<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[全栈开发的博客]]></title><description><![CDATA[浅入深出]]></description><link>https://blog.csdn.net/paulwang040</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; paulwang040]]></copyright><item><title><![CDATA[sort与sorted区别用法]]></title><link>https://blog.csdn.net/paulwang040/article/details/141805140</link><guid>https://blog.csdn.net/paulwang040/article/details/141805140</guid><author>paulwang040</author><pubDate>Mon, 02 Sep 2024 09:05:08 +0800</pubDate><description><![CDATA[方法时，你通常是在谈论列表（list）的一个内置方法，该方法用于就地（in-place）对列表中的元素进行排序，即它会直接修改原列表，而不是返回一个新的排序后的列表。函数是 Python 中的一个内置函数，用于对可迭代对象（如列表、元组、字典等）进行排序，并返回一个新的列表，其中包含排序后的元素。（可选）: 一个函数，用于从每个元素中提取一个用于比较的关键字。它应该接受一个参数（列表中的一个元素）并返回一个用于排序的键。如果你有一个字典列表，并希望根据字典的某个值进行排序，你可以使用。]]></description><category></category></item><item><title><![CDATA[python的list的extend扩展]]></title><link>https://blog.csdn.net/paulwang040/article/details/141226722</link><guid>https://blog.csdn.net/paulwang040/article/details/141226722</guid><author>paulwang040</author><pubDate>Thu, 15 Aug 2024 16:59:40 +0800</pubDate><description><![CDATA[方法用于在列表的末尾一次性追加另一个序列中的多个值（用新列表扩展原来的列表）。这个方法会就地修改原列表，而不是创建一个新的列表，并返回。方法则是将整个可迭代对象（如列表）作为单个元素添加到列表的末尾，而不是将其元素逐一添加。操作符会返回一个新列表，而不是修改原列表；方法后，原列表会包含扩展后的所有元素。的末尾，而不是将其元素逐一添加。被作为一个列表元素添加到了。]]></description><category></category></item><item><title><![CDATA[python里matrix[i]]]></title><link>https://blog.csdn.net/paulwang040/article/details/141221519</link><guid>https://blog.csdn.net/paulwang040/article/details/141221519</guid><author>paulwang040</author><pubDate>Thu, 15 Aug 2024 14:30:22 +0800</pubDate><description><![CDATA[matrix[i]在列表的列表中表示访问第i行（一个列表）。在NumPy数组中，matrix[i]也表示访问第i行（一个NumPy数组的子数组），但如果你想要访问单个元素，你需要使用的形式，其中i是行索引，j是列索引。]]></description><category></category></item><item><title><![CDATA[列表与链表的对比]]></title><link>https://blog.csdn.net/paulwang040/article/details/141176154</link><guid>https://blog.csdn.net/paulwang040/article/details/141176154</guid><author>paulwang040</author><pubDate>Tue, 13 Aug 2024 23:01:31 +0800</pubDate><description><![CDATA[列表（List）和链表（LinkedList）在效率上的比较主要取决于具体的操作类型和场景。]]></description><category></category></item><item><title><![CDATA[常用的数据结构有哪些？]]></title><link>https://blog.csdn.net/paulwang040/article/details/141176133</link><guid>https://blog.csdn.net/paulwang040/article/details/141176133</guid><author>paulwang040</author><pubDate>Tue, 13 Aug 2024 23:00:05 +0800</pubDate><description><![CDATA[常用的数据结构是计算机科学中用于组织、存储和高效处理数据的基本结构。这些结构的选择取决于具体的应用场景和需要解决的问题。这些数据结构各有特点，在实际应用中应根据具体需求选择合适的数据结构。]]></description><category></category></item><item><title><![CDATA[二叉树概念与使用]]></title><link>https://blog.csdn.net/paulwang040/article/details/141065112</link><guid>https://blog.csdn.net/paulwang040/article/details/141065112</guid><author>paulwang040</author><pubDate>Tue, 13 Aug 2024 11:24:47 +0800</pubDate><description><![CDATA[例如，在二叉搜索树（Binary Search Tree, BST）中，数据以中序遍历的方式（左-根-右）有序排列，使得查找、插入和删除操作都可以在对数时间复杂度内完成，这比线性表（如数组或链表）的效率要高得多。的二叉树的最大节点数”时，我们实际上是在考虑一个完全二叉树（Complete Binary Tree），这种树在每一层都尽可能多地填充节点，直到达到指定的深度。的二叉树（这里我们假设根节点的深度为1，这是另一种常见的约定，尽管有时也将根节点的深度视为0），其最大节点数可以通过分析树的结构来得出。]]></description><category></category></item><item><title><![CDATA[数学中常用的解题方法]]></title><link>https://blog.csdn.net/paulwang040/article/details/140948990</link><guid>https://blog.csdn.net/paulwang040/article/details/140948990</guid><author>paulwang040</author><pubDate>Mon, 12 Aug 2024 11:21:09 +0800</pubDate><description><![CDATA[文章目录待定系数法应用示例1. 多项式除法2. 分式化简3. 数列通项公式总结递归数列特征方程特征根的求解通项公式的求解示例错位相减，差分错位相减法差分的应用结合理解韦达定理二项式定理二项式定理的通项公式二项式系数的性质应用示例一元二次求解1. 因式分解法示例：2. 公式法示例：共轭复根指数开根算法高次方程展开方程组求解数列相关求解猴子吃桃问题数学问题猴子吃桃，剩余个数为何是先减去1在除以2，题目明明是先吃一半，再多吃一个数列求通项公式1. 观察数列的前几项2. 尝试归纳通项公式3. 验证公式4. 使用数学]]></description><category></category></item><item><title><![CDATA[MLFlow安装使用]]></title><link>https://blog.csdn.net/paulwang040/article/details/141098299</link><guid>https://blog.csdn.net/paulwang040/article/details/141098299</guid><author>paulwang040</author><pubDate>Sat, 10 Aug 2024 23:48:08 +0800</pubDate><description><![CDATA[2.2 查看视图
执行后：

执行中：
运行详情：

运行详情：

查看生成的模型：
下载模型，放入工程同级目录：

运行结果：
至此，入门结束！]]></description><category></category></item><item><title><![CDATA[爬虫分布式框架PySpider]]></title><link>https://blog.csdn.net/paulwang040/article/details/141016829</link><guid>https://blog.csdn.net/paulwang040/article/details/141016829</guid><author>paulwang040</author><pubDate>Thu, 08 Aug 2024 08:57:55 +0800</pubDate><description><![CDATA[PySpider是一个基于Python的分布式爬虫框架，它以其强大的功能和灵活性在数据爬取领域得到广泛应用。]]></description><category></category></item><item><title><![CDATA[python列表里的每一项放入字典]]></title><link>https://blog.csdn.net/paulwang040/article/details/140991839</link><guid>https://blog.csdn.net/paulwang040/article/details/140991839</guid><author>paulwang040</author><pubDate>Wed, 07 Aug 2024 14:45:38 +0800</pubDate><description><![CDATA[在Python中，如果你想要将列表中的每一项放入字典中，有几种方式可以做到这一点，具体取决于你想要如何组织和存储这些数据。但请注意，这种方法在列表项不是唯一时会导致后出现的项覆盖前面的项。只是一个示例，你可以根据需要添加任何额外的信息。]]></description><category></category></item><item><title><![CDATA[python文件命名规范]]></title><link>https://blog.csdn.net/paulwang040/article/details/140990920</link><guid>https://blog.csdn.net/paulwang040/article/details/140990920</guid><author>paulwang040</author><pubDate>Wed, 07 Aug 2024 14:20:35 +0800</pubDate><description><![CDATA[在Python中，关于文件名（包括模块名、包名等）的首字母是否应该大写，并没有强制性的规定。不过，根据PEP 8 – Style Guide for Python Code（Python官方代码风格指南），推荐的做法是遵循小写字母，并使用下划线（_）来分隔单词，而不是使用驼峰命名法（CamelCase，包括首字母大写的驼峰命名法）。此外，如果你正在编写一个库或框架，并希望它与Python的标准库和其他广泛使用的库保持一致的命名风格，那么遵循PEP 8的推荐做法是一个好主意。]]></description><category></category></item><item><title><![CDATA[python时区日期格式化]]></title><link>https://blog.csdn.net/paulwang040/article/details/140990632</link><guid>https://blog.csdn.net/paulwang040/article/details/140990632</guid><author>paulwang040</author><pubDate>Wed, 07 Aug 2024 14:10:37 +0800</pubDate><description><![CDATA[在这两个示例中，我们都首先从UTC时间开始，然后将其转换为特定的时区（这里以“Asia/Shanghai”为例），并最终将时间格式化为字符串。（用于处理不同时区）或Python 3.9及以上版本中的。模块被添加到标准库中，提供了一个更现代的时区处理方法。不符合你的需求，你可以考虑直接输出时区名称（如示例中的。在Python中，处理时区日期并格式化它们通常涉及到。分别代表时区名称和UTC偏移量（但请注意，分别代表年、月、日、小时、分钟、秒，而。（Python 3.9+）的示例。从Python 3.9开始，]]></description><category></category></item><item><title><![CDATA[python遍历列表字典]]></title><link>https://blog.csdn.net/paulwang040/article/details/140990297</link><guid>https://blog.csdn.net/paulwang040/article/details/140990297</guid><author>paulwang040</author><pubDate>Wed, 07 Aug 2024 14:00:23 +0800</pubDate><description><![CDATA[在Python中，遍历列表中的字典是一个常见的操作，它允许你访问字典中的键值对。]]></description><category></category></item><item><title><![CDATA[数学中常用字母符号读法]]></title><link>https://blog.csdn.net/paulwang040/article/details/140904402</link><guid>https://blog.csdn.net/paulwang040/article/details/140904402</guid><author>paulwang040</author><pubDate>Tue, 06 Aug 2024 20:21:53 +0800</pubDate><description><![CDATA[‌例如，‌在几何学中，‌s可以表示形状的周长或某一侧的长度；‌在微积分中，‌s可能代表路径积分中的路径长度，‌或者是在某些变换中的参数。拉长的s（‌∫）‌是微积分学中的一个重要符号，‌用于表示积分运算。‌这个符号最初是由莱布尼兹在1684年从对曲线的切线研究中引入的，‌用于表示对一个函数进行积分的过程。‌积分是数学中的一个概念，‌用于计算曲线下面积、‌体积等，‌它是求和概念的延伸，‌读作“sum”，‌即求和的意思。‌在概率论中，‌Φ\PhiΦ表示一个不可能事件，‌即在任何一次试验中都不会发生的事件。]]></description><category></category></item><item><title><![CDATA[markdown语法]]></title><link>https://blog.csdn.net/paulwang040/article/details/140938338</link><guid>https://blog.csdn.net/paulwang040/article/details/140938338</guid><author>paulwang040</author><pubDate>Mon, 05 Aug 2024 23:06:19 +0800</pubDate><description><![CDATA[Markdown是一种轻量级的标记语言，广泛用于文档编辑、博客写作和代码笔记等领域。它具有简洁、易读、易写的特点，可以方便地将文本转换为各种格式的文档。]]></description><category></category></item><item><title><![CDATA[MLOPS工具集教程-快速入门MLflow]]></title><link>https://blog.csdn.net/paulwang040/article/details/140888733</link><guid>https://blog.csdn.net/paulwang040/article/details/140888733</guid><author>paulwang040</author><pubDate>Sat, 03 Aug 2024 12:59:48 +0800</pubDate><description><![CDATA[机器学习运维，通常称为MLOps，是一种为机器学习模型建立程序、标准和最佳实践的策略。MLOps 不会在没有计划的情况下将大量时间和资源投入到机器学习开发中，而是致力于确保 ML 开发的整个生命周期（从构思到部署）得到仔细记录和管理，以优化结果。MLOps 的存在不仅是为了提高 ML 模型的质量和安全性，而且还以某种方式记录了最佳实践（这种方式对 ML 操作员和开发人员来说，使机器学习开发更具可扩展性）。]]></description><category></category></item><item><title><![CDATA[数据集——鸢尾花介绍和使用]]></title><link>https://blog.csdn.net/paulwang040/article/details/140859334</link><guid>https://blog.csdn.net/paulwang040/article/details/140859334</guid><author>paulwang040</author><pubDate>Thu, 01 Aug 2024 23:02:04 +0800</pubDate><description><![CDATA[X = iris.data[:, :2]的结果是一个新的数组X，它包含了原始数据集iris.data中所有样本的前两个特征，形状为(150, 2)。iris.data是一个NumPy数组或者类似的数据结构，它包含了数据集中所有样本的特征。具体来说，iris.data的形状（shape）是(150, 4)，意味着有150行（样本）和4列（特征）。它包含了150个样本，每个样本有4个特征（花瓣的长度、花瓣的宽度、花萼的长度、花萼的宽度），以及样本所属的类别（三种不同的鸢尾花之一）。]]></description><category></category></item><item><title><![CDATA[最新成分股是什么？]]></title><link>https://blog.csdn.net/paulwang040/article/details/140847330</link><guid>https://blog.csdn.net/paulwang040/article/details/140847330</guid><author>paulwang040</author><pubDate>Thu, 01 Aug 2024 14:39:20 +0800</pubDate><description><![CDATA[最新成分股的选择过程通常包括以下几个步骤：首先，根据股票市场的整体情况和指数的编制要求，确定需要调整的成分股数量和范围；需要注意的是，最新成分股的选择是一个动态的过程，会随着市场的变化而不断调整。具体来说，成分股是构成某一特定股票指数（如上证50、沪深300等）的基础股票，这些指数通过选取市场上一定数量的具有代表性的上市公司股票，采用一定的计算方法（如加权平均法）来反映整个市场的变化趋势。随着时间的推移，股票市场的变化以及上市公司业绩的波动，原有的成分股可能不再符合指数的编制要求，因此需要定期进行调整。]]></description><category></category></item><item><title><![CDATA[特征集越多越好吗]]></title><link>https://blog.csdn.net/paulwang040/article/details/140827229</link><guid>https://blog.csdn.net/paulwang040/article/details/140827229</guid><author>paulwang040</author><pubDate>Wed, 31 Jul 2024 16:55:28 +0800</pubDate><description><![CDATA[在机器学习中，特征集的数量（即特征的维度）并不是越多越好。实际上，特征的数量与模型性能之间的关系是复杂的，并且依赖于多个因素，包括数据的本质、特征之间的相关性、模型的复杂性和过拟合的风险等。总之，特征集的数量应该根据具体情况进行调整，以在模型性能和计算成本之间找到最佳平衡点。]]></description><category></category></item><item><title><![CDATA[网格搜索为何能找到最优参数]]></title><link>https://blog.csdn.net/paulwang040/article/details/140816907</link><guid>https://blog.csdn.net/paulwang040/article/details/140816907</guid><author>paulwang040</author><pubDate>Wed, 31 Jul 2024 16:53:54 +0800</pubDate><description><![CDATA[这个评估标准可以是针对整个训练集的，但更常见的是使用交叉验证（如k折交叉验证）来评估模型在未见过的数据上的泛化能力，从而更准确地反映模型的性能。它假设了参数之间是独立的，并且只考虑了参数空间中的一个有限网格。综上所述，网格搜索通过全面搜索参数空间中的所有可能组合，并使用预定义的评估标准来评估每种组合的性能，从而能够找到在给定参数空间内的最优（或接近最优）的模型参数。：网格搜索通过指定每个参数的取值范围（或列表），然后遍历这些参数的所有可能组合，对每一种组合都训练一个模型，并评估其性能。]]></description><category></category></item></channel></rss>