线性回归的定义及矩阵的运算

线性关系模型一个通过 属性的线性组合来进行预测的函数f(x)=w1x1+w2x2+w3x3+…+bw 为权重，b为偏置值，可理解为w01线性回归定义：线性回归通过一个或多个自变量与因变量之间进行建模的回归分析，其中可以为一个或多个自变量之间的线性组合（线性回归的一种）一元线性回归：涉及到的变量只有一个多元线性回归：涉及到的变量有两个或两个以上矩阵（大多数算法的基础）...

原创 人工智能：集成学习方法随机森林

集成学习方法集成学习通过建立几个模型组合来解决单一预测问题，他的工作原理是 生成多个分类器/模型 ，各自独立的学习和做出预测，这些预测最后结合成单预测。因此优于任何一个单分类做出的预测随机森林什么时随机森林在机器学习中，随机森林就是一个包含多个决策树的分类器，其中并输出的类别是个别树输出的类别的众数而定随机森林的过程，优势单个树建立 的过程： N个样本，M个特征 （随机又放回的抽样 b...

原创 决策树的划分以及案例

决策树的划分依据之一：信息增益特征A对训练数据集D的信息增益g(D,A)定义为集合D的信息增益H（D）与特征A给定条件下D 的信息条件熵H(D|A)之差，即公式为：g(D,A)=H(D)=H(D|A)注：信息增益表示得知特征X 的信息而使得类Y的信息不确定性减少的程度信息增益：当得到一个条件后减少的信息熵 的大小如何计算g(D,A)=H(D)=H(D|A)具体操作：...

原创 决策树和随机森林

决策树认识决策树决策树思想的来源非常朴素，程序设计中条件分支结构就是if -then结构，最早的决策树就是利用这类结构分割数据的一种分类学习方法信息论基础-银行贷款分析决策树生成泰坦尼克号乘客生存分析信息的度量和作用猜测32中球队的冠军问题，对每只球队未知，每只球队获胜的概率数1/32，采用二分法尽最大可能猜出球队，需要的结果时log2 32=5，香农提出单位为比特，第一次提出...

原创 朴素贝叶斯项目实战

from sklearn.datasets import load_iris,fetch_20newsgroups,load_bostonfrom sklearn.model_selection import train_test_splitfrom sklearn.neighbors import KNeighborsClassifierfrom sklearn.preprocessing...

原创 朴素贝叶斯算法（原理）

朴素贝叶斯算法概率基础概率定义为一件事情发生的可能性联合概率和条件gail联合概率：包含多个条件，且所有条件同时成立的概率记作;P(A,B) P(A,B)=P(A)* P(B)条件概率：就是事件A在另一个事件B已经发生条件下发生的概率记作：P(A|B)特性：P（A1，A2|B）=P(A1|B)+(A2|B)注意：此条件概率的成立，是由于A1，A2相互独立的结果...

原创 人工智能k近邻算法总结

K近邻算法总结实例流程、数据的处理分割数据集对数据集进行标准化estimetor流程进行分类预测问题k值取多大 有什么影响k值取很小时;容易受异常点影响K值取很大时 ：容易受k值类别波动性能问题？样本量大时运算时间长优缺点优点简单易于理解，易于实现，无需估计参数，无需训练缺点懒惰算法，对测试样本分类时的计算量大，内存开销大必须指定...

原创 人工智能：近邻算法

K近邻算法什么是k近邻算法？定义：如果一个样本在特征空间中的K个最相似（空间中最邻近）的样本中的大多数属于某一个类别，则该样本也属于这个类别来源：KUN算法最早是由Cover和Hart提出的一种分类算法计算距离公式两个样本的距离可以通过如下公式计算，又叫欧式距离比如说，a(a1,a2,a3) b(b1,b2,b3)注意K近邻算法需要做标准化APIsklearn.neighb...

原创 人工智能：转换器与估计器

转换器什么是转换器？想一下之前做的特征工程的步骤实例化（实例化的是一个转换器类）调用fit_transform(对于文档建立分类词频矩阵，不能同时调用)fit_transform():输入数据直接转换fit():输入数据，但不做事情，计算平均值方差等transform():进行数据的转换估计器（estimator）在sklearn中估计器（estimator）是一个重要角...

原创 人工智能数据的划分和介绍

sklearn数据集数据集划分机器学习一般的数据集会划分为两个部分训练数据：用于训练，构建模型测试数据：在模型检验时使用，用于评估模型是否有效sklearn数据集接口介绍sklearn分类数据集sklearn回归数据集数据集划分APIsklearn.model_selection.tranid_text_splitscikit-learn数据集API介绍...

原创 数据的降维之特征选择

数据降维维度：特征的数量目的：冗余：部分特征的相关度高，容易消耗计算性能噪声：部分特征对预算结果有影响数据降维的方式：1. 特征选择 2.主成分分析特征选择是什么？特征选择就是单纯的从提取到的所有特征中选择部分特征作为训练集特征，特征在选择前和选择后可以改变值，也可以不改变值，但是选择后的特征维数肯定比选择前小，毕竟我们只选择了其中一部分特征主要方法（三大武器）：fi...

原创 人工智能：特征预处理

特征预处理什么是特征预处理通过特定的统计方法（数学方法）将数据转换成算法要求的数据数值型数据转换方法：标准缩放归一化：觉得特征同等重要的时候使用归一化缺失值类别型数据：one-hot编码时间类型:时间的切分特征类处理的apisklearn.preprocessing归一化特点：通过对原始数据进行变换把数据映射到默认为[0,1]之间公式:注：作用于每一列，max为...

原创 文本特征抽取 tf idf

tf idf笔记对文本特征分析大多用于文本分类 使用Count进行文本特征抽取的方式受到很多干扰，所以采用tf idf 进行文文本特征抽取的方式tf:term frequence:词的频率 出现的次数idf：逆文档频率 log(总文档数量/该词出现的文档数量)tf idf 的作用：用于评估一个词对于一个文件集或一个语料库中的其中一份文件的重要程度类sklearn.featu...

原创 人工智能（文本特征数据抽取）

文本数据特征抽取类sklearn.feature_extraction.text.CountverctorizerCountverctorizer语法Countverctorizer()返回词频矩阵Countverctorizer.fit_transform(X)X:文本或或包含文本对象的可迭代对象返回值：返回sparse矩阵Countverctorizer.inv...

原创 人工智能：字典特征数据抽取

字典特征数据抽取笔记DictVectorizer(sparce=True)DictVectorizer.fit_transform(X)x:字典或者包含字典的迭代器返回值：返回sparce矩阵DictVectorizer.inverse_transform(X)X:array数组或者sparce矩阵返回值：转换之前的数据格式DictVectorizer.ge...

原创 人工智能（安装scikit-learn）

人工智能（安装scikit-learn）环境：win10 + python3.7步骤在安装scikit-learn之前你需要安装Numpy, Scipy, Matplotlib包依赖前往网页连接下载这三个依赖包，根据你的python版本以及系统版本选择对应的版本，否则会无法安装因为我的电脑版本是64位，python版本是3.7所以选择这个版本将下载好的whl文件存放在python 文...

原创 人脸识别基础（检测是否有人）

人脸识别基础（检测是否有人）准备：导入第三方库opencv笔记cv2.namedWindow(window_name) 设置窗体名字cap = cv2.VideoCapture(camera_idx) 设置视频来源，若参数为一个路径使用本地文件， 若参数为0则使用本地摄像头告诉opencv使用人脸识别的分类器设置识别人脸后边框的颜色循环读取视频帧，遍历每一帧进行识别，转换为...

原创 python爬虫（requests）

python爬虫（requests）网址：http://www.biquge.cm/2/2042/ps：该网址以暂停解析准备工作导入第三方库：requests bs4爬虫笔记：导入requests库 也可以使用urllib库 这里使用requests库比urllib库简单，内部是由requests库写的，以及数据筛选库如：bs4 或者lxml编写header字典，用于反反爬虫 ...

原创 python-发送qq邮件

利用python实现发送电子邮件准备工作进入qq 邮箱开通POP3/SMTP服务 你会得到一个pop3的授权码记住这个授权码后面会用到导入以下内置模块# import smtplib# from email.mime.text import MIMEText# from email.utils import formataddr代码实现import smtplibfrom...

原创 python13

第十三天内容回顾上周作业学习别人的代码装饰器推导式内容回顾函数参数位置参数关键字参数（默认参数推荐用不可变类型，慎用可变类型）*args，**kwargs位置参数->关键字参数函数做参数函数的参数传递的是内存地址（引用）函数体函数不被调用，内部代码不执行func_list = []for i in range(10): f...