- 博客(141)
- 收藏
- 关注
RSS订阅原创 使用 AI 学习 Python web 的 django 代码（9/9天）
一开始我觉得怪怪的，是不是没有配置 url ，但是也没想那么多，直接就执行了。里面的文件我检查过没有问题，url也是好的，明天再试试。大概能推测出来是什么问题了（就是 url），继续提问。在配置完之后可以打开并且有入口了（但是还是不行）但是发现不行，找不到入口，于是提问。尝试完成输出当前时间的功能。今日打卡（用时1h）
2024-03-12 18:32:46
194
原创 使用 AI 学习 Python web 的 django 代码（8/9天）
但是显示的结果都是需要使用数据库才能实现的，所以想着能不能在本地实现。今天尝试学习 django 模型以及生成迁移文件。但是按照里面的也还是不行（明天重新看看模型吧）然后提问该生成的代码是放在哪个文件里面。询问如何生成迁移文件（部分截图）使用它的代码，结果显示没有结果。首先提问模型（部分截图）将它给的代码进行导入之后。继续提问（部分截图）
2024-03-10 11:12:42
181
2
原创 使用 AI 学习 Python web 的 django 代码（7/9天）
尝试了之后还是不行，硬是弄不出来，也不知道问题在哪里，问 ai 也问不出个所以然来，弄了半小时之后干脆重新开始了，还好今天没课，闲了一点（但是也时间紧，日语单词今天没背完。使用它给的参数之后我直接使用，发现【name error】问题，在提问之后发现原来是【name 'render' is not defined】问题。这次给出的答案还是挺满意的（或者说和昨天几乎一样，但是细节给足并且没有给我奇奇怪怪的方式实现）但这提问是在昨天失败的基础上提问的，所以提问给出的细节也会更加完善。今日打卡（用时2h）
2024-03-09 21:56:03
314
原创 使用 AI 学习 Python web 的 django 代码（6/9天）
输出一个从视图外传递【1122】信息的功能，这次给了三个方案，有一个是不需要数据库的，一个是中间件，但是他并没有很准确的告诉我是在哪个配置文件输入（其实我能推断出来，但不想浪费时间试错）于是我推断会不会是我的函数或者方法出了问题，重新提问给出的答案和之前提问的一样，于是我怀疑是不是和我输入的参数有关。但是得出的三个结果方案都是需要数据库的，我想制作一个不需要数据库的（只需在本地运行的）功能。这次给出的代码很全面（有输入目录，且和我推断的一样）但是在输出的时候一直没有目录。于是继续提问，部分截图，
2024-03-08 22:32:17
206
原创 使用 AI 学习 Python web 的 django 代码（5/9天）
之前我搞错了一个点，就是我以为应用层的东西只能在项目层实现，但其实不是这样的，还可以直接在应用层面实现（说白了就是我想复杂了，而且当时 AI 给的步骤没有足够的说明，对小白不是很友好 / 或许是我调试 AI 不太行）解答了我的疑惑（一时间不知道该说是 django 的高明还是复杂。（这玩意提的东西软考有了解过）瞬间就理解了，说白了就是。之后好奇问了一下分别在什么情况下使用应用层实现，结果。后面我求证了一下应用层的东西是否只能在项目层实现。后面实验就出结果了（有修改）方便维护，方便复用，降低耦合。
2024-03-07 20:57:09
147
原创 机器学习笔记
线性回归模型经常用最小二乘逼近来拟合，但他们也可能用别的方法来拟合，比如用最小化“拟合缺陷”在一些其他规范里（比如最小绝对误差回归），或者在桥回归中最小化最小二乘损失函数的惩罚.相反,最小二乘逼近可以用来拟合那些非线性的模型.因此，尽管“最小二乘法”和“线性模型”是紧密相连的，但他们是不能划等号的。机器学习是一门多学科交叉专业，涵盖概率论知识，统计学知识，近似理论知识和复杂算法知识，使用计算机作为工具并致力于真实实时的模拟人类学习方式，并将现有内容进行知识结构划分来有效提高学习效率。
2024-03-07 12:08:57
200
原创 机器学习之神经网络概述
具体的表现形式为网络会对前面的信息进行记忆并应用于当前输出的计算中，即隐藏层之间的节点不再无连接而是有连接的，并且隐藏层的输入不仅包括输入层的输出还包括上一时刻隐藏层的输出。此前的SGD及其变体的优化器主要聚焦在优化梯度前进的方向上，而AdaGrad首次使用二阶动量来关注学习率（步长），开启了自适应学习率算法的里程。因为加入了动量因素，SGD-M缓解了SGD在局部最优点梯度为0，无法持续更新的问题和振荡幅度过大的问题，但是并没有完全解决，当局部沟壑比较深，动量加持用完了，依然会困在局部最优里来回振荡。
2024-03-07 12:08:49
437
原创 Vue 的条件渲染
该文章为笔记，教程为动力节点的老杜Vue视频教程，Vue2 Vue3实战精讲视频链接：https://www.bilibili.com/video/BV17h41137i4?p=1&vd_source=2136c732ce8d5a3f412e2f7064285cb7
2024-03-07 12:08:42
392
原创 数据分析之 Pandas 基础练习
'学号': ['2308024241', '2308024241', '2308024241', '2308024241', '2308024241'],t = b[['英语','体育','军训','微积分','高等代数','解析几何','平均值']].mean()t = b[['英语','体育','军训','微积分','高等代数','解析几何']]'性别': ['男', '女', '男', '男', '女'],'性别': ['男', '女', '男', '男', '女'],
2024-03-07 12:08:33
200
原创 数据分析之 Pandas 分组练习
5.对分组数据的不同列执行不同操作，counts列执行求平均值和最大值操作，amounts列执行求标准差操作。2.选取order_id, counts, amounts三列，并按照order_id进行分组操作。1.读取“data/meal_order_detail.xlsx”文件，显示前5行。4.对题2分组数据的所有列都执行mean和sum操作，并显示前3行。3.对上题的分组数据的所有列都执行mean操作。Pandas分组练习。
2024-03-07 12:08:25
177
原创 数据分析之 Matplotlib 绘图练习
labels = '面粉', '全麦粉', '酵母', '苹果酱', '鸡蛋', '黄油', '盐', '白糖'plt.legend(['产品A','产品B','产品C'], loc='upper left')plt.plot(x, y_max, label="最高气温",marker='o')plt.plot(x, y_min, label="最低气温",marker='o')x = '第1季度','第2季度','第3季度','第4季度'#这个是控制分离的距离的，默认饼图不分离。#坐标轴刻度数字的大小。
2024-03-07 12:08:16
901
原创 数据分析之 Seaborn 可视化
6.显示登船地点( S , C, Q )的人数.7.对登船地点进行缺失值的填充（填充为 S）。8.对于deck字段，由于缺失值太多，将其删除。12.结合船舱等级，绘制乘客年龄分布的小提琴图。10. 基于性别，绘制乘客年龄分布的箱形图。13.对年龄进行分级，分开小孩和老人的数据。15.分析乘客年龄与生还乘客之间的关系。4.用年龄的均值进行缺失值的填充。14.对分级后的年龄可视化。5.进行年龄分布的可视化。9.可视化乘客的性别分布。11.对船舱等级进行计数。
2024-03-07 12:08:07
132
原创 机器学习之train_test_split 案例
sklearn.model_selection 中的 train_test_split 函数案例：代码如下：fromimportfromimportload_irisfromimporttraindatatestdatatargettest_size0.2123printprint前2020])print实际：20])fromimportprint准确率：print混淆矩阵：
2024-03-06 16:55:08
132
原创 机器学习之随机森林案例
代码如下：fromimportfromimportload_winefromimporttraindatatestdatatargettest_size0.21234print预测：20])print实际：20])fromimportprint预测准确率：print实际准确率：
2024-03-06 16:51:53
291
原创 机器学习之决策树案例
代码如下：fromimportfromimportload_irisfromimporttraindatatestdatatargettest_size0.21234print决策树模型：model_dtc)print预测：20])print实际：20])fromimportprint预测准确率：print实际准确率：
2024-03-06 16:50:52
242
原创 机器学习之SVC案例
代码如下：importnumpyasnpimportpandasaspd'data.csv'headerNone获取样本特征数据022数据可视化importaspltfromimportSVCdefdram_svm(x_datay_dataC=1.0):0x_data[:1c=y_data)0xlim[15000ylim[1500xxyl)kernel'linear'C=C)y_data)yycolors。
2024-03-06 16:41:55
277
原创 机器学习之向量机SVM 人脸识别案例
参数，保证每次运行构建的模型是相同的。白化，每个特征的标准值差是否一致。模式可以修正样本不均衡情况。加载图片数据，每个人。
2024-03-06 16:39:26
226
原创 机器学习之训练 Kmeans 模型
代码如下：fromsklearnimportdatasetsfromimportKMeans导入数据构建并训练K均值模型n_clusters30).fit(x)print'K均值模型为：\nkmeans)importasplt获取模型聚类结果绘制iris原本的类别0x[:1c= y)plt.show()绘制K-Means聚类结果0x[:1c= y_pre)plt.show()fromimportprint'K。
2024-03-06 16:35:13
368
原创 机器学习之KMeans(K均值）聚类算法
聚类算法”试图将数据集中的样本划分为若干个通常是不相交的子集，每个子集称为一个“簇”(cluster)，通过这样的划分，每个簇可能对应于一些潜在的概念或类别。KMeans算法是典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。（4）迭代（2）~（3）步直至新的质心与原质心相等或小于指定阈值，算法结束。（2）对每个样本测量其到每个质心的距离，并把它归到最近的质心的类。
2024-03-06 16:33:14
355
原创 机器学习之LDA线性判别分析
我们要将数据在低维度上进行投影，投影后希望每一种类别数据的投影点尽可能的接近，而不同类别的数据的类别中心之间的距离尽可能的大。LDA线性判别分析也是一种经典的降维方法，LDA是一种监督学习的降维技术，也就是说它的数据集的每个样本是有类别输出的。2）LDA降维最多降到类别数k-1的维数，如果我们降维的维度大于k-1，则不能使用LDA。LDA用于降维，和PCA有很多相同，也有很多不同的地方，因此值得好好的比较一下两者的降维异同点。1）LDA是有监督的降维方法，而PCA是无监督的降维方法。
2024-03-06 16:31:10
159
原创 机器学习使用朴素贝叶斯实现中文垃圾邮件分类
ignore如果不写，如字符串中出现非法字符，该内容则无法转换。#readDatalFile(),读取data目录下的邮件数据，将所有垃圾邮件放在ham列表中。#loadbelFile（），加载index文件，使用字典来存储文件对应的标签。#ignore:忽略非法字符。#朴素贝叶斯实现中文垃圾邮件分类。
2024-03-06 16:26:51
244
原创 Python输入长宽高，输出面积和体积
print("该长方体的体积为：{}".format(long * width*height))print("该矩形的面积为：{}".format(long*width))print("请输入长方体的长：")print("请输入长方体的宽：")print("请输入长方体的高：")
2024-03-06 16:00:28
892
原创 Python计算平均分
print("{0}位学生的平均分为：{1}".format(textnum,round(sum/textnum,2)))textnum = int(input("请输入你要计算平均分的人数："))print("请输入第{}位学生的成绩：".format(i+1))
2024-03-06 15:25:41
301
原创 使用 AI 学习 Python web 的 django 代码（4/9天）
就是最后一步的代码我不知道应该写在哪个项目（没有完全理解），于是继续提问，顺便理解了 django 的关注点分离原则。也就是说我创建的两个项目【project 和 app01】一个是负责实现业务逻辑，一个负责实现。之后在实现的时候发现了个问题，最后一步的代码我不知道该写在哪个代码块里。但可惜的是没有内置的可视化工具可以使用，不过这个流程大致过了一边。创建了两个 django 项目，并依次编写代码。实现 django 的路由分发（非可视化）
2024-03-06 09:45:39
215
原创 使用 AI 学习 Python web 的 django 代码（3/9天）
（正常的程序我能做到，但是这 django 玩意多文件我就不知道哪里放了）最后给出的结果也玩不明白 白白浪费两天时间，之后再看看怎么解决吧，先往下做。然后询问了一下 AI ，但是给出的结果让人十分不满意，因为都已经试过了。在昨天的提问都不奏效的情况下，尝试问了一下还有没有其他方法，然后我去搜了一下，发现确实是有，在插入之后还是显示不能使用，（其实到这里的时候就已经有点 烦了，卡了两天啥都没有）最后挣扎了一下，看看能不能用函数或者方法实现。但没有用，CSDN里 面也没一样的解决法案。
2024-03-05 21:16:31
156
原创 使用 AI 学习 Python web 的 django 代码（2/9天）
后面它给出了 django 2.0 和 3.0以上版本的答案，我每个都试了一下，发现还是不行，就去查了一下自己的 django 版本，结果是5.0.3。【 python manage.py runserver】命令执行，结果报错。使用 django 生成11位手机号 自定义路由转换器（没有解决）最后也还是没解决，不清楚什么情况，明天再继续看看。结果发现还是不行，干脆询问如何导入那个类。在我按照下图给的答案去执行之后，通过。根据这个5.0.3的版本我再次提问。询问之后它给出了另外的答案。
2024-03-04 09:18:07
121
原创 使用 AI 学习 Python web 的 django 代码（1/9天）
在此之前（也就是昨天）已经在 py 里面安装了 django （不过是在 pycharm 里面）但是进去之后没有显示【hello】，这是因为没有浏览器切换目录， 要手动切换浏览器的目录。然后提问【python web 中生成 django 项目的代码是什么】在执行创建应用的时候自己犯了蠢，忘记切换目录，报错了，切换后成功生成项目。生成的目录如图所示（没有 urls.py 文件，那个是后面自己加的）因为其他的代码是原来的文件就有的 接着在命令行里面输入。昨天生成了输出 【hello】的代码。
2024-03-04 09:14:26
2976
原创 Java 的自定义异常
基本概念：当程序中出现了某些“错误”，但该错误信息并没有在Throwable子类中描述处理，这个时候可以自己设计异常类，用于描述该错误信息。
2024-02-27 14:06:13
178
原创 Java 的 try-catch 块
/将异常生成对应的异常对象，传递给catch块。try-catch注意事项。} catch(异常)}catch(异常)}catch(异常)}catch(异常)
2024-02-27 14:04:41
110
原创 Java 的异常
基本概念：java语言中，将程序执行中发生的不正常情况称为“异常”（开发过程中的语法错误和逻辑错误不是异常）介绍：异常处理就是当异常发生时，对异常的处理方式。执行过程中所发生的异常事件可分为两类。
2024-02-27 14:03:59
91
原创 Java 的注解
介绍：使用Annotation（注解）时要在其前面增加@符号，并把该Annotation当成一个修饰符使用。用于修饰它支持的程序元素。介绍：Jdk的Annotation用于修饰其他Annotation。元注解：本身作用不大，看源码时可以知道是在干什么。三个基本的Annotation。Jdk的Annotation。Override使用说明。元注解的种类（了解）
2024-02-27 14:03:21
144
原创 Java 的枚举
介绍：枚举是一组常量的集合，枚举属于一种特殊的类，里面只包含一组有限的特定的对象。，类要从class 改为enum。enum关键字实现枚举的注意事项。
2024-02-27 14:02:03
199
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人