- 博客(139)
- 收藏
- 关注
RSS订阅
原创 保姆级别ps beta版本下载
如果用不了，或者下载不了beta版本，那就是账号的问题，必须是需要美区的账号，如果可以下载，如果用不了，或者下载不了beta版本，那就是账号的问题，必须是需要美区的账号，请求无法完成请求生成错误。（这里内容违规没办法发不出来，需要的关注我公众号，图片里面有我的公众号账号），只看前面部分就好了，或者在重新拿邮箱注册一个，反正注意看图，需要把地区改成美国的，建立一个美区id进行登录。安装好了也要重新登录，登录刚才注册的，或者之前建立的美区账号。注意：，这里需要把正版服务的勾给去掉！
2023-06-04 17:48:44
4916
原创 安装JAVA和java IDEA并汉化过程
安装 java IDEA 这里博主也是带了软件包资源绑定进行发布，如果没有找到资源的也可以自行到博主主页的资源页进行下载。如果使用 1.5 以上版本的 JDK，不用设置 CLASSPATH 环境变量，也可以正常编译和运行 Java 程序。在桌面右键此电脑然后点击属性——高级系统设置——环境变量——然后进行配置。然后选择对应的版本下载即可，我这里是windows 所以下载这个。最后：再次声明，软件只能用于学习交流用途，不可商用。若已存在则点击"编辑"，不存在则点击"新建"。然后正常一步步安装即可。
2024-04-25 19:40:17
549
1
原创 激活IDM下载器并配置百度网盘
然后本篇 主要讲的是如果添加百度网盘的拓展，我这里用的是edge的浏览器，如果你安装成功了idm就它的拓展会自动添加到你的浏览器，而我们要下载的是另一个脚本，我这里已经下载好了，没下载好的可以点击浏览器右上角的拓展然后点击获取 ms edge拓展。简单折腾一下，直接省了一个百度网盘的会员，但是其实不只是可以下载百度网盘的文件，idm几乎可以揽下整个浏览器的下载任务，例如视频，图片，文档等等，简单折腾一下，方便以后下载东西，一劳永逸，但是还是呼吁大家支持正版。然后找一下百度网盘的链接下载试一下，
2024-04-25 18:56:13
814
1
原创 安装mysql到免费DataGrip保姆级教程
由于本教程是全过程，齐全到每一步都有，所以更多的是图片，所以只需要根据图片每一步操作即可，篇幅有点长，见谅
2024-03-15 01:04:06
1577
原创 PyCharm自动化环境部署
Playwright 支持当前所有主流浏览器，包括 Chrome 和 Edge（基于Chromium）、Firefox、Safari（基于 WebKit） ，提供完善的自动化控制的 API。Playwright支持移动端页面测试，使用设备模拟技术可以使我们在移动 Web 浏览器中测试响应式 Web 应用程序。Playwright支持所有浏览器的 Headless 模式和非 Headless 模式的测试。
2024-01-06 15:25:17
727
1
原创 c语言数据结构第四章实验算法
1、设计一个算法统计在输入字符串中各个不同字符出现的频度并将结果存入文件（输入字符范围：A～Z这26个字母和0～9这10个数字）。2、设计一个递归算法来实现字符串逆序存储,要求不另设串存储空间。3、设计算法，实现下面函数的功能。函数void insert(char*s, char*t, int pos)将字符串t插入到字符串s中，插入位置为pos。假设分配给字符串s的空间足够让字符串t插入。(说明:不得使用任何库函数)
2023-11-12 14:39:39
711
原创 专栏介绍《机器智造：AI与实战学习》
目前已更新进88篇文章，到100篇将会恢复至19.9，后续每增加50篇加价10元。本专栏的目标是帮助大学生和初级研究者掌握人工智能（AI）和机器学习的基础知识，并为您提供探索这个领域更深层的理论和实践资源。这个专栏旨在探索人工智能和机器学习在各个领域的实践应用，无处不在的AI正在改变我们的世界。通过深入了解算法、模型和数据处理技术，我们将一起探讨如何将这些技术应用于实际场景中，并探索其中的挑战和机遇。在这个专栏中，将分享最新的研究成果、工业界的实践案例以及学术界的前沿知识。
2023-07-12 23:14:57
359
原创 强化学习模型
强化学习是机器学习的一个重要分支，它关注的是智能体（agent）如何在与环境的互动中通过试错（trial-and-error）的方式，逐步学习到一个最优的策略，使得自己从长期看来能够获得最大的回报。：在DQN中，神经网络的权重就是我们的模型参数。通过学习强化学习，我们可以理解如何让机器通过与环境的交互来学习和决策，这对于很多复杂的问题，例如游戏、机器人控制、自动驾驶等都有着重要的应用。以上内容仅是一个简单的介绍，实际的自动驾驶问题需要考虑更多的因素，例如汽车的动态性能，各种不确定性，不同的交通规则等。
2023-07-12 04:15:00
224
原创 神经网络与深度学习模型
简单的说，神经网络由许多处理单元（也就是"神经元"）组成，这些神经元分层排列，每一层的神经元都与上一层的所有神经元相连，这种结构让神经网络有能力学习和表达复杂的模式。例如，对于图像识别任务，浅层的神经网络可能只能识别出简单的边缘和纹理，而深度神经网络可以识别出更为复杂的特征，如物体的部分和整体。举个例子，如果我们的任务是识别猫和狗的图片，那么在前向传播过程中，神经网络会接收到一张图片，然后通过一系列神经元的计算，最后输出一个预测结果，比如“这是一只猫”。训练过程中，我们不仅监控训练误差，也会监控验证误差。
2023-07-10 00:31:38
428
原创 支持向量机（SVM）
在SVM中，支持向量指的是最接近决策边界的数据点，即这些数据点对决策边界产生直接影响。换句话说，如果移除这些支持向量，那么决策边界（超平面）将会改变。这也说明了“支持向量机”的名字的由来，因为这些向量“支持”着决策的边界。在这个案例中，我们将使用支持向量机（SVM）来处理一个常见的机器学习任务：文本分类。具体来说，我们将使用20 Newsgroups数据集，这是一个用于文本分类、文本挖掘和信息检索研究的国际标准数据集。数据集包含约20000篇新闻，分布在20个不同的新闻组中。
2023-07-10 00:19:34
398
原创 掌握随机森林：基于决策树的集成模型
随机森林是一个非常强大和灵活的机器学习模型，它能处理各种类型的数据，且不需要精细的特征工程或者复杂的参数调优。因此，它在实际应用中非常受欢迎。然而，随机森林也有其局限性，比如在处理非常大的数据集，或者需要高精度预测的任务时，它可能不是最优选择。
2023-07-05 11:25:39
1128
原创 揭开决策树模型的神秘面纱
我们现在已经学习并实践了决策树，这是一种非常直观和可解释的机器学习模型。它的工作原理与我们人类做决策的方式非常相似，所以非常直观。通过构建决策树，我们可以清晰地看到哪些特征在预测中起到了关键的作用，以及它们是如何组合在一起来做出最终的预测的。这种透明度是决策树模型非常重要的一个优点，特别是在需要向非专业人士解释模型的情况下。然而，正如我们在文章中所讨论的，决策树模型也存在一些局限性。例如，它们往往容易过拟合，特别是当决策树过于复杂时。此外，决策树对于连续特征的处理也不如一些其他类型的模型优秀。
2023-07-04 02:00:00
125
原创 逻辑回归模型
最常用的方法是独热编码（One-Hot Encoding），例如，特征“颜色”有“红色”，“蓝色”，“绿色”三种取值，我们可以将这个特征转化为三个二元特征：“颜色_红色”，“颜色_蓝色”，“颜色_绿色”，取值为0或1。例如，我们可以创建多个不同的模型，然后比较它们的交叉验证得分，选择得分最高的模型。β0, β1, ..., βp 是模型的参数，我们的目标是学习这些参数，使得模型的预测概率尽可能接近真实的类别。在训练模型的过程中，我们需要定义一个损失函数，来衡量模型的预测概率与真实类别之间的差距。
2023-07-03 15:15:24
192
原创 实战线性回归模型
你可以收集一些数据，例如你的同学们的学习时间和GPA，然后用线性回归模型去拟合这些数据，看看学习时间是否对GPA有显著的影响，以及影响的程度如何。梯度下降的思想是，先随机初始化模型参数，然后计算损失函数在当前参数下的梯度（即损失函数对每个参数的偏导数），然后将模型参数沿着梯度的负方向更新一小步，这样就可以使损失函数的值下降。例如，线性回归模型虽然是一个线性模型，但是我们可以通过引入非线性特征（如原始特征的平方项、立方项等）或者交互项（不同特征相乘）来拓展它的能力，使其可以拟合非线性的数据关系。
2023-07-03 03:15:00
140
原创 个性化推荐系统中的深度模型：理论、实践与挑战
此外，由于推荐系统的性能可能会受到许多因素的影响，如用户的情绪，时间，商品的变化等，在线评估的结果也可能存在一定的不确定性。GNN在推荐系统中的应用是一个新兴的研究方向，有许多有趣的问题待解决，如如何设计更有效的图的传播机制，如何处理大规模图数据等。然而，深度学习也给推荐系统带来了一些新的挑战，如如何处理稀疏的数据，如何提高模型的可解释性，以及如何在实时推荐中使用深度模型等。例如，一个视频推荐系统可能会根据视频的类型，导演，演员等特征来描述视频，然后根据用户过去观看过的视频的特征，推荐给用户类似的视频。
2023-07-02 16:17:00
234
原创 处理异常值：详细教程与实例分析
处理异常值是数据预处理中不可或缺的一部分，正确处理异常值能够帮助我们建立更健壮的模型，获取更准确的分析结果。希望本篇文章能帮助你在遇到异常值时有所作为，更好地处理你的数据。
2023-07-02 07:45:00
557
原创 处理缺失数据：详细教程与实例分析
在现实生活中获取的数据中，数据缺失是一个常见的问题。缺失数据不仅影响我们对数据的理解，还可能影响我们的分析结果，因此，处理缺失数据是数据预处理中非常重要的一步。本文将详细讲解如何处理缺失数据，包括了解数据缺失的类型，以及缺失数据的处理方法。
2023-07-02 07:15:00
472
原创 机器学习基础
机器学习是人工智能的一个子集，它使用统计方法使计算机系统能从数据中“学习”，并不断改进其表现，而无需显式编程。换句话说，机器学习是让机器能够从经验中学习。
2023-07-02 01:04:44
305
原创 图像数据处理：基本技巧与实例分析
处理图像数据是计算机视觉任务中的一个重要环节。本文将详细讲解如何处理图像数据，包括读取和显示图像、图像色彩空间转换、图像缩放和裁剪、图像旋转、图像滤波等，并给出详细的Python代码示例。
2023-06-30 07:45:00
468
原创 处理不平衡数据：技术详解与实例分析
在机器学习和数据科学的世界里，不平衡数据集是一个常见的问题。不平衡数据集指的是在分类问题中，目标变量的类别分布不均，即某一类别的样本数量远超过其他类别。本文将详细讲解如何处理不平衡数据，包括重采样方法、集成方法和适用于不平衡数据的性能度量指标。
2023-06-30 07:45:00
262
原创 时间序列数据处理：掌握基本技巧与实例
时间序列数据是按照时间顺序排列的一系列数据点。这些数据点可以是按照任何时间间隔采样的，例如每秒、每分钟、每小时、每天等。时间序列数据的一个关键特点是，数据点之间的顺序是重要的，因为它影响了我们可以从数据中得出的洞察。
2023-06-29 08:00:00
585
原创 文本数据处理：基本技巧与实例分析
处理文本数据是数据科学中的一个重要任务，特别是在自然语言处理（NLP）领域。本文将详细讲解如何处理文本数据，包括文本清理、分词、标准化、向量化等，并给出详细的Python代码示例。
2023-06-29 08:00:00
777
原创 特征选择：从冗杂数据中找出真金
特征选择，顾名思义，就是从原始特征中选择出最具有价值的那些特征。好的特征能够帮助模型提升预测准确度，捕捉到数据中的主要趋势，并且降低过拟合的风险。简化模型：减少特征数量能使模型更简单，更容易解释。提升性能：去掉无关特征或冗余特征可以提升模型预测性能。加速训练：减少特征数量可以加速模型训练和预测。减少过拟合：通过减少不相关的特征，可以降低模型过拟合的风险。
2023-06-28 08:00:00
244
原创 特征构造：从原始数据中创造出高效信息
特征构造是数据预处理的一部分，其目的是通过创造新的特征来提升模型的性能。构造的新特征可以包括原始特征的数学变换（例如平方、对数、倒数等）、原始特征之间的交互（例如加、减、乘、除等）以及基于业务知识的新特征等。基于数学的特征构造：这类方法包括原始特征的各种数学变换以及原始特征之间的交互。# 假设我们有一个数据框df，包含两个特征A和B# 使用对数变换构造新特征# 使用原始特征之间的交互构造新特征基于业务知识的特征构造：这类方法需要对业务有深入的了解，以便创造出真正有意义的新特征。
2023-06-28 08:00:00
171
原创 类别数据处理：你必须知道的技巧与方法
类别数据是一种常见的数据类型，其中的值表示了几个不同的类别或分组。这些类别可能是有序的（例如，“低”，“中”，“高”），也可能是无序的（例如，“红色”，“蓝色”，“绿色”）。处理类别数据的目标是将其转化为机器学习模型可以理解的形式。下面，我们将介绍几种常用的类别数据处理方法。
2023-06-27 15:35:47
652
原创 深入浅出：数据清洗的艺术和实践
虽然数据清洗可能需要大量的时间和努力，但是干净、有序的数据将极大地提升后续分析的效率和结果的准确性。数据中的缺失值可能由各种原因导致，如数据收集过程中的错误、某些观测值不存在等。在Python中，我们可以使用pandas的isnull()函数检查数据中的缺失值，使用dropna()函数删除含有缺失值的行或列，或者使用fillna()函数插补缺失值。脏数据可以是不完整的、不正确的、不准确的或者是无法通过预定义规则进行解释的数据。总的来说，数据清洗是一项复杂的任务，需要对数据进行全面的理解和探索。
2023-06-27 15:30:02
152
原创 ps beta爱国版下载全过程
前段时间也是写了一篇ps beta版本下载的全过程呀，当时那篇文章还没有将软件进行破解，所以ps beta只能进行7天的免费使用，很多朋友可能意犹未尽呀，所以现在继续，将软件变成永久免费使用。官网下载地址：https://www.cybermania.ws/software/adobe-genp/下载海外大神破解软件Adobe-GenP，目前最新版本是：Adobe-GenP-3.1.9.7z。相信大家都再某音了解过这玩意的可玩性了，这里就不具体展示怎么使用了。目前只支持英语语言的描述。
2023-06-21 21:13:50
3055
原创 从零开始搭建群众权益平台（十一）
你可以根据你的关键词研究制定一个SEM策略，优化你的网站以提高在搜索结果中的排名，并/或设置付费广告以吸引更多的流量。社交媒体平台（如Facebook、Twitter、LinkedIn、Instagram等）是一个极好的推广你的产品和与你的用户互动的场所。内容营销是创建和分享有价值的、相关的、一致的内容，以吸引和保留明确的受众，并最终引导他们进行利润产生的客户行动。这些只是一些基本的产品推广策略。你需要根据你的目标受众、你的产品和你的资源来选择最适合你的策略，并持续优化你的营销活动以达到最好的效果。
2023-06-21 20:18:22
69
原创 从零开始搭建群众权益平台（十）
你可能需要定期查看你的搜索引擎排名，和进行各种试验来找出最好的，我将继续讨论更多的搜索引擎优化 (SEO) 策略。确保你的网站有明显的社交媒体分享按钮，并积极在社交媒体平台上推广你的内容。搜索引擎的算法不断变化，用户的搜索行为也在变化，所以你需要定期审查你的SEO策略，并进行必要的调整和更新。每个页面的标题标签和元描述应包含相关的关键词，同时要有吸引人的描述，让用户在搜索结果中看到你的网页后有点击的动力。你的内容应该专注于你的用户，提供他们正在寻找的信息，并包含相关的关键词。
2023-06-20 08:00:00
152
原创 从零开始搭建群众权益平台（九）
以Google Analytics为例，你可以在Google Analytics的管理界面中获取跟踪代码，然后将这段代码添加到你的网页的head标签内。你需要定义你的业务目标，然后在你的分析工具中设置这些目标。通过数据分析工具，我们可以收集到网站的访问量、用户行为等信息，这对于产品的改进和优化至关重要。除了基本的页面浏览数据，你可能还希望跟踪用户的其他行为，比如点击某个按钮、完成某个任务等。这需要在你的网页中添加额外的跟踪代码。比如，你可能想比较新用户和老用户的行为，或者比较使用不同设备的用户的行为。
2023-06-19 08:30:00
270
原创 从零开始搭建群众权益平台（八）
创建一个新的服务器实例，并记下服务器的公网IP地址。如果你的前端是一个单页应用（SPA），你需要将编译后的静态文件上传到服务器。然后配置你的Web服务器（如Nginx）来托管这些静态文件，并将API请求代理到你的后端服务。为了安全和SEO，你应该为你的网站开启HTTPS。你可以购买一个证书，也可以使用Let's Encrypt提供的免费证书。然后在服务器上安装你的应用的依赖，运行你的应用。最后，你需要配置你的域名指向你的服务器IP地址。当DNS生效后，你就可以通过你的域名访问你的网站了。
2023-06-19 08:00:00
138
原创 从零开始搭建群众权益平台（六）
如果你不想使用状态管理库，或者你的项目不大到需要使用状态管理库，那么 Context 和 Hooks 是一个好的选择。在 React 中，你可以使用 Context 来在组件树中传递数据，而不需要通过每一层的 props 来手动传递。在实际的项目中，你可能还需要处理异步 action，组合多个 reducer，以及其他更复杂的用例。在实际的项目中，你可能需要创建多个 context，或者使用更复杂的 hooks，例如。如果你的应用的状态变得复杂，你可能需要引入一个状态管理库来帮助你管理状态。
2023-06-18 10:00:00
177
C语言数据结构第四章实验报告
2023-11-12
基于线性表的图书信息管理实验（c语言版）
2023-09-24
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人