- 博客(41)
- 收藏
- 关注
RSS订阅原创 【已解决】【Linux】cd 命令找不到文件夹的问题
在Linux操作系统中，cd命令是用于改变当前工作目录的常用命令。然而，有时候我们在使用cd命令时会遇到找不到指定文件夹的问题。本文将详细探讨可能的原因以及相应的解决方法。例子：cd /usr/local。
2024-09-21 15:12:53
685
原创 【商务智能方法与应用】【章节作业】
【判断题】可视分析以可视交互界面为通道,利用视觉感知通道和交互可视化,将人类的感知和认识通过可视化融入数据的处理,形成人脑智能和机器智能优势互补和相互提升,建立螺旋式的信息交流和知识提炼,完成理解、推理和决策等任务。【单选题】规模巨大且复杂,用现有的数据处理工具难以获取、整理、管理以及处理的数据,这指的是()?【单选题】大数据的主要特征被总结为4V特征,以下哪个不属于大数据的4V特征?【判断题】人类的认知十分有限,在利用可视化探索数据的过程中毫无作用。【单选题】下面属于映射数据到新的空间的方法是( )
2024-09-19 11:22:00
1248
原创 【数据库】【MySQL】操作题 练习
创建表格的语法为：CREATE TABLE 表名(字段的定义，各字段用逗号分隔);插入记录的语法为：INSERT INTO 表名 VALUES(插入的信息，各信息用逗号分隔);查询所有记录的语法为：SELECT*FROM 表名;查询部分记录的语法为（一）：SELECT*FROM 表名 LIMIT 索引区间;注意：索引区间从0开始。查询部分记录的语法为（二）：SELECT 字段名集合，各字段用逗号分隔 FROM 表名;说明：其实就是最后输出的字段列可选，不过如果想显示全部就用星号*。
2024-09-19 09:06:38
584
原创 【基于轻量型架构的WEB开发】【章节作业】
正确答案: C:resultMap表示外部resultMap的命名引用,返回时可以同时使用resultType和resultMap;正确答案: D:元素可以通过db.properties文件实现静态参数配置;正确答案: D:元素;正确答案: A:泛型对象的List集合;正确答案: D:;正确答案: D:keyColumn属性用于设置第几列是主键,当主键列不是表中的第一列时需要设置;正确答案: C:
2024-09-19 08:50:53
1008
原创 【关联规则】【Apriori算法】理解
关联规则学习是数据挖掘中的一种技术，用于发现大型数据库中变量间的有趣关系，特别是变量之间的有意义的关联、相关和依赖关系。这种类型的规则在零售业中特别有用，因为它可以帮助确定哪些商品经常一起购买。
2024-09-18 22:38:24
870
原创 【Linux】【Hadoop】大数据基础实验一
Hadoop运行在Linux系统上，因此，需要学习实践一些常用的Linux命令。本实验旨在熟悉常用的Linux操作和Hadoop操作，为顺利开展后续其他实验奠定基础。cd命令：切换目录（1）切换到目录“/usr/local”（2）切换到当前目录的上一级目录（3）切换到当前登录Linux系统的用户的自己的主文件夹ls命令：查看文件与目录（4）查看目录“/usr”下的所有文件和目录mkdir命令：新建目录。
2024-09-17 13:49:10
659
原创 【已解决】【Windows】【Linux】大数据开发环境配置
常见的虚拟机软件主要有两款VMware和VirtualBox。VMware是商付费软件，而VirtualBox是免费软件，对于一般用用的话VirtualBox基本可以应付大多数情况了。本机电脑：Windows11。
2024-09-15 00:25:03
767
原创 Linux与Ubuntu：内核与发行版的关系
在计算机科学的领域内，Linux和Ubuntu这两个术语频繁出现，但它们之间的确切联系往往不为大众所熟知。本文旨在深入探讨Linux内核与Ubuntu操作系统发行版之间的技术关系，并阐明它们各自的独特性质。
2024-09-14 18:09:52
632
原创 【数据库原理及应用】【数据库系统概论第5版王珊】期末考试复习必备
文档中包含的知识点主要涉及数据库的创建、表的创建与修改、索引的创建与管理、视图的创建与管理以及数据的查询与更新。(3)将 teacherInfo 表的name字段的数据类型改为 VARCHAR(30)。(8)将 teacherInfo 表改名为 teacherInfo_Info。(9)将 teacherInfo_Info表的存储引擎更改为MyISAM类型。(6)将 teacherInfo 表的address字段删除。(4)将birthday字段的位置改到sex字段的前面。将字段移动到表定义的开始位置。
2024-09-05 21:47:35
382
原创 【数据库原理及应用】期末考试复习 知识点【数据库系统概论第5版王珊】
【代码】【数据库原理及应用】期末考试复习 知识点【数据库系统概论第5版王珊】
2024-07-02 10:55:38
554
原创 【SQL】下|牛客网SQL非技术入门40道代码|练习记录
表中存在，并且该用户是山东大学的学生时，这些记录才会被包含在最终结果集中。这与前两个查询不同，前两者使用左连接保留了。23统计每个学校各难度的用户平均刷题数（这题有详细解题步骤，因为开始变难了）刚刚在牛客提交，明明是一样的答案提交错误，等了一会就可以了。说明：某学校用户平均答题数量计算方式为该学校用户答题总。22统计每个学校的答过题的用户的平均题数。默认为内连接)，而非之前的左连接(法2：也可以在连接的同时进行筛选。24统计每个用户的平均刷题数。27查看不同年龄段的用户明细。29计算用户的平均次日留存率。
2024-06-21 16:08:58
887
原创 【开卷考】如何准备之【信息资源组织与管理】期末考试复习必备
❗️首先，适用于考试范围为课本内容或者课堂内容，如果有那种拓展题，脱离课本的，那我就没办法了。✅一定要熟悉熟悉熟悉课本1. 第一遍略看课本，可以不用每句话都做细读，但是整体章节内容要熟悉。我一般会做个思维导图，方便去梳理课本。2.精读课本，大概要三遍以上。💡对照着思维导图，主要目的是熟悉每个小节的内容有哪些概念，论点，论据要达到什么程度呢？每句话都看过，起码知道那些话是有用的，那些是作为辅助材料帮助理解的。
2024-06-19 15:59:42
482
原创 【已解决】迅雷的迅雷影音怎么卸载？Win11 Windows10也适用
点击XMP直到找到xmpstart.exe试图在这个文件夹里寻找XmpUnin9stall.exe。
2024-06-19 14:51:26
7772
3
原创 【多元统计分析】期末复习必备！作业汇总
正态随机变量 协方差 对角阵 相互独立 随机变量二维正态总体 分布 均值 欧氏距离 马氏距离 分布密度函数期望 协方差 常数阵 矩阵的迹 对角线元素方差未知 作为其估计 检验统计量 T分作业二作业三作业四作业五
2024-06-10 17:57:51
298
原创 【SQL】上|牛客网SQL非技术入门40道代码|练习记录
excel里也是先筛选再聚合？好处是：先筛选之后数据量就变少了，然后再计算（或者更复杂的操作），数据量越少，执行速度就快，大概率。在excel里会怎么做：先求出平均发帖和回帖情况（用数据透视表做），然后再筛选符合条件的。刚刚在牛客提交，明明是一样的答案提交错误，等了一会就可以了。关键字：having，having是在聚合之后的数据里进行筛选。说明：某学校用户平均答题数量计算方式为该学校用户答题总。17改题：计算男生人数以及全班的平均GPA。统计每个学校的答过题的用户的平均题数。8查找某个年龄段的用户信息。
2024-06-10 15:16:24
420
原创 【数据分析基础】实验四 matplotlib数据可视化处理
一、知识点小结在本次实验中，我深入学习了matplotlib库的安装和使用，了解了其绘图的一般流程，并熟练掌握了折线图、散点图、柱状图、饼状图和雷达图的绘制方法。此外，我还学习了如何设置图形的常用属性，如坐标轴、图像标题和图例等。通过实验，我掌握了如何切分绘图区域，并在不同的子图中绘制不同的图形，这对于数据的多角度展示非常有帮助。二、实验体会在实验过程中，我遇到了一些挑战，尤其是在设置中文字体和调整图形属性时。我通过查阅文档和在线资源，逐步解决了这些问题。
2024-06-07 11:26:56
1180
原创 【Pandas】可视化plot（）参数kind
plt.show()其它图类型（Other plots）条形图：使用kind='bar'或创建水平或垂直条形图。直方图：使用绘制数据分布的直方图。箱型图：使用kind='box'可视化数据分布和异常值。密度图：使用kind='kde'或绘制。面积图：使用绘制，类似于折线图，但区域会被填充。散点图：使用展示两个变量之间的关系。六边形分布图：使用绘制。饼图：使用kind='pie'展示各部分占总体的比例。当然了，您也可以使用DataFrame.plot.方法创建这些其他绘图。
2024-06-06 12:17:48
1530
原创 【数据分析基础】实验numpy、pandas和matplolib
ddf.plot(x='柜台', y='交易额', kind='pie', labels=ddf['柜台'], autopct='%0.2f%%')ddf = df.loc[:, ['柜台', '交易额']].groupby(by='柜台', as_index=False).sum()df = pd.read_excel(r"数据分析基础课程/超市营业额2.xlsx")
2024-06-06 09:15:00
1674
原创 【数据分析基础】实验二 Python程序流程控制、函数设计与使用
在本次实验中，我深入地学习了Python中的流程控制、函数设计和使用，以及异常处理和输入验证等重要概念。通过编写不同的程序，我不仅巩固了理论知识，而且提高了解决实际问题的能力。通过本次实验，我体会到了编程不仅仅是写代码，更重要的是如何设计出清晰、高效、可维护的程序。我学会了如何通过编写函数来简化复杂的问题，并通过合理的输入验证来提高程序的健壮性。阅读更多的Python代码，特别是那些开源项目和专业代码库，以学习更优秀的编程实践。我学习了如何定义和调用函数，这有助于我创建模块化的代码，提高了代码的复用性。
2024-06-06 02:30:00
746
原创 【数据分析基础】实验三 文件操作、数组与矩阵运算
知识点小结：我掌握了使用with语句进行上下文管理，这是一种优雅且安全的方法来处理文件操作。我学会了如何使用Python标准库中的os和os.path模块来操作文件和目录。我了解了如何安装并使用扩展库python-docx和openpyxl来处理Word和Excel文件。我熟练掌握了numpy库的基本使用，包括数组的创建、运算以及矩阵的生成和运算。实验体会：通过实践，我体会到了Python在数据处理方面的强大功能。特别是在处理Excel和Word文档时，合适的库可以极大地提高工作效率。
2024-06-05 10:36:11
979
原创 【数据分析基础】实验一 Python运算符、内置函数、序列基本用法
对于Python的序列类型，如列表、元组、字典和集合，我通过实验加深了理解，并学会了如何有效地使用它们来存储和操作数据。我也接触了函数式编程的概念，通过使用map(), filter()等函数，我学会了如何将问题分解成更小的、可复用的部分，并通过函数的组合来解决它们。我也通过实际编程，熟练运用了Python的内置函数，比如max(), min(), sum(), sorted()等，这些函数极大地简化了我的数据处理工作。我发现，对于一些复杂的编程问题，我还需要更多的练习和学习才能找到最佳的解决方案。
2024-06-05 02:00:00
928
原创 【数据分析基础】期末复习必备！Python编程语言知识点
在Python编程语言的学习过程中，测试题是检验我们理解程度的重要工具。本文将介绍一些Python编程语言的测试题目，提供正确答案，并给出做题思路，帮助大家更好地掌握Python的知识点。
2024-06-04 00:28:45
1149
原创 【sklearn】【逻辑回归1】
所用的库和版本大家参考：在过去的四周中，我们接触了不少带“回归”二字的算法，回归树，随机森林的回归，无一例外他们都是区别于分类算法们，用来处理和预测连续型标签的算法。然而逻辑回归，是一种名为“回归”的线性分类器，其本质是由线性回归变化而来的，一种广泛使用于分类问题中的广义回归算法。要理解逻辑回归从何而来，得要先理解线性回归。线性回归是机器学习中最简单的的回归算法，它写作一个几乎人人熟悉的方程：通过函数z，线性回归使用输入的特征矩阵X来输出一组连续型的标签值y_pred，以完成各种预测连续型变量的任务 (比如
2024-06-02 19:12:01
910
原创 【已解决】如何在IDEA上部署JSP WEB开发项目
2.1文件--->项目结构，SDK建议jdk13或者jdk17，我使用了jdk17。以我的课设为例，教大家拿到他人的项目后，如何在IDEA上部署。1.4将WEB-INF中的classes设置为源。1.3将准备好的项目文件复制添加到该文件夹。2.2模块--->JAR或目录。5.1当前文件--->编辑配置。1.1复制“位置”的路径。3.2修改这两处路径。
2024-06-02 16:29:34
557
原创 Calibre强大的电子书管理软件
最近开始使用这个软件，契机是想要把epub文件转成pdf，wps没这个功能，就只能另寻它法。不过最后想要的是可搜索内容的文件，还是要用wps转成文字版pdf。
2024-05-28 18:14:03
400
原创 【已解决】自用记录| IntelliJ IDEA Ultimate2024下载安装，教育版
安装完成啦， 可以New Project新建一个项目试试。-->选择安装目录：避免中文和空格-->next。-->Log In，去网页登录账号。-->Activate激活教育版。-->按需勾选-->next。下载完成之后双击运行安装。
2024-05-27 21:54:00
687
原创 自用记录| MySQL下载安装
这里next完之后，安装程序直接关闭了，没有设置密码的环节， 不要慌，先配置环境（不知道是不是因为安装过还是系统问题，反正是有一个临时密码，所以配置完环境再修改密码就好了）Installe有两个，第一个（大小2.4M）是通过联网在线安装，会在线下载安装包；打开后是一个安装向导，这个安装向导会先帮我们安装一个 mysql-installer 的程序，再通过该程序安装MySQL。起因是在终端命令行使用mysql无法启动MySQL，而这样设置后可以免输密码，也不错。找到高级系统设置，win11为例，先找到设置。
2024-05-27 21:49:17
638
原创 MySQL的Shell和Server以及Workbench之间的关系
MySQL的Shell和Server是MySQL数据库系统的不同组件，它们之间的关系是客户端与服务端的关系。
2024-03-25 23:32:24
1394
转载 pyspark和spark的区别
PySpark 适合那些偏向于使用 Python 的数据科学家和工程师，而 Spark 则适合那些偏向于使用 Java 或 Scala 的数据工程师和开发者。PySpark 是 Apache Spark 在 Python API 上的一个开源项目，它提供了一个用于 Python 编程语言的 Spark API。总之，PySpark 和 Spark 都是 Apache Spark 的一部分，提供了不同的编程接口来适应不同的用户需求。选择使用哪个版本取决于您的编程语言偏好、数据处理任务的规模和性能需求等因素。
2023-08-03 09:52:41
1099
原创 LGBM的原生API简单调用
不过这里因为鸢尾花数据是多分类问题，LGBM模型在默认情况下是回归类模型，因此需要通过超参数字典传输建模类型，即objective超参数取值为multiclass（目标为解决多分类问题），同时设置num_class取值为3，即3个类别的多分类问题。当然，除了sklearn API调用外，我们还可以使用LGBM原生API进行模型训练。因此，该代码会返回一个长度和 `X_test` 中样本数相等的一维数组，其中每个元素表示对应样本的分类预测结果，是一个整数。然后创建超参数字典。
2023-06-25 22:46:05
244
原创 LGBM的sklearn API简单调用
gbm是一个机器学习模型，predict_proba()方法会返回输入数据X_test在所有可能标签上的概率值，然后argmax()函数会返回具有最高概率值的标签。对于LGBM来说，支持多种不同类型的数据输入以及多种不同类型的训练方式，这里我们先从最简单的应用情况开始介绍，即围绕CSV格式数据进行DATaFrame数据格式读取，并采用类sklearn的建模风格进行模型的训练。然后是模型实例化过程。在sklearn API中，模型已经设置好了默认超参数取值，可以完全不认识任何模型超参数的情况下进行建模。
2023-06-25 16:49:32
547
原创 LightGBM的安装部署
而LGBM的另一种调用方式，即使用原生API进行建模，则会复杂很多，当然原生API也提供了非常多sklearn API中没有的功能。从建模流程上来看，使用原生LGBM API时需要先对数据集进行封装，转化成一种LGBM库定义的一种特殊的数据格式，然后再设置超参数字典，最终带入封装好的数据集和定义好的超参数字典进行训练，而在训练的过程，则支持多种不同的损失函数设置、以及交叉验证的优化流程的自动实现，并且原生API还提供了非常多实用功能，例如提供了GPU加速、精细化控制每一轮迭代的超参数等方法。
2023-06-25 16:22:02
2619
1
原创 集成学习 模型融合方法 投票法Voting 硬投票与软投票的区别
需要注意的是，软投票要求基本模型能够输出类别的概率或置信度估计，而硬投票只需要基本模型的类别预测结果。在软投票中，假设模型1对类别A的概率为0.8，模型2对类别A的概率为0.6，模型3对类别B的概率为0.9。因此，最终的预测结果是类别B。在硬投票中，每个基本模型都对样本进行预测，并投票选择出现次数最多的类别作为最终的预测结果。具体而言，对于二分类问题，硬投票会选择出现次数最多的类别，而软投票会选择平均概率最高的类别。在硬投票中，类别A出现的次数为2次，类别B出现的次数为1次，所以最终的预测结果是类别A。
2023-06-19 16:14:30
1654
原创 Anaconda虚拟环境,更新库
需要先指定环境再进行操作命令:1、查看已有的虚拟环境2、切换到想要操作的虚拟环境，conda activate 加想要操作的环境的名称, 假设我要操作名为env_name的环境这个时候就可以继续更新啦~3、更新所有包：conda update --all4、更新某个具体的包：conda update package。
2023-06-18 21:07:22
1151
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人