xintgong的博客

1消费行为分析 食堂就餐分析 筛选食堂数据：提取各个食堂的消费数据。 合并就餐记录：合并同一地点同一时间的就餐记录。 三餐分布：分析学生在早餐、午餐和晚餐的就餐情况，并绘制饼图。 工作日和非工作日分析：使用chinese_calendar库，分析工作日和非工作日的就餐频次，并绘制折线图。 学生消费行为 人均消费分析：计算总消费次数、总消费金额和总人数，分析人均消费次数和金额。 性别和专业分析：分析不同性别和专业的学生消费情况，绘制柱状图显示各个专业男生和女生的人均消费。 2. 聚类分析 特征构建与标准化 构建特征：包括早餐、午餐和晚餐的平均每餐消费额，以及月就餐次数。 标准化：对特征进行标准化处理，消除量纲差异。 聚类分析 确定聚类中心：使用轮廓系数法确定聚类中心数。 聚类模型构建：使用KMeans算法进行聚类分析，并将聚类标签添加到数据中。 类中心可视化：使用雷达图可视化聚类结果，展示不同学生群体的特征。 这段代码通过对校园卡消费数据的分析，揭示了学生的消费行为模式。这些分析结果可以帮助学校管理者了解学生的就餐习惯、消费特征和不同群体的消费差异，为食堂管理和服务改进提供数据支持。

这段代码主要用于从网站 “https://yesmzt.com” 上抓取并下载图片。它使用了以下技术： 请求库（Requests）：用于发送 HTTP 请求到网站并获取响应。 XPath 和 lxml 库：用于解析 HTML 文档并提取所需的数据。 AES 加密和解密：用于处理网站上的加密数据。这部分代码使用了 Crypto.Cipher 库中的 AES 模块和 Crypto.Util.Padding 库中的 unpad 函数。 哈希函数（Hashing）：用于生成特定的密钥，这部分代码使用了 hashlib 库中的 md5 函数。 Base64 编码和解码：用于处理二进制数据，这部分代码使用了 base64 库。 代码的主要流程如下： 首先，它会获取特定页面上的所有图片 ID（get_id_list 函数）。 然后，对于每个 ID，它会发送一个请求到服务器以获取加密的图片 URL 数据（get_img_url_list 函数）。 这些加密数据会被解密（decrypt 函数），得到实际的图片 URL 列表。 最后，代码会下载每个 URL 对应的图片并保存到本地

基于javaee文章管理系统(jsp+servlet+maven+mybatis) 文章管理系统是将文章发布和计算机网路结合起来的文章新型管理方式，是信息化社会的产物。通过网路，管理者可以发布文章提供给系统用户浏览，用户也可以发布文章提供给其他用户浏览，可以使信息传递更加快捷和方便，从而扩展信息传递领域，实现提高信息传递的效率。 该文章管理系统主要业务有：文章管理，公告管理，轮播管理，文章分类管理，评论管理，用户管理，管理员管理，系统统计，系统设置。 1)进入系统：登录到文章管理后台； 2)文章管理：添加文章，删除文章，修改文章以及对文章的分类； 3)轮播管理：轮播信息添加，删除以及修改等操作； 4)用户管理：用户部分信息的修改，禁用以及删除的操作； 5)评论管理：意境反馈的回复以及删除等操作。 环境参数 环境值 操作系统 Windows10 IDE IntelliJ IDEA 2021.2.2 数据库 MySQL8.0.22 服务器软件 Tomcat9.0.50 前端开发框架 Layui，bootstrap 后台开发框架 Spring 5.3.13，Mybatis3.5.7

进入数字时代后，数据的有效使用成为零售企业颠覆传统的动力，也势必将改变零售业的格局。 零售业有非常多的场景需要广泛地使用机器学习来进行数据分析，例如通过对供应链数据的分析，发现库存的规律性变化，合理优化物流环节达到减少库存、提高流通率的目的。对顾客购买数据的分析可以得到顾客的画像，从而为其个性化推荐产品。也可以发现商品的销售模式，从而灵活地调整定价或销售方式。 本案例的目的是建立一个销售预测模型，使得公司可以预测每个产品在特定商店的销售情况，从而可以提前调整物流、完善备货渠道，以较高的效率完成销售流程。 本案例利用多重机器学习算法预测销售额，包含数据和源代码，ppt

内容概要：这段代码实现了一个网络入侵用户识别模型的训练和测试过程，使用了随机森林分类器来识别不同类型的网络入侵。模型在训练数据上进行了训练，并在测试数据上进行了评估，输出了分类报告和测试精度。 包括数据处理函数 ，模型训练和保存，模型加载和测试的一个机器学习小项目