- 博客(142)
- 收藏
- 关注
RSS订阅原创 【linux】（9）目录介绍
/boot用途：存放用于系统引导时使用的各种文件，是启动Linux时使用的一些核心文件，包括一些连接文件以及镜像文件。（不要动）内容：包括启动引导程序和内核镜像文件。如果这个目录有问题，系统可能无法启动。示例：/dev用途：存放设备文件， dev是Device(设备)的缩写, 存放的是Linux的外部设备，在Linux中访问设备的方式和访问文件的方式是相同的。内容：设备文件是一种特殊类型的文件，它们充当设备（如硬盘、终端、打印机等）的接口。Linux 中一切皆文件，设备也是文件。示例：
2024-07-02 13:07:21
584
原创 【linux】（1）文件操作及vi
存在，Vi 会打开该文件；命令：显示所有文件，包括隐藏文件。命令：在文件内容中搜索特定字符串。命令：查看文件和目录磁盘使用情况。命令：创建一个文件并写入内容。向右缩进第 1 到第 10 行。向左缩进第 1 到第 10 行。命令：创建一个新的空文件。删除第 1 到第 10 行。命令：创建一个新的目录。命令：详细列出目录内容。命令：分页查看文件内容。命令：查看文件开头部分。命令：查看文件结尾部分。命令：在目录中搜索文件。命令：将内容写入文件。命令：更改文件所有者。命令：打包和解包文件。命令：压缩和解压文件。
2024-06-02 09:40:42
1318
原创 【unity】（3） Terrain Editor
在Unity的Hierarchy视图中，右键选择来创建一个新的Terrain对象。: 选择Hierarchy中的Terrain对象，Inspector视图会显示Terrain的各种属性和工具。
2024-05-20 13:31:39
1262
1
原创 【unity】（1）场景
Unity的场景（Scene）是构建游戏中各种环境和级别的基础。一个场景可以包含游戏中的所有对象，如角色、道具、地形等。
2024-04-29 13:19:51
572
1
原创 【机器学习算法介绍】（8）梯度提升树
梯度提升树（Gradient Boosting Trees，简称GBT）是一种强大的机器学习算法，用于回归和分类问题。它属于集成学习方法中的Boosting家族，其核心思想是逐步添加弱预测模型（通常是决策树），以尽量减少模型的损失函数。
2024-04-28 13:06:33
993
原创 【机器学习算法介绍】（7）AdaBoost
AdaBoost（Adaptive Boosting）是一种集成学习算法，它的核心思想是将多个弱学习器组合成一个强学习器。在机器学习中，一个弱学习器通常指的是比随机猜测略好的模型（例如，决策树），而AdaBoost通过迭代地调整数据集中各个样本的权重，使得模型能够关注到之前被错误预测的样本，从而提升模型的性能。
2024-04-27 15:12:40
866
原创 【机器学习算法介绍】（6）随机森林
随机森林（Random Forest）是一种集成学习方法，主要用于分类和回归任务。它通过构建多个决策树（Decision Trees）并汇总它们的预测结果来提高整体模型的性能。随机森林的核心思想在于“集体智慧”——单个模型（决策树）可能有限，但多个模型集成在一起可以取得更好的效果。
2024-04-16 15:31:38
546
原创 【机器学习算法介绍】（5）支持向量机算法
支持向量机（Support Vector Machine, SVM）是一种强大的监着学习算法，用于分类、回归和异常检测。SVM在处理中小型复杂数据集时特别有效，尤其是在类别分隔不明显的情况下。
2024-04-15 12:37:58
779
原创 【机器学习算法介绍】（4）逻辑回归
逻辑回归（Logistic Regression）是一种广泛使用的线性模型，主要用于处理分类问题，尤其是二分类问题。尽管名称中包含“回归”二字，逻辑回归实际上是一种分类方法。其核心思想是通过逻辑函数将线性回归的输出映射到概率空间中，以此来进行分类决策。
2024-04-07 08:00:00
612
原创 【机器学习算法介绍】（3）决策树
决策树是一种常见的机器学习算法，用于分类和回归任务。它模拟了人类决策过程，通过一系列的问题来引导决策。决策树的构建涉及三个主要步骤：特征选择、树的构建和树的剪枝。
2024-04-04 08:00:00
619
原创 【机器学习算法介绍】（1）K近邻算法
K近邻算法（K-Nearest Neighbors，KNN）是一种基本的分类与回归方法。这个算法的思想非常简单、直观，但却非常强大。它既可以用于分类，也可以用于回归。
2024-04-02 08:00:00
1056
原创 【Pandas】（5）eval和query
这个功能基于 Numexpr 库，能够加速某些特定类型的操作，尤其是在处理大型 DataFrame 时。方法提供了一种查询 DataFrame 行的强大方式，使用布尔表达式作为查询字符串，这使得筛选复杂数据集变得简单直观。这些操作可以是两个 DataFrame 的列之间，也可以是 DataFrame 的列与标量之间的运算。计算 DataFrame 中的两列之和，并将结果作为新列添加到 DataFrame 中。支持更复杂的表达式，包括使用 Python 的数学函数和条件表达式。
2024-03-31 08:00:00
492
原创 【机器学习算法介绍】（2）朴素贝叶斯
朴素贝叶斯（Naive Bayes）算法是一种基于贝叶斯定理和特征条件独立假设的分类方法。尽管简单，朴素贝叶斯分类器在实际应用中表现出了出色的效果，尤其是在文本分类、垃圾邮件过滤、情感分析等领域。
2024-03-28 12:34:20
493
原创 【Pandas】（4）基本操作
Pandas 提供了一系列功能强大的工具来读取和写入多种格式的数据，包括 CSV、Excel、JSON、HTML 和 SQL 数据库等。Pandas 提供了强大的工具来处理缺失数据，这对于数据清洗和准备阶段是非常重要的。处理这些缺失值是数据分析不可或缺的一部分，以下是 Pandas 处理缺失值的详细教程。方法提供了多种方式来填充缺失值，包括使用固定值、前一个或后一个值填充，或使用某种计算得出的值填充。Pandas 的读取和写入函数提供了大量的参数来配置数据的输入输出操作。方法允许你通过标签索引来选择数据。
2024-03-25 08:00:00
638
原创 【Pandas】（2）DataFrame
Pandas 的DataFrame是一个二维的、大小可变的、异质型表格数据结构，带有标签化的轴（行和列）。简单来说，你可以将DataFrame看作是一个 Excel 表格或 SQL 数据表，在数据分析和数据处理中非常有用。
2024-03-20 08:00:00
284
原创 【Pandas】（1）安装与Series
Pandas是一个开源的Python数据分析库，提供了高性能、易于使用的数据结构和数据分析工具。它是基于NumPy库构建的，使得数据预处理、清洗、分析变得更加快速和简单。Series（一维数组）和DataFrame（二维表格）。注意：和Numpy相比，Pands的计算速度会慢一些，它更侧重于数据处理。
2024-03-19 08:00:00
381
原创 【Numpy】（3）数组操作
广播会按照一定的规则自动扩展数组的形状，使得它们的维度匹配，然后执行逐元素的运算。是NumPy库中的一个非常重要的函数，它允许你重新排列给定数组的维度，而不改变数组中的数据。这意味着你可以将任何形状的数组转换成你需要的任何其他形状，只要新形状的总元素数与原始数组相同。数组的拼接是将不同的数组按照一定的顺序组合成一个新的数组。根据数组的维度和拼接方向，NumPy提供了几种不同的函数来实现数组的拼接，主要包括。NumPy允许你对数组执行各种算术运算，这些运算可以是数组与数组之间的，也可以是数组与标量之间的。
2024-03-18 08:00:00
717
原创 【Numpy】（2）numpy对象和random模块
对象是 NumPy 库的核心，它提供了一种高效的方式来存储和操作同质数据类型的多维数组。每个对象都有一系列的属性，这些属性提供了关于数组的重要信息。理解这些属性对于有效地使用 NumPy 和进行数据分析是非常关键的。以下是ndimndim(行数, 列数)shapefloat64int32boolfloat64itemsizefloat64。
2024-03-17 08:00:00
589
原创 【Numpy】（1）创建数组
NumPy是 Python 的一个开源数值计算扩展库，用于高性能的科学计算和数据分析。它提供了一个强大的N维数组对象ndarray，以及用于对这些数组进行操作的各种函数。通过pip。
2024-03-16 08:00:00
1593
原创 【python】（11）文件、异常和模块
import os文件路径相关函数说明返回返回指定目录下的所有文件和目录名list(str)os.path.exists(文件夹路径)检验给出的路径是否真地存bool创建多级目录可以通过继承Exception类来定义自己的异常类型。passtry:raise MyError("这是一个错误信息")print(e)
2024-03-15 08:00:00
1729
原创 【python】（10）语法糖
Python 语法糖（Syntactic Sugar）是指 Python 中的一些语法特性，它们并不改变语言的功能，但能够使代码更加简洁、易读和优雅。
2024-03-14 08:00:00
739
原创 【python】（9）迭代与生成器
迭代是一种重要的编程模式，它允许我们按顺序访问容器中的每个元素，而不必事先知道容器的大小。在 Python 中，几乎所有的容器对象都可以进行迭代，包括列表、元组、字典、集合等。生成器是一种特殊的迭代器，它允许我们在迭代过程中动态地生成值，而不必一次性将所有值存储在内存中。：当需要处理大型数据集时，生成器可以逐个生成数据，而不必一次性加载所有数据到内存中。：生成器允许我们推迟计算，只在需要时才生成结果，这种惰性计算的方式可以节省计算资源。：类似于列表推导式，可以使用生成器推导式来创建生成器。
2024-03-13 08:00:00
381
原创 【python】（8）标准库
创建一个从10开始，步长为2的计数器# 打印前5个数# 输出：# 10# 12# 14# 16# 18在这个示例中，计数器从10开始，每次以2为步长递增。
2024-03-12 08:00:00
788
原创 【python】（7）常用内置函数用法
内置函数是指那些随Python环境提供，可以直接使用的函数，无需进行任何额外的导入（import）操作。这些函数是Python标准库的一部分，可以在任何Python程序中直接调用。
2024-03-11 08:00:00
781
原创 【python】（6）面向对象
在 Python 中，使用class关键字来定义一个类。class Dog:"""一种简单的狗类"""species = "Canis familiaris" # 类变量self.name = name # 实例变量return f"
2024-03-10 08:00:00
371
原创 【python】（5）函数
通过sorted()函数的key参数，我们可以使用匿名函数来自定义排序逻辑。print(sorted_points) # 输出: [(3, 1), (1, 2), (5, 4)]
2024-03-06 08:00:00
872
原创 【python】（1）输入输出，注释,变量和关键字
通过赋值操作(=)来创建变量，Python解释器会自动确定变量的类型。x = 10 # x是一个整数" # message是一个字符串。
2024-02-28 08:00:00
1687
opencv人脸识别和训练python代码
2024-01-15
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人