自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(26)
  • 资源 (5)
  • 收藏
  • 关注

原创 基于微信小程序物流仓储仓库系统

物流仓库系统是基于微信小程序和web后端,系统采用java编程语言,mysql数据库,idea开发工具,ssm框架开发,本系统主要分为用户员工,和管理员两个角色,用户员工可以注册登陆小程序,查看仓库商品,对商品的出库和入库,查看仓库位置,供应商信息,对出库和入库的历史记录进行查看和管理,管理员对用户员工,仓库商品,出库和入库信息管理,仓库位置,供应商信息,流水统计信息进行管理。系统功能齐全,有论文和答辩ppt,本系统适合微信小程序毕业设计和课程设计进行参考学习。

2023-06-04 22:37:27 1130 3

原创 基于java(springboot)自习室预定管理系统

自习室预定管理系统是基于java编程语言,mysql数据库,springboot框架和idea开发工具开发的项目,本设计分为学生,管理员两个角色,其中学生可以注册登陆系统,查看系统公告,在线留言,在线选座;管理员可以对学生信息,系统公告,座位管理,自习室管理,留言板管理等。本系统功能齐全,页面简洁,文档有论文和答辩ppt,适合作为java毕业设计和java课程设计参考学习。

2023-06-04 22:30:05 333 2

原创 Efficient Water Quality Prediction Using SupervisedMachine Learning使用监督机器学习进行有效的水质预测

传统上通过昂贵和耗时的实验室和统计分析来估计水质,这使得当代实时监测的概念没有实际意义。本研究探索了一系列监督机器学习算法来估计水质指数(WQI)和水质类(WQC),水质指数是描述水的一般质量的奇异指标,水质类是在WQI的基础上定义的独特类。所提出的方法采用四个输入参数,即温度(temperature)浊度(turbidity)pH和总溶解固体(total dissolved solids)。

2023-06-04 22:10:18 1031

原创 毕业设计-基于java财务管理系统毕设

财务管理系统是基于java编程语言,mysql数据库,springboot框架,idea开发工具进行开发,本系统分为员工和管理员两个角色,员工的主要功能是进行注册和登陆系统,查看自己的工资,导出工资,查看工资调整,公告信息,修改个人资料;管理员的主要功能是对员工,部门,工资,资产,经理,公告等信息进行管理;本系统功能齐全,文档齐全,时候作为java毕业设计来参考和学习。

2022-09-27 11:23:05 1637

原创 Javascript学习笔记:比较 逻辑或“||”和逻辑与“&&”运算符

逻辑与&&:如果第一个操作数是 true(或者能够转为 true),计算结果为第二个操作数; 如果第一个操作数是 false,结果就是 false(短路计算); 对于一些特殊数值不遵循以上规则。 可以理解为:若运算的第一个操作数为true(真值),则返回第二操作数,反之则返回第一操作数。<script type="text/javascript">var a = [1,2,3];var b = "hello";var obj = new Object();v

2021-12-30 15:51:05 321

原创 Javascript学习笔记:对象

javaScript 可以通过new Object来创建对象,再添加属性和属性值,比如: var person=new Object();person.name='小明';person.sex='男';person.method=function(){ return this.name+this.sex;}访问对象方法:objectName.methodName()</head><body><p>创建和使用对象方法。</p&g...

2021-12-27 00:34:52 101

原创 Matlab2020a安装:提示sys/java/jre/win64/jre.binlucrtbase.dll(拒绝访问)

关掉360

2021-12-16 10:10:29 595

原创 DataWhale学习-SQL编程3:复杂一点的查询

1. 视图视图是一个虚拟的表,不同于直接操作数据表,视图是依据SELECT语句来创建的(会在下面具体介绍),所以操作视图时会根据创建视图的SELECT语句生成一张虚拟表,然后在这张虚拟表上做SQL操作。1.1 视图与表的区别:是否保存了实际的数据视图是基于真实表的一张虚拟的表,其数据来源均建立在真实表的基础上。1.2视图存在的原因:1. 将频繁使用的SELECT语句保存以提高效率。2. 使用户看到的数据更加清晰。3. 不对外公开数据表全部字段,增强数据的保密性。4. 降低数...

2021-11-21 01:49:52 677

原创 DataWhale学习-SQL编程2:基础查询与排序

1.SELECT语句1.1 从表中选出数据通过SELECT语句查询并选取出必要数据的过程称为匹配查询或查询(query)。SELECT <列名>,... FROM <表名>;1.2 带筛选条件的选择数据SELECT 语句通过WHERE子句来指定查询数据的条件。SELECT <列名>,... FROM <表名> WHERE <条件表达式>;-- 用来选取product type列为衣服的记录的SE.

2021-11-18 21:16:32 473

转载 DataWhale学习-SQL编程1:环境搭建,初识数据库

1. 环境搭建ch00: 环境搭建.md · Datawhale/wonderful-sql - Gitee.com2. 初识数据库数据库是将大量数据保存起来,通过计算机加工而成的可以进行高效访问的数据集合。该数据集合称为数据库(Database,DB)。用来管理数据库的计算机系统称为数据库管理系统(Database Management System,DBMS)。2.1 DBMS的种类DBMS 主要通过数据的保存格式(数据库的种类)来进行分类,现阶段主要有以下 5 种类型....

2021-11-16 11:53:05 146

原创 SQL删除表中某字段下为空的数据

1.delete from 表名 where 字段名 is null;例:delete from Students where ageis null;注:不可用:字段名 = null;2.delete from 表名 where 字段名= '';delete from Students wherename= '';

2021-11-13 14:30:59 6113

原创 李宏毅机器学习-6-卷积神经网络

为什么用CNN?CNN架构:首先input一张image,这张image通过convolution layer,接下里做max pooling,再做convolution,再做max pooling。这个process反复数次,次数到觉得够多(反复多少次要事先决定,它就是network的架构(就像你的neural有几层一样),要做几层的convolution,做几层的Max Pooling,在定neural架构时要事先决定)。决定要做的convolution和Max Pool...

2021-07-24 13:54:03 350

原创 DataWhale-李宏毅深度学习-2021年7月

Task1:开源文档:https://datawhalechina.github.io/leeml-notes视频地址:https://www.bilibili.com/video/av59538266Task2:开源文档:https://datawhalechina.github.io/leeml-notesP3视频:https://www.bilibili.com/video/BV1Ht411g7Ef?p=3P4视频:https://www.bilibili.com/video/BV1Ht

2021-07-23 10:24:16 218

原创 李弘毅深度学习-类神经网络训练不起来

2021-07-21 01:35:15 193

原创 李弘毅机器学习-5-深度学习简介

2021-07-19 01:28:12 169

原创 李宏毅机器学习-3-误差和梯度下降

Error的来源根据上节课测试集数据得到,Average\ ErrorAverageError随模型复杂增加呈指数上升趋势。更复杂的模型并不能给测试集带来更好的效果,而Error的主要有两个来源,分别是bias和variance。Bias、Variance和Erroe的关系可参考机器学习中的Bias(偏差),Error(误差),和Variance(方差)有什么区别和联系?估测假设真实的模型为, 如果我们知道模型,那是最好不过了,但​​​​​​​只有 Niamtic 公司(宝可梦...

2021-07-17 00:14:15 337

原创 李宏毅机器笔记-2-回归

P3 回归回归定义和应用举例回归定义应用举例模型步骤step1:模型假设-线性模型一元线性模型(单个特征)多元线性模型(多个特征)step2:模型评估-损失函数收集和查看数据如何判断众多模型的好坏step 3:梯度下降如何筛选最优模型(参数w,b)梯度下降推演最优模型的过程梯度下降算法在现实世界中面临的挑战w和b偏微分的计算方法如何验证训练好的模型的好坏更强大复杂的模型:1元N次线性模型过拟合问题出现步骤优化Step1优化:2个input的四个线性模型是合并到一个线性模型中Step2优化:如果希望模型更强大

2021-07-14 20:56:46 120

原创 李宏毅机器笔记-1-机器学习介绍

机器学习介绍机器学习就是让机器具有学习的能力。机器学习与人工智慧的关系:人工智慧是我们想要达成的目标,而机器学习是想要达成目标的手段,希望机器通过学习方式,他跟人一样聪明。深度学习与机器学习的关系:深度学习就是机器学习的其中一种方法。生物的行为取决于两件事,一个是后天学习的结果,不是后天学习的结果就是先天的本能。对于机器来说也是一样,他怎么样表现的很有智慧,要么就是通过后天学习的手段表现的很有智慧,要么就是它的先天的本能。机器为什么会有先天的本能,那可能就是他的创造者,其实都是人类,帮...

2021-07-13 01:25:27 258

原创 softmax回归模型

SOFTMAX回归模型       softmax回归跟线性回归一样将输入特征与权重做线性叠加。与线性回归的一个主要不同在于,softmax回归的输出值个数等于标签里的类别数。因为一共有4种特征和3种输出动物类别,所以权重包含12个标量(带下标的 www)、偏差包含3个标量(带下标的 bbb),且对每个输入计算o1o_1o1​,o2o_2o2​,o3o_3o3​这3个输出:o1=x1w11+x2w21+x3∗w31+x4∗w41+b1

2020-10-16 15:50:23 370

原创 Datawhale 零基础入门金融风控-贷款违约预测-Task2数据分析

赛题:零基础入门数据挖掘 - 二手车交易价格预测赛题地址1 EDA目标EDA的价值主要在于熟悉数据集,了解数据集,对数据集进行验证来确定所获得数据集可以用于接下来的机器学习或者深度学习使用。当了解了数据集之后我们下一步就是要去了解变量间的相互关系以及变量与预测值之间的存在关系。引导数据科学从业者进行数据处理以及特征工程的步骤,使数据集的结构和特征集让接下来的预测问题更加可靠。完成对于数据的探索性分析,并对于数据进行一些图表或者文字总结并打卡。2 内容介绍载入各种数据科学

2020-09-19 01:22:15 355

原创 Datawhale 零基础入门金融风控-贷款违约预测-Task1 赛题理解

赛题:零基础入门数据挖掘 - 二手车交易价格预测地址:https://tianchi.aliyun.com/competition/entrance/531830/introduction1 学习目标理解赛题数据和目标,清楚评分体系。完成相应报名,下载数据和结果提交打卡,熟悉比赛流程。2 了解赛题赛题概况数据概况预测指标分析赛题2.1赛题概况       赛题以金融风控中的个人信贷为背景,要求选手根据贷款申请

2020-09-15 17:03:19 293

原创 Python | set()的理解与基本用法

Python之set() 集合集合(set)是一个无序的不重复元素序列。可以使用大括号 { } 或者 set() 函数创建集合。1. 语法  class set([iterable])  参数:iterable – 可迭代对象对象;  返回值:新的set集合对象2. 基本特点  (1) 确定性  (2) 无序性  (3) 唯一性(无重复性)3. 创建:可以使用大括号 {

2020-08-06 21:25:57 6188

原创 Python可视化 | Seaborn之seaborn.heatmap()热力图

Seaborn之seaborn.distplot()Seaborn是基于matplotlib的Python可视化库。 它提供了一个高级界面来绘制有吸引力的统计图形。seaborn.heatmap()热力图,常用于展示一组变量的相关系数矩阵,列联表的数据分布,通过热力图我们可以直观地看到所给数值大小的差异状况。seaborn.heatmap(data, vmin=None, vmax=None, cmap=None, center=None, robust=False, annot=None, fmt=

2020-08-05 23:23:44 12317

原创 Python可视化 | Seaborn之seaborn.distplot()

Seaborn之seaborn.distplot()Seaborn是基于matplotlib的Python可视化库。 它提供了一个高级界面来绘制有吸引力的统计图形。Seaborn的displot()集合了matplotlib的hist()与核函数估计kdeplot的功能,增加了rugplot分布观测条显示与利用scipy库fit拟合参数分布的新颖用途。seaborn.distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None, his

2020-08-05 21:19:31 9169

原创 深度学习|卷积神经网络之池化层

池化层设任意二维数组 X 的 i 行 j 列的元素为 X[i, j] 。如果我们构造的卷积核输出 Y[i, j]=1 ,那么说明输⼊入中 X[i, j] 和 X[i, j+1] 数值不一样。这可能意味着物体边缘通过这两个元素之间。但实际图像⾥里,我们感兴趣的物体不会总出现在固定位置:即使我们连续拍摄同⼀个物体也极有可能出现像素位置上的偏移。这会导致同⼀个边缘对应的输出可能出现在卷积输出 Y 中的不同位置,进而对后面的模式识别造成不便。池化层的作用为了缓解卷积层对位置的过度敏感性二维最大池化层和平均池

2020-08-02 09:33:12 736

原创 虚拟机vmware centos7 扩展磁盘空间

Vmware Workstation为虚拟机Centos7 扩展磁盘空间虚拟机上创建一个新的逻辑分区,将新的逻辑分区格式化为ext3的文件系统,mount到文件系统根目录1. 作为一个已经长大的程序员,首先要学会自己备份2. 查看挂载点3. 扩展虚拟机硬盘空间4. 对新增硬盘进行分区功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列...

2020-01-12 19:14:30 365

SVM支持向量机python代码实现 Jupyter Notebook

SVM python代码实现 支持向量机(support vector machines, SVM)是一种二分类模型,它的基本模型是定义在特征空间上的间隔最大的线性分类器,间隔最大使它有别于感知机;SVM还包括核技巧,这使它成为实质上的非线性分类器。SVM的的学习策略就是间隔最大化,可形式化为一个求解凸二次规划的问题,也等价于正则化的合页损失函数的最小化问题。SVM的的学习算法就是求解凸二次规划的最优化算法。

2020-08-07

苹方黑体-中粗-繁.ttf

苹果苹方字体官方版是一个十分优秀的苹果字体,专为中国用户打造。苹果苹方字体官方版英文名称为PingFang SC,是苹果在最新的 iOS 和 Mac OS 操作系统的默认字体随着APP及UI设计的流行,苹方字体也就成了UI设计师必备的字体包。

2020-08-07

GTWR_Briefing.pdf

地理和时间加权回归(GTWR)是一种能同时解释空间和时间非平稳性的局部线性回归模型。GTWR的设计体现了局部加权方案,其中地理加权回归(GWR)和时间加权回归(TWR)是GTWR的特例。GTWR可以支持点和面板数据。如果是面板数据,则将所有横截面中的记录合并到一个文件中。每个记录应该有三个字段,分别表示X坐标、Y坐标和时间戳。

2020-08-07

HTML+CSS习题及面试题.pdf

124道HTML+CSS习题及面试题,前端、全栈开发面试必备;自建网站基础知识必备。来自2011腾讯前端面试稿。

2020-08-07

浅谈三种最常规的HTTPS流量解密方法及原理.pdf

Web 安全是一项系统工程, 任何细微疏忽都可能导致整个安全壁垒土崩瓦解。 拿 HTTPS 来说, 它的「内容加密、 数据完整性、 身份认证」 三大安全保证, 也会受到非法根证书、 服务端配置错误、SSL 库漏洞、 私钥被盗等等风险的影响。 很多同学认为只要访问的网站地址前有一把小绿锁就绝对安全, 其实不然。 本文通过介绍三种最常规的 HTTPS 流量解密方法及原理, 浅谈一下 HTTPS 的安全风险。

2020-08-07

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除