让我三行代码、-CSDN博客

原创通讯录管理系统/C++实现

通讯录管理系统/C++实现1，功能简介可以向通讯录中 1添加姓名，性别，年纪，联系方式基本信息，可以实现联系人的删除，可以查找指定联系人，可以对联系人的姓名，年龄，性别，联系方式进行修改，也可以全部清空联系人，也可以显示通讯录中存在的所有的联系人。主要用到的C++的基本操作，有结构体，循环语句，条件判断，函数的定义与调用，多分支操作。2，效果展示可以根据系统提示选择0-6之间的操作，若选择错误，则重新选择。可以添加多位联系人。可以查看显示联系人列表可以删除联系人（又多添加了周瑜，可

2021-05-25 11:49:41 147

原创 python 绘制填充多边形和多边形

python 绘制填充多边形和多边形代码：import numpy as npimport cv2import matplotlib.pyplot as plta = np.array([[[10,10], [100,10], [100,100], [10,100]]], dtype = np.int32)b = np.array([[[100,110], [200,200], [150,200], [100,220]]], dtype = np.int32)print(a.shape)im

2021-03-23 10:27:54 788

原创信贷逾期预测，LightGBX模型

信贷逾期预测背景数据处理小提琴图查看数据分布模型建立模型评估本文介绍了利用LightGBX模型进行贷款逾期预测的方法。背景互联网金融的核心在于风控，风控决定了互联网金融企业的竞争力。信用评分模型属于二分类模型，目标变量是客户是否“违约”，输出结果为客户“违约”概率。数据处理先对数据进行了主观挑选，将认为有用的数据特征挑选出来。然后，过滤掉整列数据为空的列(true表示全为空)，过滤掉整列数据全部相同的列（true表示全部相同）col = data.count() == 0 # 返回boo

2021-03-15 09:32:38 511

转载人体行为识别（骨架提取），搭建openpose环境，VS2019(python3.7)+openpose

人体行为识别（骨架提取），win10下搭建openpose环境，VS2019(python3.7)+openpos找到一个不错的文章推荐一下，共同学习https://www.cnblogs.com/pan1111111111/p/11530289.html链接

2020-10-29 11:17:26 1333

原创 AttributeError: module ‘tensorflow‘ has no attribute ‘Session‘

运行错误代码import tensorflow as tfmatrix1=tf.constant([[3,3]])matrix2=tf.constant([[2],[2]])product=tf.matmul(matrix1,matrix2)sess=tf.Session()result=sess.run(product)print(result)sess.close()错误原因：由于版本问题，tensorflow2中sess语句发生变化。改后的代码import tenso

2020-10-12 17:08:37 100

原创 tensorflow2.0

简单欢迎使用Markdown编辑器你好！这是你第一次使用 Markdown编辑器所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。新的改变我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：全新的界面设计，将会带来全新的写作体验；在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式进行展示；增加了

2020-10-12 16:14:32 172

原创基于决策树的分类预测

1、简介决策树是一种基于规则的方法，用一组嵌套的规则进行预测。在树的每个决策节点处，根据判断结果进入一个分支，反复执行这种操作，直到到达叶子节点，得到预测结果，这些规则是通过训练得到的而不是人工制定的。（1）决策节点。在这些节点处需要进行判断以决定进入哪个分支，如用一个特征和设定的阈值进行比较。决策节点一定有两个子节点，它是非叶子节点。（2）叶子节点。表示最终的决策结果，他们没有子节点。比如对于跌倒检测，叶子节点的值有两种，即跌倒和非跌倒。对于分类问题，叶子节点中存储的是类别标签。决策树

2020-08-22 21:44:02 1802

原创机器学习|基于逻辑回归的分类预测

基于逻辑回归的分类预测1、简介Logistic 回归即对数概率回归，它虽然被称为回归，但其实际上是分类模型，并常用于二分类。它用sigmoid函数估计出样本属于正样本的概率。关于logistic有两种表述。第一种表述：概率值为0-1，如果有函数，对于一个样本的特征向量，这个函数可以输出样本属于每一类的概率值，那么这个函数就可以用来作为分类函数，h(z)=1/(1+e^(-z) )。这个函数的定义域为整个实数域，值域为（0,1），且是一个单调的增函数。根据对分布函数的要求，这个函数可以用来作为随机变量

2020-08-20 19:57:14 812

weixin_45706141的博客