墨玲珑-CSDN博客

原创吴恩达机器学习逻辑回归章节作业二：利用正则化逻辑回归模型预测来自制造工厂的微芯片是否通过质量保证（python实现）

吴恩达机器学习作业二：利用正则化逻辑回归模型预测来自制造工厂的微芯片是否通过质量保证（python实现）该文是针对吴恩达机器学习逻辑回归章节作业任务二，利用正则化逻辑回归模型预测来自制造工厂的微芯片是否通过质量保证，区别于任务一中利用逻辑回归模型预测一个学生是否被学校录取见博客：传送门该模型将对特征进行映射，将二维特征向量隐射为28维，但为了避免模型过拟合问题，需要进行正则化处理。文章目录吴恩达机器学习作业二：利用正则化逻辑回归模型预测来自制造工厂的微芯片是否通过质量保证（python实现）任务读取数

2022-04-30 18:45:17 3028 2

原创吴恩达机器学习作业二：利用逻辑回归模型预测一个学生是否被学校录取，二分类问题（python实现）

吴恩达机器学习作业二：利用逻辑回归模型预测一个学生是否被学校录取（python实现）文章目录吴恩达机器学习作业二：利用逻辑回归模型预测一个学生是否被学校录取（python实现）任务读取数据绘制数据,看下数据分布情况数据预处理Sigmod函数代价函数（Cost function）梯度函数寻找最优化参数（scipy.opt.fmin_tnc()函数）模型评估（准确率计算）决策边界全部代码训练数据链接任务In this part of the exercise, you will build a logis

2022-04-30 12:34:24 6955 1

原创吴恩达机器学习作业一：利用多元线性回归模型实现房价预测（python实现）

吴恩达机器学习作业一：利用多元线性回归模型实现房价预测（python实现）该文是针对吴恩达机器学习作业任务二和任务三中，利用多元线性回归模型实现房价预测以及使用正规方程求得最佳theta的取值，使代价值最小，对于任务一利用单变量线线性回归模型实现餐车利润预测见博客：传送门文章目录吴恩达机器学习作业一：利用多元线性回归模型实现房价预测（python实现）任务归一化处理初始化值的设置代价函数的计算梯度下降算法绘制图谱，观察学习取不同值时，随着迭代次数的增加，代价值的变化速度正规方程求解全部代码任务In

2022-04-22 15:35:24 9176 8

原创吴恩达机器学习作业一：利用线性回归模型+梯度下降算法实现餐车利润预测（python实现）

吴恩达机器学习作业一：利用线性回归模型+梯度下降算法实现餐车利润预测（python实现）该文是针对吴恩达机器学习作业任务一中，利用单变量线性回归模型实现餐车利润预测，对于任务二利用多元线线性回归模型实现房价预测见博客：当然，本文中的代价函数计算，梯度下降算法的实现也适用于多元线性回归。文章目录吴恩达机器学习作业一：利用线性回归模型+梯度下降算法实现餐车利润预测（python实现）任务数据读取绘制数据,看下数据分布情况初始化值的设置代价函数计算运行梯度下降算法图形绘制完整代码任务In this pa

2022-04-22 15:06:37 3913 1

原创 Java注解介绍，内置注解，元注解，自定义注解介绍

https://blog.csdn.net/weixin_43765186/article/details/121537305本文是自己学习Java注解时所做的笔记，参考了b站【狂神说Java】注解和反射视频。链接：视频地址反射相关知识可以看另一篇博客，链接：点击跳转文章目录一、什么是注解二、内置注解三、元注解四、自定义注解一、什么是注解注解，Annotation是JDK5.0引入的新技术。Annotation不是程序本身，可以对程序作出解释，可以被其他程序（如编译器）读取；其写法是“@注释

2021-11-25 15:01:06 464

原创 Java反射机制介绍与详解 Class对象

Java反射机制介绍与详解本文主要是自己学习Java反射机制时所做的比较，参考了b站上黑马程序员讲解Java反射的视频，视频链接下方有给出。此外，本文中所用到的代码，可通过下方百度网盘链接全部下载。链接: 视频地址.链接：代码百度网盘链接提取码：1234文章目录Java反射机制介绍与详解什么是反射？获取Class对象的方式Class对象功能反射案例什么是反射？Java反射机制就是指程序在运行过程中，对于任意一个类，都能知道这个类的所有方法和属性。对于任意一个对象，都能调用其属性和方法。获取

2021-11-25 14:52:25 404

原创 Java多线程学习，详细介绍。线程的三种创建方式

本文主要是自己学习多线程时，所做的笔记，参考的是b站狂神说java多线程视频讲解。文章目录一、线程的定义二、线程的生命周期三、多线程实际应用场景四、线程的三种创建方式1.继承Thread类2.实现runnable接口3.实现Callable接口线程常用方法和线程同步，线程不安全案例，见另外两篇博客，如下：线程常用方法介绍线程同步，线程不安全案例，同步块和同步方法一、线程的定义程序的一次运行可以看作是一个进程，而一个进程又宝行多个线程，多个线程可以同时运行。二、线程的生命周期三、多线程实际

2021-11-21 11:46:21 225

原创 Java线程常用方法实例介绍

本文主要是自己学习多线程时，所做的笔记，参考的是b站狂神说java多线程视频讲解。文章目录线程方法1.停止线程（标志位）2.线程休眠 sleep()3.线程礼让 yield4.线程强制执行 join5.观测线程状态6.线程优先级7.守护线程线程方法方法说明setPriority（int newPriority)更改线程的优先级static void sleep(long millis)在指定的好描述内让当前正在执行的线程休眠void join()等待该线程终止

2021-11-21 11:38:34 460

原创 Java线程同步学习，线程不安全案例讲解，同步方法和同步块 synchronized

本文主要是自己学习多线程时，所做的笔记，参考的是b站狂神说Java多线程视频讲解。目录如下：文章目录线程同步一、三大线程不安全案例1.买票案例2.不安全取钱3.线程不安全二、同步方法及同步块1.同步方法 (synchronized方法)2. 同步块 synchronized(obj) {}线程同步由于同一进程的多个线程共享同一块存储空间，可能造成多个线程同时需要操作同一个资源，引发冲突问题，比如多个用户同时抢一张票，可能会造成大家同时抢到这张票的问题，而实际上该票应该只能被一个人抢到。为了确保数

2021-11-21 11:30:23 3241

原创利用nginx实现负载均衡；以及在负载均衡基础上添加成功以下功能：配置https；配置域名；用户http访问可以自动跳转到https；

文章目录负载均衡架构一、任务一：如何利用nginx实现负载均衡实现方法:二、任务二：在负载均衡基础上添加成功以下功能：配置https；配置域名；用户http访问可以自动跳转到https；分析：1.HTTPS协议是在在http上建立==SSL加密层==，对传输数据进行加密. 配置https,分为以下两步：2.配置域名通过在在default.conf配置文件中，server下的server_name改成想配置的域名，在这里即把上图中的`server_name localhost` 配置成`serve_nam

2021-06-26 11:52:20 546

原创 Nginx服务器配置实例.有如下访问： http://192.168.32.129:8081/server1/location1 访问的是：index_sr1_location1.html h

一、Nginx服务器配置实例任务：1.有如下访问： http://192.168.32.129:8081/server1/location1 访问的是：index_sr1_location1.html http://192.168.32.129:8081/server1/location2 访问的是：index_sr1_location2.html http://192.168.32.129:8082/server2/location1 访问的是：index_sr2_location1

2021-06-11 16:13:03 1037 1

原创 Nginx安装环境准备以及三种不同安装方式；Nginx目录结构和核心配置文件nginx.conf模块分析

文章目录一、Nginx 环境准备1.关闭防火墙2.安装Nginx方案一：Nginx的源码简单安装方案二：通过yum安装nginx方案三：安装epel-release软件包二、Nginx目录结构分析三、Nginx服务器启停命令1.Nginx服务的信号控制2.Nginx的命令行控制四、Nginx核心配置文件 nginx.conf全局块：usr指令woker process指令include指令events块accept_mutex:用来设置网络序列化multi_accept:用来设置是否允许同时接收多个网络连接

2021-06-11 16:10:58 516 1

原创 Nginx简单介绍，常用服务器比较；正向代理和反向代理；Nginx优点；Nginx常用功能模块和核心组成

一、Nginx简介背景介绍Nginx是一个具有高性能的Http和反向代理的WEB服务器。源码是开源的。名词解释：WEB服务器：网页服务器，提供用户网上信息浏览服务。Http:超文本传输协议，用于从WEB服务器传输超文本到本地浏览器的传输协议。关于代理：正向代理：客户端不直接访问服务器端，而是通过向正向代理服务器发送请求，然后正向代理服务器再向服务端发送请求以及接收返回的数据，并最终放回给客户端。这样做可以隐藏客户端用户的信息，其次当客户端不能直接访问某个网站时，可以通过代理服务器来访问

2021-06-11 16:06:59 407 2

原创 LNMP架构；通信工作原理简述；LNMP环境搭建与配置

文章目录LNMP架构一、什么是LNMP？二、LNMP通信原理三、数据库可以分为哪两类？四、LNMP环境搭建与配置LNMP架构一、什么是LNMP？LNMP是指一组通常一起使用来运行动态网站或者服务器的自由软件名称首字母缩写。L：操作系统（Linux）N :Web应用（Nginx）M:数据库（Mysql; mariaDB)P:代码语言（Php)LNMP代表的就是：Linux系统下Nginx+MySQL+PHP这种网站服务器架构。二、LNMP通信原理客户端的请求首先到达nginx, 对于静态

2021-06-11 10:57:20 785 1

原创 Nginx学习笔记——Nginx重要拓展应用，什么是HTTPS,HTTP配置，地址重写及相关案例

文章目录Nginx重要拓展应用一、什么是HTTPS?二、HTTPS的配置1.创建证书和密钥2.修改default.conf配置文件三、地址重写地址重写含义：地址重写的优势：案例：案例1：使访问https://www.zyy.com访问的不是zyy.html，而是rewrite.html。案例2：使访问https://www.zyy.com会跳转到https://www.baidu.com/案例3：当用火狐浏览器访问https://www.zyy.com时，跳转到淘宝页面，其他浏览器访问不会。案例4：输入ht

2021-06-04 12:56:17 264

原创 Linux命令语法格式以及常用命令

1.命令格式命令+选项（参数） +对象参数：长格式：–help （后面跟完整的单词）短格式：-h （后面跟单个的字符）最常见的参数：对象：要处理的文件，目录，用户等等资源比如：ls -l ls是命令 -l是参数 (此条命令的目的是显示当前目录下文件或目录的详细信息) 而ls -l /home /home是操作对象（此时显示的是/home路径下的文件或目录详细信息）如下图2. Linux常用命令pwd命令：返回当前所在路径cd命令：cd命令+路径

2021-05-21 15:48:17 1538

原创虚拟化技术简介虚拟机克隆，快照，加密操作

1.什么是虚拟化技术利用虚拟化技术，实现多个服务器，一台服务器可以充当多个服务器使用的技术称之为虚拟化技术。虚拟化好处：提高资源利用率；降低成本；易于管理；2.公司虚拟化解决方案大厂：针对开源底层，如：linux系统，内核，kvm进行二次开发。中型公司：使用的虚拟化软件是VMware（半收费软件，核心技术功能收费）。小型公司：选择各大云厂商的云服务器。这些云服务器也都是基于虚拟化技术二次开发。3.VMware （虚拟机常用四种操作）1）克隆把已有的虚拟机关机，然后右键-&

2021-05-21 15:45:30 599

原创 KNN模型在分类和回归任务中超级详细介绍，以及具体KNN运用实例

文章目录一、KNN简介二、分类任务三、回归任务一、KNN简介 KNN作为一种监督学习方法，其工作机制为：给定测试样本，基于某种距离度量找出训练几种与其最靠近的k个训练样本，然后基于这k个“邻居”的信息进行预测。上述提到的某种距离度量主要有三种方法：曼哈顿距离、欧式距离和闵可夫斯基距离。在本文中，距离的计算采用的是欧式距离： KNN模型是一种“懒惰学习”的代表，此类学习技术在训练阶段仅仅是把样本保存起来，训练时间开销为零，待收到测试样本后再处理。 KNN可以在分类和回归两种任务中使用，下

2021-05-01 21:24:00 3167

原创决策树基本原理，构建过程和ID3算法

文章目录一、决策树基本原理1.怎么评判选择某个属性值就是最佳划分。结点不纯性的测量2. 何时停止决策树生长二、ID3算法一、决策树基本原理决策树作为一种常见机器学习方法。如其名，它是基于树结构进行决策的。决策树的构建过程是一个递归的过程，从根节点开始，每次都选择最佳特征对数据进行划分,当数据集不能再被分割时，即达到叶子节点，也就是分类的结果。根据构建的过程，我们需要解决以下两个问题：1.怎么评判选择某个属性值就是最佳划分。选择最佳划分的度量通常是根据划分后子结点不纯性的程度。如原本

2021-05-01 21:15:21 2311

原创 ID3算法：不使用sklearn中的决策树方法，根据数据集自己利用python编写决策树构建程序。

文章目录1.熵的计算2.最佳属性划分的选择信息熵的计算3.决策树的构建4.采用python matplotlib模块画决策树，使其决策树可视化：5.全部代码：ID3算法：不使用sklearn中的决策树方法，根据数据集自己进行编写决策树构建程序。在代码中用到的data数据，以及属性值。也可以根据自己的实际情况进行修改。data = [[1, 0, 1, ‘no’],[0, 1, 1, ‘no’],[0, 0, 0, ‘no’],[1, 1, 1, ‘no’],[0, 2, 1, ‘yes’]

2021-05-01 21:12:14 1971

原创利用sklearn 中的决策树方法对鸢尾花数据建立决策树，并利用pydotplus+graphviz 对决策树进行可视化

利用sklearn 中的决策树方法对鸢尾花数据建立决策树，并利用pydotplus+graphviz 对决策树进行可视化from sklearn import treefrom sklearn.datasets import load_irisfrom sklearn.metrics import accuracy_scorefrom sklearn.model_selection import train_test_splitimport pydotplusiris=load_iris()

2021-04-30 16:36:21 1363 2

原创两种方法：利用sklearn和不使用sklearn，自己编写KNN程序对鸢尾花数据进行分类

文章目录利用sklearn，KNN对鸢尾花数据进行分类不使用sklearn，自己编写KNN程序对鸢尾花数据进行分类利用sklearn，KNN对鸢尾花数据进行分类import numpy as npfrom sklearn.datasets import load_irisfrom sklearn.metrics import accuracy_scorefrom sklearn.model_selection import train_test_splitfrom sklearn.neighbo

2021-04-29 00:37:43 1935 3

原创 L2-005 集合相似度 (25 分) 利用C++ set集合解决

L2-005 集合相似度 (25 分)给定两个整数集合，它们的相似度定义为：Nc/Nt x100%。其中Nc是两个集合都有的不相等整数的个数，Nt是两个集合一共有的不相等整数的个数。你的任务就是计算任意一对给定集合的相似度。输入格式：输入第一行给出一个正整数N（≤50），是集合的个数。随后N行，每行对应一个集合。每个集合首先给出一个正整数M（≤10的4次方），是集合中元素的个数；然后跟M个[0,10的9次方]区间内的整数。之后一行给出一个正整数K（≤2000），随后K行，每行对应一对需

2021-04-23 18:46:58 143

原创 L2-001 紧急救援 (25 分) 迪杰斯特拉算法求最短路径问题

L2-001 紧急救援 (25 分)作为一个城市的应急救援队伍的负责人，你有一张特殊的全国地图。在地图上显示有多个分散的城市和一些连接城市的快速道路。每个城市的救援队数量和每一条连接两个城市的快速道路长度都标在地图上。当其他城市有紧急求助电话给你的时候，你的任务是带领你的救援队尽快赶往事发地，同时，一路上召集尽可能多的救援队。输入格式:输入第一行给出4个正整数N、M、S、D，其中N（2≤N≤500）是城市的个数，顺便假设城市的编号为0 ~ (N−1)；M是快速道路的条数；S是出发地的城市编号；D是目的

2021-04-23 17:17:43 262

weixin_43765186的博客

原创吴恩达机器学习逻辑回归章节作业二：利用正则化逻辑回归模型预测来自制造工厂的微芯片是否通过质量保证（python实现）

原创吴恩达机器学习作业二：利用逻辑回归模型预测一个学生是否被学校录取，二分类问题（python实现）

原创吴恩达机器学习作业一：利用多元线性回归模型实现房价预测（python实现）

原创吴恩达机器学习作业一：利用线性回归模型+梯度下降算法实现餐车利润预测（python实现）

原创 Java注解介绍，内置注解，元注解，自定义注解介绍

原创 Java反射机制介绍与详解 Class对象

原创 Java多线程学习，详细介绍。线程的三种创建方式

原创 Java线程常用方法实例介绍

原创 Java线程同步学习，线程不安全案例讲解，同步方法和同步块 synchronized

原创利用nginx实现负载均衡；以及在负载均衡基础上添加成功以下功能：配置https；配置域名；用户http访问可以自动跳转到https；

原创 Nginx服务器配置实例.有如下访问： http://192.168.32.129:8081/server1/location1 访问的是：index_sr1_location1.html h

原创 Nginx安装环境准备以及三种不同安装方式；Nginx目录结构和核心配置文件nginx.conf模块分析

原创 Nginx简单介绍，常用服务器比较；正向代理和反向代理；Nginx优点；Nginx常用功能模块和核心组成

原创 LNMP架构；通信工作原理简述；LNMP环境搭建与配置

原创 Nginx学习笔记——Nginx重要拓展应用，什么是HTTPS,HTTP配置，地址重写及相关案例

原创 Linux命令语法格式以及常用命令

原创虚拟化技术简介虚拟机克隆，快照，加密操作

原创 KNN模型在分类和回归任务中超级详细介绍，以及具体KNN运用实例

原创决策树基本原理，构建过程和ID3算法

原创 ID3算法：不使用sklearn中的决策树方法，根据数据集自己利用python编写决策树构建程序。

原创利用sklearn 中的决策树方法对鸢尾花数据建立决策树，并利用pydotplus+graphviz 对决策树进行可视化

原创两种方法：利用sklearn和不使用sklearn，自己编写KNN程序对鸢尾花数据进行分类

原创 L2-005 集合相似度 (25 分) 利用C++ set集合解决

原创 L2-001 紧急救援 (25 分) 迪杰斯特拉算法求最短路径问题

原创 java三种不同的方式解决字符串逆序问题

原创 java递归地解决母牛的故事问题

原创输入egrep -o “(vmx|svm)“ /proc/cpuinfo 无返回值，以及设置完毕后开机会黑屏问题

原创 VMware 14安装Centos7 报错：Network boot from Intel E1000

原创爬虫利用python爬取药监总局所列化妆品公司详细信息

原创利用滑动窗口，HashMap解决无重复字符的最长子串问题。

原创 No mapping found for HTTP request with URI [/springmvc02/user/testString] in DispatcherServlet wit

原创 code: blocks 调试时watch窗口不见了，不能显示变量的变化，把watch窗口调出来方法

原创 Code::blocks详细安装过程以及使用方法

原创线程同步的理解以及三种实现方法（以售票为例）

原创 java 多线程的四种创建方式（详细）

空空如也

空空如也