![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
复习
文章平均质量分 66
@而@安@
这个作者很懒,什么都没留下…
展开
-
数据采集复习知识点
数据采集复习知识点1.网络爬虫概念2.爬虫爬取数据的用途3.http概念4.常见http请求头5.请求方式6. 响应状态码7.urllib库8.正则表达式9.Xpath和lxml库10.requests库的使用11.理解json以及python的json库的使用12.scrapy框架1.网络爬虫概念网络爬虫就是模拟客户端(浏览器)发送网络请求,获取响应,并按照自定义的规则提取数据的程序,简单来说,就是发送与浏览器一样的请求,获取与浏览器所获取的一样的数据。2.爬虫爬取数据的用途爬虫爬取的数据最常应用原创 2021-01-05 17:45:39 · 691 阅读 · 0 评论 -
c#练习题及答案
c#练习题-单项选择题参考答案练习题1练习题2练习题3练习题4练习题5练习题6练习题7练习题8练习题9练习题10练习题11练习题12练习题13练习题14练习题15练习题16练习题17练习题18练习题1(1).NET Framework将 定义为一组规则,所有.NET语言都应该遵守这个规则才能创建可以与其他语言互操作的应用程序。AA.CLR B.JIT C.MSIL D.ADO.NET(2)在Visual Studio窗口中,在 窗口中可以察看当前项目的类和类型的层次信原创 2021-01-05 17:40:33 · 8747 阅读 · 5 评论 -
机器学习实验六SVM基础练习;利用SVM构建垃圾邮件分类器
实验六:SVM基础练习;利用SVM构建垃圾邮件分类器一、实验目的使用支持向量机(SVM)构建垃圾邮件分类器。二、实验环境Window10,Octave三、实验步骤/过程1.支持向量机:1.1样例数据集1:在这个数据集中,正例(用+表示)和负例(用 o 表示)的位置有一段间隔,即该正例和负例数据可由此间隔分开。1.2 高斯核支持向量机:1.2.1高斯核:在 gaussianKernel.m 中添加代码以计算两个示例之间的高斯核:1.2.2 样例数据集2:该数据集无法通过线性决策边界来分隔原创 2021-01-05 17:24:24 · 1969 阅读 · 0 评论 -
机器学习实验五正则化线性回归、偏差 V.S.方差
实验五:正则化线性回归、偏差 V.S.方差一、实验目的实现正则化线性回归,并用它来研究具有不同偏差-方差性质的模型。二、实验环境Window10,Octave三、实验步骤/过程1.正则化线性回归:1.1可视化数据集:可视化包含水位x变化和大坝流出水量y的历史记录的数据集。1.2正则化线性回归损失函数:在linearRegCostFunction.m 中添加代码:1.3正则化线性回归的梯度:在linearRegCostFunction.m 中添加代码:1.4拟合线性回归:ex5.m运行原创 2021-01-05 17:19:41 · 376 阅读 · 0 评论 -
机器学习实验四神经网络学习
实验四:神经网络学习一、实验目的将实现用于神经网络的反向传播算法,并将其应用于手写数字识别的任务中。二、实验环境Window10,Octave三、实验步骤/过程1.神经网络:1.1数据可视化:加载数据并通过调用函数 displayData.m 将其显示在二维图上。1.2模型表示:将存储在ex4weights.mat中的网络参数θ(1),θ(2)由ex4.m加载到Theta1和 Theta2 这两个参数中。1.3前馈与损失函数:在nnCostFunction.m 中添加代码以返回损失:1原创 2021-01-05 17:16:07 · 991 阅读 · 0 评论 -
机器学习实验三多分类与神经网络
实验三:多分类与神经网络一、实验目的通过实现一对多逻辑回归和神经网络来识别手写数字。二、实验环境Window10,Octave三、实验步骤/过程1.多类分类:1.1数据集:在ex3data1.mat中给出了一个包含 5000 个手写数字训练示例的数据集。1.2数据可视化:代码从X中随机选择100行,并将这些行传递给displayData函数。此函数将每一行映射到一个20像素* 20像素的灰度图像,并将图像一起显示。1.3向量化Logistic回归:在lrCostFunction.m中编写非原创 2021-01-05 17:00:08 · 638 阅读 · 0 评论 -
机器学习实验二逻辑回归
实验二:逻辑回归一、实验目的实现 logistic 回归,并将其应用于两个不同的数据集。二、实验环境Window10,Octave三、实验步骤/过程1.逻辑回归:1.1可视化数据:在plotData.m中添加代码:1.2 Sigmoid 函数:在 sigmoid.m中添加代码:g=1./(1+exp(-z));1.3 代价函数和梯度:在costFunction.m 中添加代码:1.4 使用 fminunc 学习参数1.5评价逻辑回归:在predict.m中添加代码:2.正则化原创 2021-01-05 16:53:16 · 1544 阅读 · 0 评论 -
机器学习实验一线性回归
实验一:线性回归一、实验目的实现线性回归,并看到它在数据分析上的作用。二、实验环境Window10,Octave三、实验步骤/过程1.Octave 简单函数练习:在 warmUpExercise.m 中添加代码:A = eye(5);返回一个 5 x 5 的单位矩阵。2.单变量线性回归:2.1 绘制数据:在plotdata.m中添加代码:2.2梯度下降:在 computeCost.m中添加代码:在 gradientDescent.m中添加代码:2.3调试2.4可视化:为了原创 2021-01-05 16:31:04 · 1020 阅读 · 0 评论 -
大数据处理技术基础语法练习(scala,RDD)
Scala 基本语法练习eclipse实现练习1:val、var 变量分配的区别练习2:Range的操作练习3:位运算符练习4:定义一个sum方法或者函数,返回指定区间的值的和练习5:List类型的使用练习6:Set类型的使用练习7:Tuple元组 的使用练习8:使用迭代器访问map练习9:groupBy的使用练习10:普通类的继承关系实验练习11:抽象类的继承关系实验练习12:RDD的创建练习13:练习常用的RDD转换操作算子方法练习14:行动(Action)操作算子方法练习15:RDD的分区操作、分区个原创 2020-07-19 20:38:15 · 587 阅读 · 0 评论 -
软件工程复习知识点
软件工程第一章 软件工程概述1、四种图2、计算机系统计算机系统组成:计算机分为四个发展阶段:3、软件危机:产生原因:4、软件工程:软件工程的基本原理 :软件工程包括两方面的内容:软件工程方法学3要素:5、软件生命周期三个时期八个阶段:6、软件过程:7、瀑布模型:8、快速原型模式:9、增量模型:10、螺旋模型:11、其他模型:第二章 可行性研究1、可行性研究报告2、可行性研究目的:3、可行性包括:4、可行性研究过程(循环):5、可行性分析报告之系统流程图6、数据流图7、数据字典:8、 成本/效益分析的目的9、原创 2020-07-19 21:52:44 · 7426 阅读 · 1 评论 -
大数据处理技术每章知识点思维导图
原创 2020-07-19 20:50:43 · 1096 阅读 · 0 评论 -
虚拟化原理与应用复习知识点
虚拟化原理与应用第一章 虚拟化技术简介:一、重点:概念:二、hypervisor的分类:三、虚拟化技术演变的阶段:1)软件模拟:2)虚拟化层翻译:(软件全虚拟化、半虚拟化、硬件全虚拟化三者之间的区别:(X86平台的指令集权限划分:3)容器虚拟化:虚拟机的优点:虚拟机的特征:第二章 主流虚拟化产品介绍针对于主流的虚拟化产品及厂商第03章 KVM概述一、什么是KVM(5颗星)二、KVM的体系架构(4颗星)三、KVM的管理工具(3颗星)四、如何搭建KVM运行环境(5颗星)第04章 kvm创建第一个客户机方式一:使原创 2020-07-19 20:06:39 · 1556 阅读 · 0 评论