- 博客(366)
- 资源 (5)
- 收藏
- 关注
RSS订阅原创 html+spring+服务器 部署一个项目 可用于安卓
三步都做完后，即可在html测试输入数据，在云服务器即可创建文件。需求：安卓项目的数据上传到云端，安卓的页面是用html写的。项目写好后，按照这个方法部署到云端。
2023-05-02 19:37:17
420
2
原创 如果实在解决不了 org.springframework.beans.factory.UnsatisfiedDependencyException，可能是因为……
解决问题
2022-08-16 17:20:33
262
原创 Matplotlib中的fill_between；np.argsort()函数
1.Matplotlib中的fill_between这个函数可以实现的图像折现附近有阴影的效果。如图：具体用法与参数参考下面链接。看这篇2.np.argsort()这个方法的功能：将矩阵a按照axis排序，并返回排序后的下标看这篇...
2022-03-27 15:03:53
590
原创 多项式回归（PolynomialFeatures）
学习于这篇文章 这里是链接大概意思是：一些比较复杂的模型如果用线性拟合会有较大误差，这时需要多项式的线性拟合，（比如x的平方、x的三次方等）。随着维度的增加，拟合度会变的较好，但需要注意可能会导致过拟合。...
2022-03-27 14:55:09
515
原创 sklearn中的pipeline机制
学习于此篇。 这篇文章大概是这样的意思：相当于把这三个步骤进行了封装，而且顺序一定要按照机器学习的流程顺序。
2022-03-27 11:47:28
460
原创 sklearn中的学习曲线learning_curve函数
一、运行原理学习曲线。确定交叉验证的针对不同训练集大小的训练和测试分数。交叉验证生成器将整个数据集拆分为训练和测试数据中的k次。 具有不同大小的训练集的子集将用于训练估计器，并为每个训练子集大小和测试集计算分数。 之后，对于每个训练子集大小，将对所有k次运行的得分进行平均。二、函数格式sklearn.model_selection.learning_curve(estimator, X, y, groups=None, train_sizes=array([0.1, 0.33, 0.55, 0.7
2022-03-24 10:22:13
469
原创 简单说Q-Q图；stats.probplot(QQ图)
检验样本数据概率分布(例如正态分布)的方法。使用方法如下：fig = plt.figure()res = stats.probplot(train[‘SalePrice’], plot=plt) #默认检测是正态分布plt.show()注意: 红色线条表示正态分布，蓝色线条表示样本数据，蓝色越接近红色参考线，说明越符合预期分布（这是是正态分布）q-q 图是通过比较数据和正态分布的分位数是否相等来判断数据是不是符合正态分布注:学习于这篇文章...
2022-03-10 16:35:28
2933
原创 彻底搞懂箱形图分析
学习于 这篇文章文章目录一、箱形图二、五大因“数”1、下四分位数Q12、中位数（第二个四分位数）Q23、上四分位数Q34、上限5、下限三、箱形图的价值1.直观明了地识别数据批中的异常值2.利用箱线图判断数据批的偏态和尾重3.利用箱线图比较几批数据的形状一、箱形图箱形图（英文：Box plot），又称为盒须图、盒式图、盒状图或箱线图，是一种用作显示一组数据分散情况资料的统计图。因型状如箱子而得名。在各种领域也经常被使用，常见于品质管理，快速识别异常值。箱形图最大的优点就是不受异常值的影响，能够准确稳定
2022-03-10 15:44:43
7315
2
原创 Jupyter Notebook安装库；ModuleNotFoundError: No module named ‘plotly‘解决方案。
这种问题一般都是因为要引用的库没提前装好，记录一下安装库的步骤。首先需要找到这个文件夹目录：寻找方法hhhh）不知道有没有跟我一样的总忘记在哪里安装的人。直接右键这个应用 打开文件位置。输出 conda list 查询一下有没有安装过如果没有装过的话 输入 pip install plotly...
2022-03-10 10:15:35
2361
原创 字典特征提取，文本特征提取。
文章目录1 定义2. 字典特征提取API3. 字典特征提取案例：1.实现效果：2.实现代码4. 文本特征提取1. 方法2. 英文案例1. 实现效果2.流程3. 中文案例使用到的包1 定义将任意数据（如文本或图像）转换为可用于机器学习的数字特征注：特征值化是为了计算机更好的去理解数据特征提取分类:字典特征提取(特征离散化)文本特征提取图像特征提取2. 字典特征提取APIsklearn.feature_extraction3. 字典特征提取案例：1.实现效果：2.实现代码
2022-03-09 10:47:59
1820
原创 决策树算法---简介、分类原理（熵、信息增益、信息增益率、基尼值和基尼指数）、决策树构建基本步骤
文章目录一、简介二、决策树分类原理1.熵2.决策树的划分依据一------信息增益3. 决策树的划分依据二----信息增益率4.决策树的划分依据三——基尼值和基尼指数5. 决策树构建的基本步骤如下：6.总结 常见决策树类型比较6.1 ID3 算法6.2 C4.5算法6.3 CART算法一、简介决策树：是一种树形结构，其中每个内部节点表示一个属性上的判断，每个分支代表一个判断结果的输出，最后每个叶节点代表一种分类结果，本质是一颗由多个判断节点组成的树。二、决策树分类原理1.熵熵 是指混乱程度（虽
2022-03-09 10:16:31
1190
原创 逻辑回归---简介、API简介、案例：癌症分类预测、分类评估法以及ROC曲线和AUC指标
文章目录一、介绍1. 大白话~2.损失和优化二、API介绍三、案例：癌症分类预测一、介绍1. 大白话~虽然带有“回归”两个字，但是输出的结果是离散的。和线性回归的区别，多了一个激活函数（sigmoid函数），增加模型的非线性拟合能力。2.损失和优化逻辑回归的损失，称之为对数似然损失，公式如下：通过上面这个公式可以计算损失值。二、API介绍三、案例：癌症分类预测案例的重点就是运用了一下“逻辑回归”的这个训练器import pandas as pdimport numpy a
2022-03-08 15:06:45
1281
原创 线性回归02---波士顿房价预测
文章目录一、获取数据二、数据分析2.1描述性统计分析2.2 散点图分析1. 先绘制一个2. 把其余的也绘制出来三、数据处理四、特征工程 标准化五、机器学习 创建模型六、模型评估七、全部代码写在最前 :参考了一位博主的博客进行了学习，讲得很好，很细致。传送门点这儿哈这个案例是以线性回归为模型预测的，目的为求出一个线性函数，每个特征所占参数，最后并对这个所求的线性函数进行模型评估。一、获取数据二、数据分析2.1描述性统计分析 # 2.1描述性统计分析 # describe()是返
2022-03-08 09:53:07
1845
1
原创 线性回归简介01---API使用案例
文章目录一、API初步使用一、API初步使用API介绍案例给定一个数据集代码from sklearn.linear_model import LinearRegression# 1.获取数据x = [[80, 86],[82, 80],[85, 78],[90, 90],[86, 82],[82, 90],[78, 80],[92, 94]]y = [84.2, 80.6, 80.1, 90, 83.2, 87.6, 79.4, 93.4]# 2.数据基本处
2022-03-08 09:37:24
155
原创 【Android】用Fragment、Viewpage实现tab栏切换
文章目录一、完成情况1. 图片2. 文字介绍3. 代码目录结构二、代码1. xml2. java3. manifest.xml三、结尾彩蛋~一、完成情况1. 图片2. 文字介绍点击tab栏底部可以切换不同的页面：在切换时，被选中的颜色会变化左右滑动屏幕也会切换不同的页面。3. 代码目录结构二、代码1. xmltab2.xml<?xml version="1.0" encoding="utf-8"?><RelativeLayout xmlns:andro
2022-03-03 22:17:03
2798
1
原创 K近邻算法04---案例：预测Facebook签到位置
注： 这部分看博客注释与运行截图就差不多能理解啦，把代码复制到自己的编译器中分别运行，认真体会每一步。一、代码截图和运行截图二、全部代码import pandas as pdfrom sklearn.model_selection import train_test_splitfrom sklearn.preprocessing import StandardScalerfrom sklearn.neighbors import KNeighborsClassifierfrom s
2022-01-27 12:52:47
878
原创 K近邻算法03--交叉验证、网格搜索
文章目录一、交叉验证，网格搜索1.什么是交叉验证(cross validation)2. 为什么需要交叉验证3.什么是网格搜索(Grid Search)4.交叉验证，网格搜索（模型选择与调优）API：5.例子：鸢尾花案例增加K值调优一、交叉验证，网格搜索1.什么是交叉验证(cross validation)交叉验证：将拿到的训练数据，分为训练和验证集。以下图为例：将数据分成4份，其中一份作为验证集。然后经过4次(组)的测试，每次都更换不同的验证集。即得到4组模型的结果，取平均值作为最终结果。又称4折交
2022-01-27 11:10:43
289
原创 K近邻算法02---sklearn数据集获取（特征值、标签等）、查看数据分布（散点图）、数据集划分（测试和训练集）、特征工程（标准化和归一化）、鸢尾花种类预测的实现流程
文章目录1.sklearn数据集的获取（1）scikit-learn数据集API介绍（2） sklearn数据集返回值介绍（3）举例子2.查看数据分布3.数据集划分4.特征工程-特征预处理（标准化和归一化）（1）特征预处理定义（2）归一化（3）标准化（4）标准化和归一化的区别（5）标准化和归一化的例子5.大整合---鸢尾花种类预测（实现流程）1.sklearn数据集的获取（1）scikit-learn数据集API介绍（2） sklearn数据集返回值介绍（3）举例子小数据 获取数据
2022-01-26 22:22:08
2877
原创 K近邻算法01---K-近邻算法简介、K近邻算法API使用、KD树
文章目录一、K-近邻算法简介二、k近邻算法api初步使用1.K-近邻算法API2.一个案例（1）步骤分析（2）代码过程3.小结三、kd树1.问题导入2.kd树简介一、K-近邻算法简介K Nearest Neighbor算法又叫KNN算法，这个算法是机器学习里面一个比较经典的算法， 总体来说KNN算法是相对比较容易理解的算法定义：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。距离公式两个样本的距离可以通过如下公式计算，又叫
2022-01-26 21:47:21
174
原创 【Android】登录注册完整版~SQLite存储、记住密码
文章目录0.目前情况：1.实现功能2.实现后：（1）注册：（2）登录1.代码目录2.代码：1.manifests.xml2.User.java3.ToastUtil.java4.LoginActivity.java5.RegisterActivity.java6.MySQLiteOpenHelper.java7. btn_bg_selector.xml8.edit_text_bg.xml9.activity_register.xml10.login.xml11.theam.xml0.目前情况：1.实现功
2022-01-23 12:31:30
6371
7
原创 Android报错AUTOINCREMENT is only allowed on an INTEGER PRIMARY KEY 解决
我的解决方法：private static final String CREATE_TABLE_SQL = "create table " + TABLE_NAME_USER + "(id INTEGER PRIMARY KEY AUTOINCREMENT, account text, pass text)";把上面这行代码中的 INTEGER PRIMARY KEY AUTOINCREMENT 全部写成大写形式即可！...
2022-01-22 22:03:50
3102
原创 【Android】 实现一个登录注册(还没有连接数据库)
文章目录一、最终效果：二、代码部分1.登录部分1.LoginActivity.java2.login.xml3.themes.xml2.注册部分1.RegisterActivity.java2.activity_register.xml3.配置文件1.manifest 功能清单2.btn_bg_selector.xml3.edit_text_bg.xml一、最终效果：登录页面：注册页面： （可以对输入的内容进行校验：比如不为空 且密码和再次输入的密码必须一致，若不一致，则会弹框说明情况）代码
2022-01-22 16:48:05
4350
原创 Pandas 5--数据高级处理（缺失值处理、数据离散化、合并、交叉表和透视表、分组和聚合）
文章目录一、缺失值处理1.判断是否有缺失值2.处理缺失值1.删除 (把所有缺失的行删除)2.替换 (把缺失值替换为平均值or中位数等)3.有特殊标记3.小结二、数据离散化1.为什么要离散化2.什么是数据的离散化3.离散化分组1.pd.pcut()2.pd.cut(data, bins) （自定义区间分组）3.one-hot编码4.小结三、合并1.pd.concat实现数据合并2.pd.merge3.小结四、交叉表与透视表一、缺失值处理1.判断是否有缺失值pd.isnull(df)p
2022-01-18 16:19:13
1570
原创 pandas 4----文件读取与存储
文章目录一、CSV1. read_csv2.to_csv二、 HDF5三、json1.read_json2.to_json四、拓展一、CSV1. read_csvpandas.read_csv(filepath_or_buffer, sep =’,’ )filepath_or_buffer:文件路径usecols:指定读取的列名，列表形式例子：2.to_csv例子：二、 HDF5hdf5读取和存储的例子：三、json先举个例子：1.read_json2.
2022-01-18 15:30:57
400
原创 pandas 3----DataFrame运算
文章目录一、算术运算-add，sub，mul,div二、逻辑运算1. 例如筛选p_change > 2的日期数据2. 完成一个多个逻辑判断， 筛选p_change > 2并且open > 153. 用逻辑运算函数query(values)和isin(values)三、统计运算1. describe() 一下子全部求出来一、算术运算-add，sub，mul,div二、逻辑运算1. 例如筛选p_change > 2的日期数据data['p_change'] > 2
2022-01-17 21:42:54
756
原创 pandas 2----基本数据操作- pandas索引（获取某些值）、pandas赋值、pandas排序
文章目录一、索引操作二、赋值三、排序一、索引操作直接使用行列索引(先列后行)例子：data[‘open’][‘2018-02-27’] (先列后行)结合loc或者iloc使用索引二、赋值# 直接修改原来的值data['close'] = 1# 或者data.close = 1三、排序排序有两种形式，一种对于索引进行排序，一种对于内容进行排序。使用df.sort_values(by=, ascending=)单个键或者多个键进行排序,默认升序ascending=F
2022-01-17 17:42:21
254
原创 Pandas1----Pandas介绍和DataFrame
文章目录一、pandas介绍二、DataFrame1.DataFrame属性2.DatatFrame索引的设置3.以某列值设置为新的索引一、pandas介绍Numpy已经能够帮助我们处理数据，能够结合matplotlib解决部分数据展示等问题，那么pandas学习的目的在什么地方呢？便捷的数据处理能力读取文件方便封装了Matplotlib、Numpy的画图和计算例如： 我们可以将这样一个数组以更清晰的方式表达出来。（如下图）代码如下：生成数据用Dataframe包装一下改一下列
2022-01-16 21:29:23
580
原创 numpy简介、ndarray、numpy基本操作、ndarray运算、矩阵运算
文章目录一、简介二、N维数组-ndarray1.ndarray的属性2.ndarray的形状三、基本操作1.全0数组2.全0/1数组3.从现有数组生成4.生成固定范围的数组5.生成随机数1. np.random.rand(d0, d1, ..., dn)2. np.random.uniform(low=0.0, high=1.0, size=None)3. np.random.randint(low, high=None, size=None, dtype='l')4.绘制直方图5.绘制正态分布图一、简介
2022-01-11 23:50:41
864
原创 Matplotlib简介、结构以及绘制基本图像的代码
文章目录一、什么是Matplotlib二、Matplotlib图像结构三、绘图1.基础绘图2.折线图绘制1.显示温度变化状况（绘制一条线）2.同一个坐标系绘制两根折线3.多个坐标系绘图3.绘制函数图像4.散点图和柱状图的绘制一、什么是Matplotlib是专门用于开发2D图表(包括3D图表)使用起来及其简单以渐进、交互式方式实现数据可视化二、Matplotlib图像结构三层结构三、绘图1.基础绘图import matplotlib.pyplot as plt# 1.创建画布 f
2022-01-09 22:05:56
265
转载 搞懂JDK8与Java1.8的区别
什么是Java？Java是一种广泛使用的计算机编程语言，拥有跨平台、面向对象、泛型编程的特性，广泛应用于企业级Web应用开发和移动应用开发。Java编程语言的风格十分接近C++语言。继承了C++语言面向对象技术的核心，舍弃了容易引起错误的指针，以引用取代；移除了C++中的运算符重载和多重继承特性，用接口取代；增加垃圾回收器功能。在Java SE 1.5版本中引入了泛型编程、类型安全的枚举、不定长参数和自动装/拆箱特性。什么是JDK？Java Development Kit（JDK）是太阳微系统针对J
2022-01-05 21:31:30
6292
原创 机器学习入门概念
1.科学计算库Matplotlib数据可视化(画图)numpy数组计算pandas处理数据集2.什么是机器学习机器学习是从数据中自动分析获得模型，并利用模型对未知数据进行预测。3.人工智能主要分支1.人工智能、机器学习和深度学习人工智能和机器学习，深度学习的关系：机器学习是人工智能的一个实现途径深度学习是机器学习的一个方法发展而来2.主要分支介绍通讯、感知与行动是现代人工智能的三个关键能力，在这里我们将根据这些能力/应用对这三个技术领域进行介绍：计算机视觉(CV)、
2022-01-05 21:03:59
656
原创 python画三角函数--cosx
结果：代码：import ax as aximport numpy as npimport matplotlib.pyplot as mpx = np.linspace(-np.pi, np.pi,1000)y = np.cos(x)#设置坐标范围mp.xlim(-np.pi-0.5,np.pi+0.5)mp.ylim(-1.1,1.1)#设置刻度线mp.xticks(np.linspace(-np.pi,np.pi,5), [r'$-\pi$',r'$-\
2021-09-08 09:26:44
1486
全网最全安卓复习资料PPT+复习题
2020-11-24
中北大学安卓实验2-8
2020-11-24
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人