qq_42851159的博客

关闭防火墙

用diskgenius就完事了

对比

看这个https://blog.csdn.net/qq_41452937/article/details/107526448https://blog.csdn.net/symuamua/article/details/104407177

把数据转换成list输入就可以了

在使用plot_importance()画图的时候，只需要在后面加上一个接口即可，在图中显示特征名字参考资料：https://stackoverflow.com/questions/46943314/xgboost-plot-importance-doesnt-show-feature-names

import numpy as np一维数组test = [1, 2, 3, 4]test1 = np.array([1, 2, 3, 4])print(test1.shape)print(test1)print(test[2])多为数组，矩阵test = np.array([[1, 2, 3, 4],[7, 8, 9, 5]])print(test.shape)print(test)print(test[1][2])结果：(4,)[1 2 3 4]3(2, 4)[[1 2

一：可以用在anaconda中打开终端输入conda install graphvizpip install graphviz的方法去安装graphviz，但是我并没有成功安装，是因为不能与下载graphviz的网址相连接，可能是由于网络问题。当然你们可以尝试一下万一成功了呢。二：安装配置graphviz1.我在graphviz的官网先下载好graphviz的安装包https://www2.graphviz.org/Packages/stable/windows/10/cmake/Relea

![在这里插入图片描述](https://img-blog.csdnimg.cn/20200920153340899.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyODUxMTU5,size_16,color_FFFFFF,t_70#pic_center

这些问题困住了我好久，查了各种资料终于解决了这个问题！let’s go如果你的电脑是安装了虚拟机后，主机没有这两个适配器，那么我是这样做的第一步：卸载虚拟机，用360或者软件管家卸载！第二步：下载ccleaner清理注册表这个博客里面有具体的步骤第三步：清理完成以后，然后不要着急安装。关闭防火墙，关闭360关闭所有的安全防护软件。第四步：打开 服务配置在 服务 中 手动打开下面两个...

笔记三主要包括：切片，迭代，列表生成式，生成器和迭代器Let‘s go!Part one:切片的内容：普通的获取元素的方法，利用切片获取元素的方法，正数索引切片，负数索引切片，列表前6个数每隔两个取一个，获取整个列表普通的获取元素的方法:>>> L = [1,2,3]>>> L[0]1L = []for i in [1,2,3]: L...

在损失函数中，为了寻找最小的损失函数的值需要对 学习率（learning rating）进行修改：随着 损失函数L 的取值不同，会越来越接近与最小值，此时学习率也应当越来越小。手动地去调节非常麻烦，有一种自动去调小学习率的方法-AdagradAdagrad：学习率 除以 损失函数在g0到此时这个点的微分平方的和 的平方根二.feature scaling讲多个不同的参数尽量调节在同一个范...

通过学习廖雪峰老师的博客，写的同步学习笔记,写这个【Python基础】笔记的是方便回顾一些很基础的，很细小的知识点。Let’s go!Part one:除法和地板除法，转义字符，快速添加转义字符，输出多行字符串的方法除法和地板除法：>>> 15/53.0>>> 15//53转义字符：在需要转义的字符前面加上’\ ’>>>...

机器学习三分析error的来源当improve一个function的时候，你首先应该分析error的来源error有两个来源：bias 和 variance怎么判别error是bias引起的还是variance引起的呢？1.当你找出的best function 在训练集里面的error非常小，但是在测试集上面的error非常大。那么就是variance引起的问题。就是overfitting...

前言：通过学习李宏毅老师的课程，总结出来的学习笔记。机器学习的步骤a set of function然后是通过数据集找到goodness function从里面找到一个最合适的function 然后再test，最后就是实现具体的问题。learning mapregression 回归问题：output 是一个scale（数值，标量）比如预测股票等等classification分类的问题：...

BLE蓝牙协议栈下面通过图形+文字的方式以方便大家记忆，BLE蓝牙协议栈的各个层次的功能。下面推荐两篇好博文：1.这篇博文对蓝牙协议栈的每个层次更详细的讲解：https://blog.csdn.net/zhejfl/article/details/847098182.通过一个事例来对这些层次进行理解：https://blog.csdn.net/shunfa888/article/deta...

实现蓝牙的三种架构实现蓝牙的三种架构通过阅读这篇博文的学习总结https://blog.csdn.net/iini01/article/details/799439081.Host+controller双芯片标准架构：将host 和 controller 放在两个芯片上面这种双芯片架构通常用在手机上的蓝牙应用实现。手机里面有很多SoC(system on chip 系统级芯片)和模块，...