- 博客(17)
- 收藏
- 关注
RSS订阅原创 机器学习：聚类,Sklearn
本次实验基本完成，难度适中，对k-means聚类算法的原理，高斯混合模型聚类算法的原理，sklearn如何实现聚类有了更深的了解，但相关代码的具体作用还需要理解消化。随即中心点的初始点选择是不确定的，可能会导致最后模型的结果不稳定。当每个混合模型没有足够的点时，估算协方差变得困难起来，同时算法会发散并且找具有无穷大似然函数值的解，在计算机上验证和测试k-means聚类和高斯混合模型聚类实验，sklearn的相关聚类算法。高斯混合模型的计算量大，可以看作是KMeans的推广，除非人为地对协方差进行正则化。
2022-11-14 17:06:25
398
原创 登录验证码
登录验证是一般系统都会有的功能，验证的方式也多种多样，比如输入式验证码，拖动式验证条，拖动式验证拼图等等。我们这里先实现常规的输入验证码的方式，右边显示验证码图片，点击可刷新，左边输入验证码。如下图为实现的效果。
2022-11-12 22:37:53
1042
原创 JavaScript简介
为了解决前端验证的问题，当时的浏览器巨头NetScape（网景）公司就开发出一种脚本语言，起初命名为LiveScript，后来由于SUN公司的介入更名为了JavaScript。但是你要清楚，Java和JavaScript是没有什么关系的，只不过当时Java非常流行，为了蹭热度，才将LiveScript更名为JavaScript，它们的关系就像雷锋和雷峰塔的关系一样，没啥关系。
2022-11-12 14:24:30
125
原创 python flask migrate迁移orm模型
flask-bootstrap中文文档：https://flask-bootstrap-zh.readthedocs.io/zh/latest/flask中文文档：https://dormousehole.readthedocs.io/en/1.1.2/jinja2英文文档：https://jinja.palletsprojects.com/en/3.0.x/flask英文文档：https://flask.palletsprojects.com/en/1.1.x/return '删除表成功'
2022-11-09 21:12:25
177
原创 Python Flask Web 框架入门
app.config['SQLALCHEMY_TRACK_MODIFICATIONS'] = False # 动态跟踪修改设置，如果未设置会弹出警告。app.config['SQLALCHEMY_ECHO'] = True # 查询时会显示原始的sql语句。article=Article(title="钢条",content="xxx")#添加数据。article1=Article(title="华华",content="yyy")return "创建表成功"return '删除表成功'
2022-11-09 19:58:48
225
原创 Flask-数据库一对一关系
user=User.query.filter(User.username== '刘强东' ).first() #查询符合条件的记录。article1 = Article(title="西游记", content="三打白骨精", author_id=1)article2 = Article(title="水浒传", content="武松打虎", author_id=2)article=Article.query.filter(Article.id==2).first()#获取。
2022-11-09 19:35:42
123
原创 Flask-数据库一对多关系
article3 = Article(title="三国演义", content="桃园三结义", author_id=2)article1 = Article(title="西游记", content="三打白骨精", author_id=1)article2 = Article(title="水浒传", content="武松打虎", author_id=2)article4 = Article(title="白蛇", content="白素贞", author_id=3)
2022-11-09 18:56:36
361
原创 机器学习实验之线性回归实验
2.请参考线性回归.pdf，同时对比，线性回归，线性回归+多项式特征，以及KNN回归，贝叶斯回归，决策树回归和支持向量SVR回归，六个回归算法对步骤1中的样本数据的回归曲线的差异，哪个回归算法R方分数高（调用score函数）。在计算机上验证和测试最小二乘法和线性回归实验，sklearn的线性回归算法。由最后得分可知，回归算法中，线性svm加入rbf核函数的回归效果最好；4、掌握KNN，贝叶斯，决策树和SVM如何进行线性回归。3、掌握线性回归评价指标和多项式特征算法；2、能够理解线性回归和多元线性回归算法；
2022-11-05 20:36:16
491
原创 机器学习实验之线性回归实验
2.请参考线性回归.pdf，同时对比，线性回归，线性回归+多项式特征，以及KNN回归，贝叶斯回归，决策树回归和支持向量SVR回归，六个回归算法对步骤1中的样本数据的回归曲线的差异，哪个回归算法R方分数高（调用score函数）。在计算机上验证和测试最小二乘法和线性回归实验，sklearn的线性回归算法。由最后得分可知，回归算法中，线性svm加入rbf核函数的回归效果最好；4、掌握KNN，贝叶斯，决策树和SVM如何进行线性回归。3、掌握线性回归评价指标和多项式特征算法；2、能够理解线性回归和多元线性回归算法；
2022-11-05 20:35:43
748
原创 机器学习实验之神经网络基础实验
当x小于0的时候，那么从此流过的神经元的梯度都变成0，这个时候ReLU单元在训练中将死亡（参数无法更新），造成了数据多样化的丢失。Sigmoid缺点：激活函数计算量大，反向传播求梯度时，求导设计除法 反向传播，在饱和区两边导数容易为0，即容易出现梯度消失的情况，从而无法完成训练。在计算机上验证和测试多层神经网络的原理和算法实现，测试多层神经网络的训练效果，同时查阅相关资料。Sigmoid函数反向传播时，容易出现梯度消失的情况，造成信息的丢失，无法完成分类。激活函数的作用：为了增加神经网络模型的非线性。
2022-11-05 20:33:31
591
原创 flask入门
另外，Flask还有很强的定制性，用户可以根据自己的需求来添加相应的功能，在保持核心功能简单的同时实现功能的丰富与扩展，其强大的插件库可以让用户实现个性化的网站定制，开发出功能强大的网站。Flask是一个轻量级的可定制框架，使用Python语言编写，较其他同类型框架更为灵活、轻便、安全且容易上手。默认的内容类型是 HTML ，因此字 符串中的 HTML 会被浏览器渲染。进行开发，开发人员分工合作，小型团队在短时间内就可以完成功能丰富的中小型网站或。该类的实例将会成为我们的 WSGI 应用。
2022-11-05 18:21:00
110
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人