程序猿零零漆-CSDN博客

原创高分子化学核心知识全梳理：从聚合机理、共聚行为到反应性影响因素

本文系统梳理高分子化学核心知识，涵盖高分子基本概念、链式与逐步聚合的差异、自由基、离子、配位及开环等多种聚合机理，并深入解析共聚合行为与影响因素。通过对比不同聚合方式的特征、反应动力学及结构调控策略，构建完整的理论框架，助力学生与从业者快速掌握高分子化学核心脉络。

2026-09-17 07:00:00 256 1

原创 PyTorch 入门核心：张量操作与自动微分全解析

本文系统介绍了PyTorch深度学习框架的核心概念与基本操作。首先概述了深度学习的特点、模型类型及应用场景，重点讲解了PyTorch框架的张量(tensor)数据结构。文章详细演示了多种张量创建方法：基本创建方式(torch.tensor/Tensor)、线性/随机张量生成、0/1/指定值张量初始化等，并提供了完整的代码示例。通过本文，读者可以快速掌握PyTorch张量的基础操作，为后续构建和训练神经网络奠定坚实基础。

2026-08-21 05:45:00 253

原创基于 XGBoost 的电力负荷预测实战：从数据清洗到模型部署

本文介绍了电力负荷预测的重要性及常用方法，重点讲解如何将机器学习应用于时序预测任务。文章首先概述了时间序列预测的基本概念、应用场景和任务分类，对比了统计方法和机器学习算法的优劣。随后以一个真实的电力负荷预测项目为例，详细展示从数据准备到模型训练的全流程，包括特征工程、XGBoost模型实现等关键步骤。该项目将时序数据转化为结构化特征，采用机器学习方法预测未来电力负荷，为电网调度和能源管理提供决策支持。文中还提供了完整的代码实现框架和日志工具类。

2026-08-02 06:00:00 156

原创机器学习实战：朴素贝叶斯分类与K-Means聚类算法详解（附情感分析与客户分群案例）

本文介绍了机器学习中两种经典算法：朴素贝叶斯（监督学习）和K-Means聚类（无监督学习）。朴素贝叶斯基于贝叶斯定理和特征条件独立假设，简化了联合概率计算，适用于文本分类等任务，文中通过情感分析案例演示了其应用流程。K-Means聚类通过迭代寻找聚类中心实现样本自动分组，常用于用户画像等领域。两种算法均配有数学原理说明和Python实现代码，其中朴素贝叶斯部分详细解释了条件概率、联合概率及拉普拉斯平滑等核心概念，并通过商品评论分类展示了完整建模过程。

2026-07-25 06:45:00 210

原创集成学习完全指南：从Bagging、Boosting到XGBoost原理与实战

本文系统梳理了集成学习的知识体系，重点对比了Bagging和Boosting两大流派的差异。Bagging通过有放回抽样构建差异性学习器并平权投票（如随机森林），而Boosting则通过关注误分类样本和加权投票逐步提升（如AdaBoost、GBDT）。文章详细解析了随机森林的随机性原理、AdaBoost权重更新机制，以及GBDT到XGBoost的进化过程（二阶泰勒展开、正则化设计）。通过红酒品质预测和泰坦尼克号生存预测等实战案例，辅以完整代码实现，帮助读者从理论到应用全面掌握集成学习技术，适用于面试准备和项

2026-07-21 06:00:00 354

原创从if-else到智能决策：决策树算法全解析（ID3 / C4.5 / CART 及剪枝实战）

决策树是一种直观易懂的监督学习算法，通过树形结构基于特征进行条件判断实现分类。文章介绍了决策树的基本概念、构建流程及两种主要算法：ID3和C4.5。ID3算法基于信息增益选择特征，通过计算数据集熵与条件熵的差值确定最优划分特征；而C4.5算法改进ID3可能偏向多值特征的问题，引入信息增益率（信息增益除以特征内在信息）作为选择标准。文章通过相亲决策、客户流失预测等案例，展示了决策树的具体应用和计算过程，说明其在实际问题中的有效性。

2026-07-16 06:00:00 370

原创逻辑回归从原理到实战：二分类与模型评估全解析

本文介绍了逻辑回归的原理及应用，包括Sigmoid函数、概率估计和极大似然估计等数学基础。逻辑回归通过线性模型计算特征重要性，再经Sigmoid函数转换为概率值进行分类。文中详细讲解了损失函数和sklearn中的LogisticRegression API参数设置。通过乳腺癌诊断案例（699条样本，11个特征），演示了数据预处理、特征工程、模型训练与评估的全流程，包括处理缺失值、标准化特征、训练模型及使用准确率等指标评估性能。案例展示了逻辑回归在二分类问题中的实际应用。

2026-07-12 00:30:00 175 2

原创从线性回归到正则化：一篇带你彻底搞懂“拟合“与“过拟合“的机器学习实战笔记

文章摘要线性回归是机器学习基础算法，分为一元和多元回归。文章介绍了线性回归的概念、分类（一元/多元）及应用场景，通过预测身高案例演示了sklearn实现过程。重点讲解了损失函数（MSE、MAE）的作用和两种求解方法：正规方程（解析解）和梯度下降（迭代优化），分析对比了二者的优缺点。最后介绍了回归评估指标（MAE、MSE、RMSE）及其sklearn实现方法。全文从理论到实践，系统梳理了线性回归的核心知识点。

2026-07-09 06:00:00 244

原创《机器学习经典算法实战指南 —— 从KNN原理到手写数字识别完整项目》

KNN算法是机器学习中最直观的算法之一，基于“近朱者赤”的思想，通过计算样本距离进行分类或回归预测。其核心流程包括：计算距离、排序、选择K个最近邻、进行多数投票（分类）或均值计算（回归）。K值的选择影响模型效果，常用欧氏距离衡量相似性。特征预处理（如归一化、标准化）可消除量纲影响，提升模型鲁棒性。KNN适用于小规模数据，但计算复杂度高，对异常值敏感。

2026-07-06 07:00:00 240 3

原创机器学习入门全指南：从概念、算法到特征工程与模型评估

本文系统介绍了机器学习的基础知识框架，首先厘清了人工智能、机器学习和深度学习三者的关系；然后详细讲解了监督学习、无监督学习、半监督学习和强化学习等主要算法类型，并配有直观图示；接着介绍了机器学习的基本术语（样本、特征、标签等）和数据集划分方法；最后概述了机器学习的应用领域、发展历程和建模流程。文章内容由浅入深，既包含概念解析也涉及实践方法，帮助读者建立对机器学习的整体认知。

2026-07-04 07:00:00 345 2

原创《从AI通识到LangChain实战：构建你的第一个智能体应用》

本文介绍了LangChain框架在AI智能体开发中的重要性，并系统梳理了人工智能基础知识。主要内容包括：1）AI三大核心要素（模型、数据、算力）；2）神经网络原理与Transformer架构；3）大语言模型发展历程及词向量技术；4）大模型应用场景（如对话机器人）与服务部署方式（云平台API和本地ollama）；5）详细讲解DeepSeek和阿里云百炼等平台的API调用方法。文章为开发者提供了从理论到实践的完整知识框架，适合不同层次的AI学习者参考。

2026-07-04 00:15:00 400 1

原创从数据可视化到AI应用开发：Python全栈实战之旅

本文介绍了一个完整的Python数据分析与可视化案例，展示了如何分析TMDB-TOP300电影榜单数据。通过Pandas和Matplotlib，作者演示了四项关键分析：1) 历年电影数量变化折线图；2) 不同语言电影数量柱状图；3) 不同类型电影数量柱状图；4) 电影评分比例饼图。文章详细讲解了数据处理技巧，包括缺失值填充、数据分组统计、可视化参数设置等，最终生成包含四个子图的综合数据看板。这个案例展示了Python在数据分析和可视化方面的强大能力，为后续开发智能Web应用奠定了基础。

2026-07-02 02:00:00 205

原创从零搭建电影数据爬虫：Python实战TMDB热门榜单抓取

本文介绍了网络爬虫的基础知识和实战案例。首先解释了爬虫的概念，即自动抓取网络数据的程序，并提及了robots协议等基础知识。然后通过TIOBE网站案例展示了简单的爬虫实现，包括requests库的使用和HTML解析。重点讲解了XPath语法用于网页解析，并通过lxml库进行演示。最后展示了一个完整的电影数据爬取案例，从TMDB网站获取高分电影信息并保存为CSV文件。案例代码包括主流程和辅助函数，演示了如何获取电影列表、提取详情信息并进行数据存储。

2026-06-30 18:05:20 2178 4

原创 AI智能伴侣实战：从零搭建你的专属DeepSeek聊天应用（Streamlit + 大模型）

本文介绍了如何从零开始构建一个AI智能伴侣应用。主要内容包括：1) 大模型部署与调用基础，介绍了Ollama工具和DeepSeek API的使用；2) 网络基础知识，涵盖IP地址、HTTP协议等概念；3) 使用Apifox进行API测试；4) 会话记忆处理方案；5) Python代码调用大模型示例；6) 提示词工程技巧。最后介绍了使用Streamlit框架快速构建Web应用界面，无需前端知识即可开发交互式AI应用。文章提供了完整的实践路径，适合AI初学者快速上手开发智能对话系统。

2026-06-30 00:15:00 509 2

原创会员价值度模型：RFM 客户分层实战案例

本文介绍了RFM模型在客户价值分析中的完整实现流程。通过真实零售订单数据案例，从数据准备、预处理到R（最近购买时间）、F（购买频率）、M（消费金额）三个维度的计算与评分，详细演示了等宽分箱与等频分箱的选择应用。文章重点讲解了两种客户分层策略：加权得分法和RFM组合法，并提供了可视化分析建议。通过本案例，读者可掌握一套可复用的RFM分析代码模板，实现客户价值精准分层（如高价值、中价值和低价值客户），为营销决策提供数据支持。

2026-06-20 02:31:45 304 3

原创 Pandas 数据分析与可视化：交叉表、透视表与 Matplotlib 绘图

本文介绍了Pandas数据分析中的高级处理技巧（交叉表与透视表）以及Matplotlib数据可视化的基础内容： Pandas高级处理：交叉表：用于统计分组频率，通过pd.crosstab()实现行变量与列变量的交叉计数，展现分类变量之间的关系分布。透视表：通过pivot_table()对数据进行多维聚合分析，支持自定义行/列索引、数值列及聚合函数（如平均值），实现类似Excel的数据透视功能。 Matplotlib基础：从创建画布（plt.figure()）到绘制折线图（plt.plot()），详细说

2026-06-19 23:44:55 620 1

原创 Pandas 数据处理进阶：增删改查、缺失值、合并与分组

本文介绍了Pandas中DataFrame数据的增删改查核心操作。主要内容包括：增加列：通过直接赋值和assign()函数两种方式，支持固定值、计算列、Series对象等多种数据源。删除操作：使用drop()删除行/列使用del直接删除列数据去重drop_duplicates() 修改数据：通过assign()替换列直接赋值修改（不推荐）使用replace()函数替换特定值查重操作：展示series.unique()和drop_duplicates()两种去重方法。文章通过具体代码示例演

2026-06-19 00:00:50 414

原创 Pandas 数据处理三板斧：基本操作、运算与文件读写

本文介绍了Pandas数据分析中的基本数据操作，主要包括索引操作、排序操作和DataFrame运算三部分内容。在索引操作中，演示了直接行列索引和结合loc/iloc的使用方法；排序操作部分展示了DataFrame和Series的排序实现；DataFrame运算章节涵盖了算法运算、逻辑运算符和统计运算等核心功能，包括描述性统计、统计函数和累计统计函数的使用。文章通过股票数据示例，配合代码和输出结果，直观地展示了Pandas进行数据操作的典型方法，为数据分析的日常处理提供了实用参考。

2026-06-17 23:55:26 474 1

原创 Pandas 数据分析入门：从数据结构到实战绘图

本文介绍了Python中强大的数据处理库Pandas的核心功能与应用场景。Pandas基于Numpy构建，具有高效的数据处理能力，特别适合处理单机结构化数据。文章通过实际案例演示了Pandas的基本操作：包括数据加载、查询筛选、索引设置、数据可视化（绘制GDP变化曲线）以及解决中文显示问题。重点讲解了Pandas的两种核心数据结构：DataFrame和Series，其中Series作为一维数组对象，包含索引和数据值两部分。Pandas凭借其灵活的分组、聚合和转换功能，成为数据清洗、分析和处理的理想工具，尤其

2026-06-17 03:44:50 416 1

原创零基础入门Python数据分析：环境搭建+Numpy核心功能实战全指南

Python作为当下最为流行的编程语言之一可以独立完成数据分析的各种任务数据分析领域里有海量开源库机器学习/深度学习领域最热门的编程语言在爬虫，Web开发等领域均有应用与Excel，PowerBI，Tableau等软件比较Excel有百万行数据限制PowerBI ，Tableau在处理大数据的时候速度相对较慢Excel，Power BI 和Tableau 需要付费购买授权Python功能远比Excel，PowerBI，Tableau等软件强大。

2026-06-16 22:03:16 200

原创 Python进阶之路：正则表达式、高级语法与核心数据结构（链表、二叉树）全解析

本文介绍了Python的进阶知识，包括正则表达式、上下文管理器、生成器和链表等核心概念。正则表达式部分详细讲解了re模块的使用方法、匹配规则和分组提取数据；上下文管理器介绍了with语句和自定义实现方式；生成器部分解释了其内存优化优势和使用方法；最后简要对比了顺序表和链表的存储特点，着重说明了单链表的结构。这些知识将帮助开发者编写更高效、优雅的Python代码，特别是在文本处理、资源管理和数据结构方面。掌握这些进阶技能是提升Python编程能力的关键步骤。

2026-06-15 21:51:26 1100 1

原创别再傻傻分不清！Python进程和线程入门到实操一看就会

Python进程与多任务编程摘要本文介绍了Python多进程编程的基本概念和实现方法。主要内容包括：多任务概念：解释了并发（单核CPU交替执行）和并行（多核CPU同时执行）的区别。进程基础：进程是操作系统资源分配的最小单位，每个Python程序运行时至少创建一个主进程。多进程实现：使用multiprocessing模块创建子进程通过Process类实例化进程对象支持元组(args)和字典(kwargs)方式传参进程管理：获取进程ID(os.getpid)和父进程ID(os.getppid)

2026-06-15 01:06:34 295 1

原创 Python核心进阶三连：闭包装饰器、深浅拷贝、网络编程从原理到实战

本文通俗易懂地讲解了Python中闭包、装饰器与深浅拷贝的核心概念。通过生活化类比和可运行实例，详细介绍了闭包的保存变量特性、装饰器的功能扩展原理，以及通用装饰器的使用方法。文章还涵盖了多个装饰器的嵌套执行顺序、带参数装饰器的实现技巧，并提供了深浅拷贝的对比示例，帮助读者掌握这些在实际项目和面试中常用的Python知识点。

2026-06-14 02:11:27 442 1

原创用代码“收养”一只宠物：Python 面向对象编程轻松学

Python面向对象编程基础摘要本文介绍了Python面向对象编程(OOP)的核心概念和语法。主要内容包括：类与对象：类是现实事物的抽象描述，对象是类的具体实例。通过class关键字定义类，通过实例化创建对象。方法与属性：类中包含方法和属性，使用self关键字指向当前对象实例，可以在类内部访问属性和调用方法。魔法方法： __init__()：对象初始化时自动调用 __str__()：打印对象时自动调用 __del__()：删除对象时自动调用继承机制：单继承：一个子类继承一个父类多继承：一个子类

2026-06-13 15:33:45 324 1

原创零门槛搭建AI聊天机器人：本地DeepSeek + 云端通义千问实战全攻略

LangChain由Harrison Chase 创建于2022年10月，它是围绕LLMs(大语言模型)建立的一个框架.LangChain自身并不开发LLMs，它的核心理念是为各种LLMs实现通用的接口，把LMs相关的组件“链接”在一起，简化LLMs应用的开发难度，方便开发者快速地开发复杂的LLMs应用.LangChain目前有两个语言的实现:python 和 NodeJS.LangChain是一个用于构建和管理基于语言模型(Language Models,LM)的应用程序的框架。

2026-06-13 00:29:45 574

原创零基础AI开发入门指南：从虚拟机装Linux、掌握终端命令到跑通第一个大模型

这篇博客为零基础用户提供了入门AI大模型开发的最短路径指南。主要内容包括：虚拟机安装教程（VMware+Ubuntu系统） Linux基础操作（目录结构、常用命令如ls/cd/pwd等） SSH远程连接配置（通过MobaXterm）环境验证方法（网络检查、快照备份）文章强调无需昂贵硬件（如专业显卡），通过虚拟机即可搭建开发环境，帮助初学者克服入门门槛。详细展示了从系统安装到基础命令操作的完整流程，为后续运行AI模型demo打下基础。

2026-06-12 07:00:00 210 2

原创 Python 基础核心知识总结：函数、文件操作、异常、模块与常用内置模块

本文介绍了Python核心知识中的函数进阶、文件操作等关键内容。在函数部分，讲解了多返回值、多种传参方式（位置参数、关键字参数、缺省参数、不定长参数）以及匿名函数的定义与使用。文件操作部分详细说明了文件的编码概念、读取方法（read/readline/readlines）、写入和追加模式的区别，以及使用with语句自动管理文件资源。这些知识点是Python编程的重要基础，掌握它们能帮助开发者更高效地进行文件处理和函数编写。文章通过示例代码直观展示了每个概念的实际应用，适合Python初学者系统学习核心编程技

2026-06-10 23:44:27 292 4

黑马程序员外卖项目苍穹外卖后端代码

基于JavaWeb的学生信息管理系统

病例管理系统-java

空空如也