<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[还没想好的博客]]></title><description><![CDATA[当自律变成习惯时！]]></description><link>https://blog.csdn.net/weixin_44177568</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; weixin_44177568]]></copyright><item><title><![CDATA[LFM算法详解和实战]]></title><link>https://blog.csdn.net/weixin_44177568/article/details/116208724</link><guid>https://blog.csdn.net/weixin_44177568/article/details/116208724</guid><author>weixin_44177568</author><pubDate>Wed, 28 Apr 2021 17:46:45 +0800</pubDate><description><![CDATA[文章目录1、LFM算法概述：2、举例看看：3、LFM公式推导
1、LFM算法概述：
LFM是在用户和物品的共现矩阵上，引入隐向量，用隐向量表示用户和物品，进而增强了模型表征稀疏数据的能力！
LFM算法本质上还是属于矩阵分解算法：
其将  m × n 的共现矩阵（m个用户；n个物品） 分解为：

m × k 的用户向量矩阵
k × n  的物品向量矩阵

上述中：k 表示隐向量的长度；

k 的大小决定了隐向量的表征能力：
k 越小，隐向量越短，其包含的信息越少，模型的泛化能力越强；
k 越大， 隐向量越长，]]></description><category></category></item><item><title><![CDATA[3、Keras中的顺序模型Sequential和函数式模型Model]]></title><link>https://blog.csdn.net/weixin_44177568/article/details/115873212</link><guid>https://blog.csdn.net/weixin_44177568/article/details/115873212</guid><author>weixin_44177568</author><pubDate>Mon, 19 Apr 2021 20:43:49 +0800</pubDate><description><![CDATA[文章目录使用函数式模型构建复杂网络1、加宽网络
使用函数式模型构建复杂网络
前面两节分别讲述了：基本分类模型和回归模型 ，但是这两种都是基于Keras中的顺序模型进行构建的，即神经网络只有一个输入和一个输出；如下图所示：

而Keras中模型的构建方式分为两种：

顺序模型（Sequential）
函数式模型（Model）

相比顺序模型，函数式模型可以构建更加深层、更加宽度的网络，其在大量数据基础上，可以有更强的拟合能力。
1、加宽网络
在不改变数据的基础上，加宽网络的宽度！直接修改上一节中的网络结构，新]]></description><category></category></item><item><title><![CDATA[2、使用Keras构建回归模型]]></title><link>https://blog.csdn.net/weixin_44177568/article/details/115872498</link><guid>https://blog.csdn.net/weixin_44177568/article/details/115872498</guid><author>weixin_44177568</author><pubDate>Mon, 19 Apr 2021 19:52:51 +0800</pubDate><description><![CDATA[文章目录使用Keras构建回归模型1、导入相关工具包2、加载数据集3、划分训练集和测试集4、数据标准化5、模型构建6、打印模型信息7、模型编译8、模型训练9、测试集上评估10、预测：
使用Keras构建回归模型

数据集：加州住房数据集
模型：MLP
框架：Keras

1、导入相关工具包
从sklearn中导入数据集
from sklearn.datasets import fetch_california_housing 
from sklearn.model_selection import trai]]></description><category></category></item><item><title><![CDATA[1、使用Keras构建图像分类器]]></title><link>https://blog.csdn.net/weixin_44177568/article/details/115839343</link><guid>https://blog.csdn.net/weixin_44177568/article/details/115839343</guid><author>weixin_44177568</author><pubDate>Sun, 18 Apr 2021 21:42:15 +0800</pubDate><description><![CDATA[文章目录使用Keras构建图像分类器1、导入具体工具包2、加载数据3、数据处理与查看4、构建模型5、模型信息查看：6、编译模型7、训练和评估模型
使用Keras构建图像分类器

数据集：Fashion MNISIT
模型：MLP
框架：Keras

1、导入具体工具包
1.1 由于Keras是TensorFlow的高级API，因此有两种使用Keras的方法：

下载TensorFlow， 从TensorFlow中导入Keras，

from tensorflow import keras


直接下载Ker]]></description><category></category></item><item><title><![CDATA[《MySQL必知必会》学习笔记——第九章（正则表达式）]]></title><link>https://blog.csdn.net/weixin_44177568/article/details/112310594</link><guid>https://blog.csdn.net/weixin_44177568/article/details/112310594</guid><author>weixin_44177568</author><pubDate>Thu, 07 Jan 2021 15:14:47 +0800</pubDate><description><![CDATA[文章目录9.1 正则表达式9.2 MySQL中正则表达式的使用9.2.1 基本字符匹配
前文连接：
《MySQL必知必会》——书中表的生成
《MySQL必知必会》——第三章（了解数据库和表）   关键词：USE、SHOW
《MySQL必知必会》——第四章（检索数据）   关键词：SELECT
《MySQL必知必会》——第五章（排序检索数据） 关键词：ORDER BY
《MySQL必知必会》——第六章（过滤数据） 关键词：WHERE
《MySQL必知必会》——第七章（数据过滤） 关键词：WHERE、AND、O]]></description><category></category></item><item><title><![CDATA[《MySQL必知必会》学习笔记——第八章（用通配符过滤）]]></title><link>https://blog.csdn.net/weixin_44177568/article/details/110819260</link><guid>https://blog.csdn.net/weixin_44177568/article/details/110819260</guid><author>weixin_44177568</author><pubDate>Mon, 07 Dec 2020 16:03:15 +0800</pubDate><description><![CDATA[文章目录8.1 LIKE操作符8.1.1 % 通配符8.1.2 _ 通配符8.2 使用通配符的技巧总结：
前文连接：
《MySQL必知必会》——书中表的生成
《MySQL必知必会》——第三章（了解数据库和表）   关键词：USE、SHOW
《MySQL必知必会》——第四章（检索数据）   关键词：SELECT
《MySQL必知必会》——第五章（排序检索数据） 关键词：ORDER BY
《MySQL必知必会》——第六章（过滤数据） 关键词：WHERE
《MySQL必知必会》——第七章（数据过滤） 关键词：WH]]></description><category></category></item><item><title><![CDATA[《python编程：从入门到实战》学习笔记]]></title><link>https://blog.csdn.net/weixin_44177568/article/details/110486519</link><guid>https://blog.csdn.net/weixin_44177568/article/details/110486519</guid><author>weixin_44177568</author><pubDate>Fri, 04 Dec 2020 14:57:01 +0800</pubDate><description><![CDATA[文章目录第二章：变量和简单数据类型2.1 变量的命名2.2 字符串2.2.1 修改字符串大小写2.2.2 在字符串中使用变量
第二章：变量和简单数据类型
2.1 变量的命名

变量名只能包含数字、字母、下划线
变量名可以以字母或下划线开头，但不能以数字开头
变量名中不能有空格
变量名不能和python中的关键词一致
变量名应简单、具有描述性

name = "xiao hong"            # name 就是一个变量
name_student = "xiao hong"    # name_st]]></description><category></category></item><item><title><![CDATA[《MySQL必知必会》学习笔记——第七章（数据过滤）]]></title><link>https://blog.csdn.net/weixin_44177568/article/details/110285211</link><guid>https://blog.csdn.net/weixin_44177568/article/details/110285211</guid><author>weixin_44177568</author><pubDate>Sat, 28 Nov 2020 16:49:36 +0800</pubDate><description><![CDATA[文章目录7.1组合WHERE子句7.1.1 AND 操作符7.1.2 OR操作符7.1.3 计算次序7.2 IN操作符7.3 NOT操作符总结：
前文连接：
《MySQL必知必会》——书中表的生成
《MySQL必知必会》——第三章（了解数据库和表）   关键词：USE、SHOW
《MySQL必知必会》——第四章（检索数据）   关键词：SELECT
《MySQL必知必会》——第五章（排序检索数据） 关键词：ORDER BY
《MySQL必知必会》——第六章（过滤数据） 关键词：WHERE
7.1组合WHER]]></description><category></category></item><item><title><![CDATA[《MySQL必知必会》学习笔记——第六章（过滤数据）]]></title><link>https://blog.csdn.net/weixin_44177568/article/details/110278409</link><guid>https://blog.csdn.net/weixin_44177568/article/details/110278409</guid><author>weixin_44177568</author><pubDate>Sat, 28 Nov 2020 15:56:05 +0800</pubDate><description><![CDATA[文章目录6.1 使用WHERE子句6.2 WHERE子句的操作符6.2.1 检索单一值（=）6.2.2 检索小于、大于值（&lt;、&gt;、&lt;=、&gt;=）6.2.3 不匹配检查（!=、&lt;&gt;）6.2.4 范围值检查（BETWEEN）6.2.5 空缺值检查（IS NULL）总结：
前文连接：
《MySQL必知必会》——书中表的生成
《MySQL必知必会》——第三章（了解数据库和表）   关键词：USE、SHOW
《MySQL必知必会》——第四章（检索数据）   关键词：SELECT
《M]]></description><category></category></item><item><title><![CDATA[《MySQL必知必会》学习笔记——第五章（排序检索数据）]]></title><link>https://blog.csdn.net/weixin_44177568/article/details/110274238</link><guid>https://blog.csdn.net/weixin_44177568/article/details/110274238</guid><author>weixin_44177568</author><pubDate>Sat, 28 Nov 2020 15:05:03 +0800</pubDate><description><![CDATA[文章目录5.1 单一列排序5.2 多列排序5.3指定排序方向单列降序多列降序获取最大最小值总结：
上一章，我们总结MySQL对数据的检索，但是没有提到数据的排序问题！
5.1 单一列排序
# 我们对表products 中的 prod_name 列排序输出
SELECT prod_name FROM products order by prod_name;

 
5.2 多列排序
SELECT prod_id, prod_price, prod_name FROM products order by prod]]></description><category></category></item><item><title><![CDATA[《MySQL必知必会》学习笔记——第四章（检索数据）]]></title><link>https://blog.csdn.net/weixin_44177568/article/details/110262841</link><guid>https://blog.csdn.net/weixin_44177568/article/details/110262841</guid><author>weixin_44177568</author><pubDate>Sat, 28 Nov 2020 11:53:56 +0800</pubDate><description><![CDATA[文章目录4.1 SELECT语句4.2 检索单个列
上一章节，讲解了MySQL数据库的查看、表的信息等等
4.1 SELECT语句
最经常使用的SQL语句就是SELECT语句了，SELECT语句，顾名思义就是对数据的检索，在使用时，我们需要给出两个信息：

数据源，从哪个数据库、表检索数据
检索什么数据，我们想要选择什么数据

4.2 检索单个列
 

...]]></description><category></category></item><item><title><![CDATA[《MySQL必知必会》学习笔记——第三章（了解数据库和表）]]></title><link>https://blog.csdn.net/weixin_44177568/article/details/110260763</link><guid>https://blog.csdn.net/weixin_44177568/article/details/110260763</guid><author>weixin_44177568</author><pubDate>Sat, 28 Nov 2020 11:04:44 +0800</pubDate><description><![CDATA[文章目录3.1连接3.2选择数据库举例：3.3查看数据库举例：3.4查看表举例1：举例2
3.1连接
由于我们是在本地学习使用的，所以数据库的连接和登陆非常简单的！我们只需要输入用户名和登陆密码即可！
3.2选择数据库
当我们连接到MySQL时，是没有具体的数据库供我们使用的，我们需要使用 USE 关键词来选取我们要使用的数据库！
举例：
如图所示，sys 和 test 是我本机的两个数据库！

我们可以用 USE 关键词来使用某个具体的数据库！
输入：
USE test;

输出：
USE语句一般不返回任]]></description><category></category></item><item><title><![CDATA[《MySQL必知必会》学习笔记——1.书中样例表的生成]]></title><link>https://blog.csdn.net/weixin_44177568/article/details/110247931</link><guid>https://blog.csdn.net/weixin_44177568/article/details/110247931</guid><author>weixin_44177568</author><pubDate>Fri, 27 Nov 2020 22:17:49 +0800</pubDate><description><![CDATA[最近在看《MySQL必知必会》这本书。
文章目录样例表的下载创建表插入数据具体操作
样例表的下载
这是书中给出的数据下载链接
也可以不用下载，具体的代码如下：
创建表
########################################
# MySQL Crash Course
# http://www.forta.com/books/0672327120/
# Example table creation scripts
####################################]]></description><category></category></item><item><title><![CDATA[MySQL 和 MySQL Workbench图形化安装教程]]></title><link>https://blog.csdn.net/weixin_44177568/article/details/110225291</link><guid>https://blog.csdn.net/weixin_44177568/article/details/110225291</guid><author>weixin_44177568</author><pubDate>Fri, 27 Nov 2020 11:51:57 +0800</pubDate><description><![CDATA[文章目录MySQL安装在这里插入图片描述
最近在看《MySQL必知必会》这本书，简单做个总结，也希望对大家有帮助！
在学习之前，我们需要安装MySQL，如下：
MySQL安装
可以参考这篇博客安装MySQL，也可以参考本人安装的一些步骤

我们进入MySQL的官网
往下拉，点击 MySQL Community（GPL）Downloads

选择 MySQL Commu Sever






7.打开我们下载好的文件，点击Next

8.选择 MySQL Sever，然后点击Next


10.等待下载完成]]></description><category></category></item><item><title><![CDATA[Spark原理]]></title><link>https://blog.csdn.net/weixin_44177568/article/details/109386145</link><guid>https://blog.csdn.net/weixin_44177568/article/details/109386145</guid><author>weixin_44177568</author><pubDate>Sat, 31 Oct 2020 16:18:47 +0800</pubDate><description><![CDATA[Spark概述
Spark效率高、运行速度快的原因：

内存计算（将数据加载到内存中计算）
DAG有向无环图设计机制（可以对数据的处理进行优化，使得数据处理像流水线般作业，效率高）

Spark使用简单：

支持Scala、Python、Java、R等语言

Spark的通用性：

具备完整的解决方案：

Sql查询：Spark SQL
流式计算：Spark Streaming
机器学习：Spark MLlib
图数据计算：Spark GraphX



Spark运行模式多样化：

单机版本
独立的集群模]]></description><category></category></item><item><title><![CDATA[Hadoop和Spark的区别和联系]]></title><link>https://blog.csdn.net/weixin_44177568/article/details/109367556</link><guid>https://blog.csdn.net/weixin_44177568/article/details/109367556</guid><author>weixin_44177568</author><pubDate>Thu, 29 Oct 2020 20:03:22 +0800</pubDate><description><![CDATA[大数据时代
我们现处于一个大数据的时代，信息呈现指数级的暴增，这里的信息主要是非结构化的数据。

结构化数据：运营数据、公司的经营数据、销售数据等可以在数据库中存储、管理的数据
非结构化数据：聊天记录、发送的邮件、视频、图片、文本等数据

随着科技的进步，这些非结构化的数据激增，我们可以利用这些大量数据进行统计、分析、挖掘出具有价值的信息，利用通过统计大量人群的购买记录，给用户推荐再看物品的相似物品；通过大量邮件信息的统计，可以过滤出垃圾邮件等等。
这些非结构化的数据，并不好处理。图像和视频需要图像处理和计]]></description><category></category></item><item><title><![CDATA[spark安装及环境配置（win10）]]></title><link>https://blog.csdn.net/weixin_44177568/article/details/109275631</link><guid>https://blog.csdn.net/weixin_44177568/article/details/109275631</guid><author>weixin_44177568</author><pubDate>Sun, 25 Oct 2020 17:10:36 +0800</pubDate><description><![CDATA[本人环境：win10
以下所有安装包均打包在百度网盘中，可以下载使用
需要安装的包：

Jdk
Hadoop
Spark
Scala

JDK:

下载官网


往下拉，选择JAVA SE 8


根据选择自己需要的版本号，本人下载的是jdk-8u211-windows-x64



环境变量配置


Scala:

下载网址

本人下载的是2.13.3版本的
环境变量配置：

下载后即配置好，无需再配置




...]]></description><category></category></item><item><title><![CDATA[python中的filter函数]]></title><link>https://blog.csdn.net/weixin_44177568/article/details/109138007</link><guid>https://blog.csdn.net/weixin_44177568/article/details/109138007</guid><author>weixin_44177568</author><pubDate>Sat, 17 Oct 2020 20:52:10 +0800</pubDate><description><![CDATA[filter函数：
python中内置的高阶函数
filter(函数， 列表)：

不断将列表中的元素输入到函数中，符合函数的则输出

举例：
一看就懂
def helper(x):
	# 大于0的元素
    return x &gt; 0 

res = filter(helper, [-1, -5, 1, 2, 3])

输出
print(list(res))
[1, 2, 3]


...]]></description><category></category></item><item><title><![CDATA[python中的map函数]]></title><link>https://blog.csdn.net/weixin_44177568/article/details/109137636</link><guid>https://blog.csdn.net/weixin_44177568/article/details/109137636</guid><author>weixin_44177568</author><pubDate>Sat, 17 Oct 2020 20:26:03 +0800</pubDate><description><![CDATA[map函数：
map函数是python中内置的高阶函数
map(函数， 列表):

不断的将列表中的元素，输入到函数中，并输出一个新的列表

举例：
一看就懂：
def helper(x):
	# 元素加 3
    x = x + 3
    return x

res = map(helper, [1, 2, 3])

输出：
print(list(res))
[4, 5, 6]

也可以用匿名函数lambda：
res = map(lambda x : x+3, [1, 2, 3])
输出:
prin]]></description><category></category></item><item><title><![CDATA[19、删除链表的倒数第N个节点（python）]]></title><link>https://blog.csdn.net/weixin_44177568/article/details/106622275</link><guid>https://blog.csdn.net/weixin_44177568/article/details/106622275</guid><author>weixin_44177568</author><pubDate>Mon, 08 Jun 2020 16:03:42 +0800</pubDate><description><![CDATA[题目：
给定一个链表，删除链表的倒数第 n 个节点，并且返回链表的头结点。
示例：
给定一个链表: 1-&gt;2-&gt;3-&gt;4-&gt;5, 和 n = 2.
当删除了倒数第二个节点后，链表变为 1-&gt;2-&gt;3-&gt;5.
代码（快慢双指针）
# Definition for singly-linked list.
# class ListNode:
#     def __init__(self, x):
#         self.val = x
#         self]]></description><category></category></item></channel></rss>