- 博客(211)
- 收藏
- 关注
RSS订阅原创 必备SQL
简写：select * from info left join depart on depart.id =info.depart_id;在数据量比较小时候可以用这种方式进行搜索，如果数据量比较大的时候不建议使用这种方法，因为这种方法的搜索效率很低。只会输出两种表都有数据的数据，如果输出的列有一列是null，就不输出。注意：在实际的生产环境中尽量减少使用。最后我们的mysql的查询顺序。一般用于模糊查询使用。一般用于获取部分数据。
2024-08-29 22:53:07
634
原创 mysql注入
假如你开发了一个用户认证系统，应该用户登录后才能返回相应的结果但是当我们在输入用户名的时候输入不同输入对用户名和密码也可以登录成功 （如图所示）可以在我们的数据表中是没有的原因：提示：在MySQL中--表示的是注释，注释后的内容MySQL就不会在执行了所以这段语句的意识就是查询name=’ ’ 或者 1=1，或者只要有一边正确就为正，所以这段sql就相当于然后就理所当然的登录成功了。
2024-08-27 17:33:15
362
原创 数据行-增删改查
在开始之前我们先使用自带的客户端也就命令行创建数据库和数据表。fetchall()：是获取在数据库中可以查询到的所有数据。fetchone():获取数据中可以查询到的第一条数据。在程序汇总编写实现登录、注册、删除、更改密码等功能。用一个小小的登录系统进行一个数据库增删改查的运用。
2024-08-27 15:10:09
307
原创 常见的列类型
准确的小值，m是数字的总个数（负号不算），d是小数点后的个数，m最大值为65，d的最大值为30.单精度浮点数，非准确小数值，m是数字的总个数，d是小数点后个数。双精度浮点数（非准确小数值），m是数字的总个数，d是小数点后个数。比mediumtext存储的字符还要多。比text存储的字符还要多。
2024-08-27 10:10:14
249
原创 mysql数据表管理
设置主键一般用于表示当前这个条数据的id标号（类似于人的身份证号），需要我们自己维护一个不重复的的值，比较繁琐，所以在数据库中，一般会自增和主键会结合。主要一个表只能有一个自增列[自增列一般为主键](删除的速度快但是无法进行回滚和撤销等)null,not null 属性。数据表的常见操作指令。desc 查看表结构。
2024-08-27 00:12:28
592
原创 常见的列类型
准确的小值，m是数字的总个数（负号不算），d是小数点后的个数，m最大值为65，d的最大值为30.单精度浮点数，非准确小数值，m是数字的总个数，d是小数点后个数。双精度浮点数（非准确小数值），m是数字的总个数，d是小数点后个数。比mediumtext存储的字符还要多。比text存储的字符还要多。
2024-08-27 00:11:47
394
原创 windows压缩包安装mysql数据库
如果这里出现报错的话，根据报错内容对命令进行调整即可，具体报错的内容我没有截图，大体就是如果信任该运行内容的话，在前面加一个.\。设置->系统->系统信息->高级系统设置->环境变量->系统环境变量->path->将MySQL的bin目录放进去。然后如果不报错的话就会出现一个随机的密码，应该会在最后一行这里一定要记住这个密码。当时忘记截图了就不贴出来了。所以说如果报错内容一样的话执行以下这个就可以。进入解压后的安装包的bin目录下。这个就是因为权限不够的问题。解压到想要安装的目录下。** 设置新密码**
2024-08-20 10:54:24
432
原创 函数的参数
在函数定义的时候，如果一个参数提供一个默认值，这个参数就变成了默认值，不再是一个位置参数了，在调用函数的时候，我们可以给默认参数一个自定义的制，也可以使用默认值。也叫必传参数或者顺序参数，是最重要的、也是必须在调用函数中明确提供的参数！位置参数必须按先后顺序，一一对应，个位不多不少的传递！以上的错误的原因是因为字符串和 数字类型不能相加而不是因为不能够传递字符串类型的数据。这里面的关进是一个和两个星的区别，而不args和kwargs 在名字上的区别。动态参数必须放在位置参数和默认参数的后面。
2024-07-22 17:19:29
252
原创 字体属性（笔记）
像素单位 : px em rem px：是一个绝对的值一旦设置了值就不会改变，除非修改代码，不会因为其他因素而改变。em : em是相对单位，当某块区域的字体大小，比如给p标签设置了20px,那么1em=20px。rem:相对单位 主要应用于移动端。
2024-06-25 16:36:39
403
原创 Kafka集群搭建
进入Kafka安装目录的config目录修改server.properties配置文件，将“broker.id”改为“0”，“log.dirs”改为“/opt/logs/kafka-logs”，“zookeeper.connect”改为“master:2181,slave1:2181,slave2:2181”再将master节点配置好的/etc/profile文件远程发送至slave1、slave2节点，同样使配置文件立即生效。
2024-04-26 17:12:44
459
3
原创 flume配置
删除Flume安装目录的lib目录下的guava-11.0.2.jar包，之后查看/etc/profile文件中的Hadoop安装目录，将Hadoop安装目录的/share/hadoop/common/lib/目录中的guava-27.0-jre.jar复制至Flume安装目录的lib目录。进入Flume安装目录的conf目录，将flume-env.sh.template重命名为flume-env.sh，Java安装目录添加至flume-env.sh文件末尾。个人笔记：仅供参考如有错误望指正。
2024-04-26 17:10:13
401
原创 ZooKeeper集群的搭建
在master节点切换至ZooKeeper安装目录的conf目录下，将zoo_sample.cfg重命名为zoo.cfg，并按照下表修改或添加zoo.cfg文件中参数。在master、slave1、slave2节点的“dataDir”目录下新建“myid”文件，三个节点的文件内容依次为1、2、3。将master节点配置好的ZooKeeper文件远程发送至slave1、slave2节点相同目录下。
2024-04-26 17:00:14
568
3
原创 python-轮廓检测
File “D:\gitee代码托管\opencv\轮廓检测学习.py”, line 16, in。再Opencv中，背景必须是黑色的，对象必须是白色的。对象是二值图像所以需要进行阈值分割。因为子自动从黑色中找白色的轮廓。mode:轮廓的检索方式。为什么要对图像进行复制。
2024-04-19 16:36:15
632
2
原创 jupyter notebook的使用
1.1新增单元格：使用在选中单元格的上方创建新的单元格使用>在选中单元个的下方创建新的单元格删除cell删除单元格删除选用的单元格>剪切（有时候剪切也可以代替删除）复制cell> 复制选中的单元格粘贴粘贴已经复制的cell的下方转换为markdown选中单元格转换为markdown 格式转为code 模式选中单元格转为 Code 模式转为Raw NBConvert 模式转为Raw NBConvert 模式撤销单元格撤销单元格前提：单元格一定要在被选中的状态。
2024-04-16 15:59:37
1085
原创 python-面向对象编程
_init__封装，将方法或者数据封装到对象中，以便后面进行使用继承，将类中的公共方法提升到基类中多态，python默认支持多态（这种被称为鸭子类型），最简单的记住下面这段代码即可v1 = arg.copy() # 浅拷贝print(v1)# func("阿龙的代码在爆粗")int("发消息")v1.send()v2.send()在程序设计中，这种情况被称为鸭子类型，是一种动态类型的一种风格，在鸭子类型中关注点在于对象的行为，能在什么；
2024-04-08 15:00:02
921
原创 重新下学习python day02 快速上手
计算机中所有的数据本质都是0和1 组合来存储在计算机会将中文内存转换成01010101101010110…最终存储到硬盘上。注意事项：在计算中要以某种编码保存的文件，就要以这种编码去打开这个文件。否则就会出现乱码。！！！！以后文件出现乱码的情况基本上都是文件编码不正确！！！！！！
2024-03-30 11:59:52
879
原创 LFW人脸数据库的简介
LFW (Labled Faces in the Wild)人脸数据集：是目前人脸识别的常用测试集，其中提供的人脸图片均来源于生活中的自然场景，因此识别难度会增大，尤其由于多姿态、光照、表情、年龄、遮挡等因素影响导致即使同一人的照片差别也很大。并且有些照片中可能不止一个人脸出现，对这些多人脸图像仅选择中心坐标的人脸作为目标，其他区域的视为背景干扰。LFW数据集共有13233张人脸图像，每张图像均给出对应的人名，共有5749人，且绝大部分人仅有一张图片。
2023-12-31 22:01:27
1435
原创 逻辑斯蒂回归-建模概率计算（鸢尾花）
本文章为本人学习笔记，如有请侵权联系，本人会立即删除侵权文章。鸢尾花数据集中每个样本包含有四个特种（花萼长度、花萼宽度、花瓣长度，花瓣宽度），用于对鸢尾花的分类。因为气候不同，造就性不同，统计鸢尾花的关键特征数据：花萼长度、花萼宽度、花瓣长度，花瓣宽度。virginica(中文名：弗吉尼亚鸢尾)和上面的预测数据进行对比结果一致。setosa(中文名：山鸢尾)
2023-12-22 12:00:13
525
原创 图像的简单操作(gui)
本文章为本人学习笔记，如有请侵权联系，本人会立即删除侵权文章。再图像化界面中显示照片的变化。设置键入平移的距离和旋转按钮。设置键入旋转的度数和旋转按钮。设置沿着不同轴进行翻转。
2023-12-20 15:20:20
407
原创 中国人寿保费（EDA数据探索、特征工程、特征升维）
EDA 数据探索EDA（Exploratory Data Analysis，数据探索分析）是数据分析的第一步，它旨在了解数据的特征、结构和潜在规律，为进一步分析和建模提供基础。性别对保费影响（从当前的数据呈现的分布来看用于数据分析的意义不大所以进行舍弃）地区对保费的影响（从当前的数据呈现的分布来看用于数据分析的意义不大所以进行舍弃）是否抽烟对数据保费的影响孩子数量对保费的影响在以上代码中可能出现的问题上面的代码写法是老版本的写法了，新版本的写法是需要传入 DataFra
2023-12-20 00:33:46
784
1
原创 多项式回归
在做升维的时候，最常见的手段就是将已知维度进行相乘（或者自乘）来构建新的维度，如下图所示。普通线性方程，无法拟合规律，必须是多项式，才可以完美拟合曲线规律，图中是二次多项式。升维的目的是为了去解决欠拟合的问题的，也就是为了提高模型的准确率为目的的，因为当维度不够时，说白了就是对于预测结果考虑的因素少的话，肯定不能准确的计算出模型。对于多项式回归来说主要是为了扩展线性回归算法来适应更广泛的数据集，比如我们数据集有两个维度。经过多项式回归推导的线性回归的图像和基本和真实的图形重合。
2023-12-18 17:10:28
1202
原创 弹性网络优化算法
弹性网络是一种使用 L1， L2 范数作为先验正则项训练的线性回归模型。这种组合允许学习到一个只有少量参数是非零稀疏的模型，就像 Lasso 一样，但是它仍然保持一些像 Ridge 的正则性质。这是scikit-learn官网给出的弹性网络回归的，损失函数公式，注意，它用的矩阵表示，里面用到范数运算。Lasso 很可能只随机考虑这些特征中的一个，而弹性网络更倾向于选择两个。在实践中，Lasso 和 Ridge 之间权衡的一个优势是它允许在迭代过程中继承 Ridge 的稳定性。创建数据并获取到原方程的系数。
2023-12-18 09:04:02
1072
原创 机器学习--归一化处理
归一化的一个目的是，使得梯度下降在不同维度θ参数（不同数量级）上，可以步调一致协同的进行梯度下降。这就好比社会主义，一小部分人先富裕起来了，先富带后富，这需要一定的时间，先富的这批人等待其他的人富裕起来；但是，更好途经是实现共同富裕，最后每个人都不能落下， 优化的步伐是一致的。
2023-12-14 12:06:33
1764
原创 梯度下降实战（优化）
数据不可能达到百分之百正确，只要模型堪用就可以。scikit_learn中的SGD算法。获取数据的loss的数值。图形的方式查看训练的效果。
2023-12-13 22:14:25
481
原创 BGD 实战
梯度下降分三类：批量梯度下降BGD（）、小批量梯度下降MBGD（）、随机梯度下降SGD（三种梯度下降有什么不同呢？我们从梯度下降步骤开始讲起，梯度下降步骤分一下四步：1、随机赋值，Random 随机数生成θ，随机一组数值w0w1……wn2、求梯度 g ，梯度代表曲线某点上的切线的斜率，沿着切线往下就相当于沿着坡度最陡峭的方向下降θ变大，if g > 0,θ变小4、判断是否收敛 convergence，如果收敛跳出迭代，如果没有达到收敛，回第 2 步再次执行2~4步。
2023-12-12 10:07:35
1076
原创 使用代码模拟梯度下降
if np.abs((f(x_)) - f(last_x_)) / np.abs(f(last_x_)) < precision: # 利用损失函数进行判断是不是已经达到了最优。if np.abs(x_ - last_x_) < precision: 通过对x_和last_x_进行对比查看学习率的变化判断是不是已经达到了最优。if np.abs(g(x_)) < precision: 通过公式判断导数是不是趋于0 进行判断是不是达到最优。
2023-12-11 00:32:03
390
原创 scikit-learn实现线性回归
要学习scikit-learn,我们必须要到scikit-clearn的官网中去查看公式和原理进入官网一以后我们找到回归，然后再有监督学习中找到线性模型。
2023-12-08 19:11:17
1368
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人