不思量一口干-CSDN博客

原创逻辑回归：二分类问题的终极解法

逻辑回归核心原理与应用摘要逻辑回归是解决二分类问题的经典算法，通过Sigmoid函数将线性分数映射为0-1概率值实现分类。核心数学基础包括：自然常数e支撑概率压缩对数运算简化概率连乘极大似然估计推导出交叉熵损失函数模型训练采用梯度下降优化：计算线性分数Z=WX+b Sigmoid转换获得概率通过最小化交叉熵损失迭代更新参数关键评估指标：精确率/召回率解决类别不平衡问题 F1-score综合评估模型性能 ROC-AUC对不平衡数据具有鲁棒性实际应用案例演示：电信用户流失预测特征工程与数

2026-04-15 17:34:54 619

原创线性回归：从原理到实战全解析

本文系统介绍了线性回归的核心概念与应用方法。首先阐述了线性回归的定义、分类（一元/多元）及适用场景，强调"线性"指参数线性而非特征线性。详细讲解了模型实现步骤，包括数据准备、特征工程、模型训练与评估，对比了正规方程法（适合小数据）和梯度下降法（适合大数据）的优劣。重点分析了过拟合问题及正则化解决方案，比较了L1（特征筛选）和L2（参数平滑）正则化的特点与适用场景。通过波士顿房价预测案例展示了多元线性回归的完整流程，并可视化演示了欠拟合、过拟合及正则化的效果差异。最后指出评估指标应优先选择

2026-04-15 17:00:18 589

原创机器学习-KNN算法详解：从原理到实战

KNN算法是一种基于实例的机器学习方法，通过计算样本间的距离进行分类或回归预测。摘要要点包括：1）算法核心思想是"物以类聚"，通过k个最近邻的多数表决决定类别；2）关键参数k值的选择需平衡过拟合与欠拟合，通常使用交叉验证确定；3）支持多种距离度量方式（欧氏、曼哈顿等）；4）特征预处理（标准化/归一化）对算法性能至关重要；5）提供分类和回归两种API实现；6）可通过网格搜索优化超参数。典型应用包括鸢尾花分类和手写数字识别，算法简单直观但计算复杂度较高。

2026-03-11 19:44:17 932

原创 AI入门：三分钟搞懂机器学习核心概念

本文系统介绍了人工智能与机器学习的核心概念与技术框架。首先阐述了AI、机器学习和深度学习三者的关系：AI是目标，ML是实现途径，DL是ML的一种深度神经网络方法。然后详细讲解了机器学习三要素（数据、算法、算力）及其协同作用，并分类说明了监督学习、无监督学习、强化学习等主要学习范式。文章重点剖析了特征工程的五大子领域（特征提取、预处理、降维、选择和组合）及其重要性，最后探讨了模型拟合问题（欠拟合、过拟合）及其解决方法。全文构建了从基础概念到实际应用的完整知识体系，为理解机器学习提供了系统化的认知框架。

2026-03-09 08:48:49 1066

原创 Pandas数据分析：从入门到精通

本文介绍了Python数据分析库Pandas的核心功能和使用方法。主要内容包括：Pandas的核心数据结构Series和DataFrame的创建与操作；数据查看与选择的各种方式；基础数据操作如增删改查列/行；文件读写(CSV/Excel/JSON/MySQL)；数据清洗(处理缺失值/重复值/类型转换)；数据合并(concat/merge/join)；分组聚合(groupby)；透视表(pivot_table)和交叉表(crosstab)；以及时间序列处理(重采样/滑动窗口)。

2026-03-05 16:52:24 891

原创 NumPy入门：科学计算核心指南

NumPy是Python科学计算的核心库，提供高效的多维数组对象及数学运算工具。摘要涵盖：1)数组创建方法（zeros/ones/随机数组等）；2)数组操作（索引/切片/形状变换/合并分割）；3)矢量化运算优势；4)常用数学统计函数；5)广播机制原理；6)数据归一化等实用案例。作为Pandas、Matplotlib等库的基础，NumPy通过内存视图和预编译函数实现高性能计算，其数组运算速度远超原生Python列表，是数据分析必备工具。

2026-03-03 10:10:55 762

原创 Python网络编程（快递员与邮局的故事）

Python网络编程笔记摘要：网络编程是让不同计算机程序通信的技术。核心概念包括IP地址（计算机身份证）、端口号（程序门牌）和Socket（通信插座）。TCP提供可靠连接（三次握手），UDP则快速但可能丢包。基础操作包含bind()、listen()、accept()等函数，分别对应建立连接的不同阶段。Python通过socket模块实现基础网络通信，客户端主动发起请求，服务器被动响应。示例展示了简单的客户端-服务器对话流程，包括建立连接、收发数据和关闭连接。

2026-02-05 09:39:58 460

原创本地AI聊天机器人：私有化智能助手

本地化AI聊天机器人搭建指南本文介绍了如何利用Ollama、LangChain和Streamlit构建完全本地化的AI聊天机器人。首先通过Ollama安装并运行大语言模型（如Llama2），然后结合LangChain的对话管理功能和Streamlit的交互界面，实现一个私有化的智能对话系统。详细步骤包括环境配置、模型调用模块开发、基于上下文的聊天界面实现等。该方案不依赖云端服务，确保数据隐私，适合对安全性要求较高的应用场景。

2026-01-28 10:41:09 484 2

原创 ChatBox+Ollama：零成本搭建专属本地AI助手（全隐私·高性能）

摘要：本地AI解决方案通过ChatBox+Ollama组合实现完全免费、离线的智能助手体验。Ollama支持一键部署多种轻量级模型（如Llama3、通义千问等），ChatBox提供优雅的交互界面。配置简单：安装Ollama后下载模型，在ChatBox中设置本地API地址即可使用。支持自定义模型参数、多场景模式切换和系统服务化部署，特别适合注重数据隐私、需要离线使用的用户。3B参数模型仅需4GB内存，7B模型需8GB，通过量化技术可进一步降低资源占用。该方案有效解决了云端AI的隐私泄露、订阅费用和网络依赖问题

2026-01-22 08:23:28 809 1

原创 Conda安装与使用

Conda作为一款开源的包管理与环境管理系统，尽管主要应用于Python编程环境，但同样兼容R、Java、C/C++等多种编程语言。它功能强大，不仅能够协助用户完成软件包及其依赖项的安装、运行与更新操作，还能创建独立的“环境”，以隔离不同项目所需的软件包版本。

2026-01-20 08:36:08 944

转载 Linux云主机（离线）搭建本地yum源

摘要：本文介绍CentOS 7离线yum源的配置方法。首先从指定镜像站点下载ISO文件，上传后使用mount命令挂载到/mnt目录。然后备份原有yum源配置，创建local.repo文件指定本地ISO源路径，设置gpgcheck=0并启用该源。最后通过yum cleanall和yum makecache命令验证配置。这种方法适用于无网络环境下的软件包安装需求。

2026-01-20 08:33:25 62

原创 AI大模型初识及Ollama安装使用

Ollama是一款旨在简化大型语言模型本地部署和运行过程的开源软件。Ollama提供了一个轻量级、易于扩展的框架，让开发者能够在本地机器上轻松构建和管理LLMs(大型语音模型)。无需关注复杂的底层实现细节。

2026-01-19 22:03:00 835 4

转载 LinuxCentOS7.5静默安装Oracle11gR2

本文详细介绍了在CentOS 7.5系统上安装Oracle 11g R2数据库的完整步骤。主要内容包括：1) 强调先在测试环境验证的重要性；2) 系统最低配置要求(1G内存/40G硬盘)；3) 详细的准备工作：创建用户组、修改内核参数、设置环境变量等；4) 安装依赖包和Oracle软件的完整流程；5) 配置监听程序和静默建库方法；6) 设置开机自启动和开放1521端口。文章提供了完整的配置文件和命令，并特别提醒注意修改db_install.rsp中的关键配置项，避免安装失败。最后给出了开机自启动和防火墙配置

2026-01-19 21:53:15 201