ghl1390490928的博客

原创 在内网环境用Apache+Nginx部署Django+VUE前后端分离项目

项目背景接到一个在线考试系统的项目需求，时间紧，任务重，当然是先上github上搜现成项目，找到一个前端用vue后端用django的项目非常巴适，于是紧忙部署，因为从未接触过vue，期间走了很多弯路，在这里记录一下。vue环境部署因为是内网环境，不能连接互联网，部署起来相对复杂。思路就是先在外网环境搭建好，然后整个移植到内网环境。首先是内网安装Node。Win7系统最高支持的是13.14版本。想安装14版本怎么办？首先官网下载13.14msi安装包正常安装，然后下载14.15.3压缩包zip版本，

原创 避免Django重复提交表单，ERR_cache_miss错误

在做项目时，遇到这个问题，首页设置为登录页login.html，登录后跳转至工具页tool.html。使用django自带的会话及身份验证中间件，自己认为的应该没问题，但总报标题所述错误，折腾了半天，终于解决，这里记录一下。我的urls.pyurlpatterns = [ path('xadmin/', xadmin.site.urls), path('', LoginView.as_view(), name='index'), path('tool/', Template

原创 Mysql8.0开启远程访问权限

use mysql； --登录后选择mysql数据库select host,user,password from user; --查看当前root对应host是否为 %update user set host = '%' where user = 'root'; --更新select host,user,password from user;grant all on *.* to 'root'@'%' with grant option; -- 授权flush privilege.

原创 Django部署到Apache项目踩过的一些坑

1.版本必须对应这个问题折腾了半天，一直找不到原因。在启动Apache服务是总是提示 No modules named "encodings" ,网上说是版本不一致导致。于是python Apache 链接中间件mod_wsgi 均重新下载安装，（我的是python cp37，apache vc15, 中间件 网上找到相应版本）然后服务启动起来了。在这里记录下命令行启动Apache服务.\httpd.exe -k install -n "ams" #创建sc.exe delete "

原创 NO.90——京东用户购买意向预测之数据预处理

1 目标使用京东多个品类下商品的历史销售数据，构建算法模型，预测用户在未来5天内，对某个目标品类下商品的购买意向。2 数据集这里涉及到的数据集是Kaggle上京东数据集：JData_User.csv 用户数据集 105,321个用户JData_Comment.csv 商品评论 558,552条记录JData_Product.csv 预测商品集合 24,187条记录JData_Act...

原创 NO.89——应用Xgboost进行保险赔偿预测

文章目录1 数据分析1.1 先瞅瞅数据长啥样1.2 连续变量和分类变量1.3 分类变量中属性的个数1.4 赔偿值1.5 连续变量特征1.6 特征之间的相关性2 Xgboost2.1 数据预处理2.2 简单的Xgboost模型2.3 第一个基础模型2.4 Xgboost参数调节3 总结我的github地址.1 数据分析import pandas as pdimport numpy as np...

原创 NO.88——数据分析之玩转Kaggle的究竟是一帮什么人？

1 前言1.1 数据领域的兄弟们的自身情况性别比例调查问卷国家分布年龄分布收入情况所学专业从事领域工作满意度最常使用工具常用算法计算平台选择面临挑战1.2 Python和R哪家强使用人数常用工具不同工种偏好各大领域使用趋势薪资待遇用了多少年重要程度1.3 数据科学家都在用什么国家分布使用Python or R工资与学历如何证明自己呢遇到...

原创 NO.87——特征数据预处理-标准化和归一化

标准化对原始数据进行预处理，少不了进行standardizition(或者叫 Z - Score - Nomalizition)。要求均值 ????=0 和标准差 ????=1，转换公式如下：这个意义是十分重大的，想象一下，我们经常通过梯度下降来进行优化求解，公式一般如下，如果特征之间的数值差异太大，那么更新的结果肯定也会产生较大的差异，这是我们所不希望的。在最开始的时候，我们认为特征之间的重要程...

原创 NO.86——数据挖掘 泰坦尼克号获救分析

数据挖掘流程（一）数据读取读取数据，并进行展示统计数据各项指标明确数据规模与要完成的任务（二）特征理解分析单特征分析，逐个变量分析其对结果的影响多变量统计分析，综合考虑多种情况影响统计绘图得出结论（三）数据清洗与预处理对缺失值进行填充特征标准化/归一化筛选有价值的特征分析特征之间的相关性（四）建立模型特征数据与标签准备...

原创 NO.85——Unity官方案例nightmare从0开始实现（三）

接上一篇博客玩家射击管理基本配置在玩家预制体的第二层级，有一个GunBarrelEnd子物体，在其上管理我们的射击事件。首先，添加射击的声音。在资源包中找到Gunparticles这个粒子特效，拖到物体上，作为射击开火的特效。添加Light组件，设置颜色为黄色，意思是火线。添加LineRender组件，设置射线粗细以及材质添加射击脚步using System.Collect...

原创 NO.84——Unity官方案例Nightmare从0开始实现（二）

敌人继续上一篇博客基本配置资料包中给我们提供了三种类型的敌人，我们以Zombunny为例。将这个预制体拖至Hierachy层级面板中，设置层级为Shootable。添加刚体组件，配置跟玩家配置一样。添加胶囊碰撞体，胶囊碰撞体检测的是与子弹的碰撞。添加球形碰撞体，这个球形碰撞体检测的是玩家是否进入敌人攻击范围，因此把IsTrigger勾选上。什么是Collider?刚体如果想...

原创 NO.83——Unity官方案例Nightmare从0开始实现（一）

这是一个第一人称生存射击小游戏场景搭建场景的话，在官方Asset Store里边有一个Nightmare素材，目前是付费的，5$，按现在汇率大概35￥。下载下来并打入。在这个资源包里有一个场景的预设体environment，有一个玩家的预设体，还有三个敌人的预设体，还有一些灯光和声音的素材。首先，将environment预制体拖入到Hierarchy层级面板中，将Transform组...

原创 NO.82——Github连接超时无法访问

解决措施直接ping github.com是能返回数据包的，怀疑是本地DNS无法解析导致的。那么，我们可以上站长之家查看可用的响应IP。然后我的是mac os系统，找到hosts文件，路径是/private/etc/hosts，在末尾添加上然后就大功告成啦！！！！...

原创 NO.83——macOS下MongoDB的安装与配置

安装极其推荐Homebrew安装，非常方便快捷。我安装的是4.2社区版，一开始，我直接brew install mongodb无法安装，原来是mongodb并没有集成在homebrew的包库里，所以首先要把mongodb添加到包库：brew tap mongodb/brew然后，brew进行安装brew install [email protected]之所以推荐br...

原创 NO.81——极大值极小值α-β剪枝博弈树搜索

引言对于一个与节点MIN，若能估计出其上确界beta，以及MIN的父节点的下确界alpha，如果alpha>=beta，则不必扩展MIN的剩余子节点，这个过程称为alpha剪枝。对于一个或节点MAX，若能估计出其下确界alpha，以及MAX的父节点的上确界beta，如果alpha>=beta，则不必扩展MAX的剩余子节点，这个过程称为beta剪枝。F的第一个节点K=4，那...

原创 NO.80——macOs安装pyaudio

Use Homebrew to install the prerequisite portaudio library, then install PyAudio using pip:brew install portaudiopip install pyaudioNotes:If not already installed, download Homebrew.pip will d...

原创 NO.79——BFS,DFS,Astar,爬山法,最抖爬山法,模拟退火法解决八数码问题Python实现

问题描述 无非就是将无序数列变成有序数列。之间写过关于这个问题的解决办法，但是当时对各种算法理解的不是很透彻，比如广度优先算法和深度优先算法，同样都是维护一个open表，怎么用列表实现队列和栈的操作，那时候理解的不是很深，终于现在有些理解了。Astar算法同样是维护一个open表，不过这个open表示一个优先级队列，每次取出的是代价最低的元素，然后再拓展它的邻居，然后再更新这个op...

原创 NO.78——遗传算法解决TSP(旅行商)问题 Python实现

问题描述各个城市的经度纬度值已经给出，形如[[120, 23], [120.3, 24], …]。问有一条线将所有城市串起来，且所走的路径最短。遗传算法核心伪代码def main(): global p_mutation, max_generation #变异概率和最大迭代次数 generation = 1 population_cur = init_popula...

原创 NO.——77 遗传算法解决8queens问题 Python实现

问题描述8皇后问题就是避免8个皇后在相同的行或列或对角线上。遗传算法模仿生物演化论，加一个环境因素，适应环境的留下来繁衍，不适应环境的被淘汰。首先初始化一个种群，定义一个迭代次数（也就是最多进化多少代），然后不断重复以下步骤：在种群中选择部分个体进行杂交，得到杂交个体在种群中选择部分个体进行变异，得到变异个体根据适应度，在包含杂交和变异个体的种群中根据适应度挑选出优良的个体重复以...

原创 N0.76——Astar算法解决传教士野人过河问题Python实现

问题描述有三个传教士和三个野人一起来到河边准备渡河，河边有一条空船，且传教士和野人都会划船，但每次最多可供两人乘渡。河的任何一岸以及船上一旦出现野人人数超过传教士人数，野人就会把传教士吃掉。为安全 地渡河，传教士应该如何规划渡河方案？试给出该问题的状态图表示，并编程求解之。若传教士和野人的数码均为 5 人，渡船至多可乘 3 人，请定义一个启发函数，并给出相应的搜索树。解决思路设 M...

原创 NO.75——python解决倒水问题

问题描述给你两个容器A和B，A的容量是3，B的容量是5。现在拿一个水壶可以向任意容器倒水，两个容器相互间也可以倒水，问经过多少步骤，可以使得B中盛有4升水？解题思路Initial State :(0,0)Oprations(算符)：将杯子A的水倒空将杯子B的水倒空将杯子A装满水将杯子B装满水将杯子A的水倒入B，直至A的水被倒空将杯子A的水倒入B，直至B被倒满将杯子B的水倒入...

原创 NO.74——《人工智能·一种现代方法》通过搜索进行问题求解 学习笔记

问题求解Agent如何将问题形式化？（以罗马尼亚案例为例）初始状态：In(Arad) 行动：ACTIONS(s)，即，给定一个状态s，ACTIONS(s)返回状态s下可以执行的动作的集合。例如状态s为 *In（Arad），动作集合（ { Go(Sibiu) , Go(Timisoara) , Go(Zerind)} ） 转移模型：RESULT(s，a)，在状态s下，执行a动作后，达...

原创 NO.73——《人工智能·一种现代方法》Agent学习笔记

Agent首先，何为Agent?通过传感器感知环境，并通过执行器对所处环境产生影响。Agent的感知序列：是该Agent存储的所有输入历史的完整数据。Agent函数Agent函数是抽象的数学描述，Agent程序是具体实现。两者区别：每个Agent函数都可以由机器/程序组合呈现。False。受机器的运算能力和存储能力限制。 一个Agent函数可能对应多个Agent程序。Tr...

原创 NO.72——用Flask框架搭建一个音乐搜索引擎

之前写过qq音乐的爬虫，如果想下载无损音质的音乐比较困难，如果没有会员权限始终无法获取到，最后退而求其次，只能下载普通音质。近期看了下酷狗音乐，发现其无损音质和高品质音乐的链接都可以分析出来。全网搜索了一下，找到几个大神做的项目，重新进行复刻和改善，形成了这个项目。主要是搭建Flask框架，构建一个搜索引擎。主要思想：根据酷狗的搜索接口以及无损音乐下载接口，做出爬虫系统。采用flask框架...

原创 NO.71——用A-star算法求解8数码问题

问题描述： 到 算法原理：A*的原理已经在上一篇博客讲解。https://blog.csdn.net/ghl1390490928/article/details/104121195* 初始化open_set和close_set；* 将起点加入open_set中，并设置优先级为0（优先级最高）；* 如果open_set不为空，则从open_set中选取优先级最高...

原创 NO.54——基于scrapy的P站爬虫

很久没有更新博客了，这段时间其实也做了不少东西，但总是懒得坐下来整理下学习笔记，今天终于努力说服自己。做了那么多东西到底改写什么呢？自从接触python以来首先接触的就是爬虫，之前也写过许多关于爬虫的博客，但是其中最负盛名的基于scrapy的爬虫框架还没有写过，于是乎就以这为出发点吧。另外，在github上研究过某大神基于scrapy的爬虫（github地址我已经找不到了，不过那个...

原创 NO.69——使用Matplotlib绘制3D图形

准备：import matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3D #导入Axes3D类fig = plt.figure() #获取到当前figure对象ax = fig.gca(projection='3d') #fig.gca是获取图中的当前极轴。如果不存在，或者不是极轴，则将创建相应的轴，然...

原创 NO.68——python实现迭代加深的深度优先搜索 IDS

伪代码：流程分析：深度逐渐加深，调用深度优先搜索算法性能分析：有些状态被重复生成，但代价并没有那么大，因为大部分节点都在底层，在上层重复生成的节点影响并不大。生成的节点总数：时间复杂度： 与广度优先搜索对比，通过重复生成节点，代价并不大 如当分支b=10，深度d=5时示例代码：（参考http://bl...

原创 NO.67——人工智能学习：python实现递归的深度受限搜索（Recursive Depth Limited Search）

源码解析：数据结构：limited : 深度限制。每深入一层，本变量减一。减到0为止，返回cutoff(表示不能再深入)算法流程：节点目标测试 ：通过，则返回成功；否则，判断 limit 是否为0，为0则返回失败。 设置限制标志 ：cutoff_occurred ,初始值为False 遍历节点的所有动作： 每个动作产生子节点 ...

原创 NO.66——人工智能学习：python实现一致代价搜索算法

目的： 在广度优先算法上进行进化。一致代价搜索算法每次扩展的是当前路径消耗g(n)最小的节点n。源码：数据结构：frontier : 边缘，存储未扩展的节点。通过维护一个优先级队列，按路径损耗来排列。 explored ：探索集，保存已访问的节点。算法流程：如果边缘为空，则返回失败。操作：EMPTY?(frontier) 否则从边缘中选择...

原创 NO.65——人工智能学习：python实现广度优先搜索

目的： 学习《人工智能 一种现代方法》一书，编写广度优先搜索算法。说明： 书中算法源码：数据结构：frontier : 边缘。存储未扩展的节点。用队列实现。 explored : 探索。存储已访问的节点。流程： 如果边缘为空，则返回失败。操作：EMPTY?(frontier) 否则从边缘中选择一个叶子节点。操作：POP(...

原创 NO.64——Python实现深度优先搜索DFS

深度优先搜索的时间复杂度与节点总数有关，如果是满二叉树，最后一层的节点数是个，其中b为brantching，h为hight。节点总数为，因此时间复杂度是。 空间复杂度相比广度优先搜索要小，为。Illustrating:注：图中有错，弹出4后并不弹出2，直接压入5To do so:def tree_depth_search...

原创 NO.63——Python实现广度优先搜索BFS

广度优先搜索的时间复杂度与节点总数有关，如果是满二叉树，最后一层的节点数是个，其中b为brantching，h为hight。节点总数为，因此时间复杂度是。 而空间复杂度，设想最坏的一种情况，这个queue需要存放所有节点，所以空间复杂度是。 Illustration: To do so:We add ...

原创 NO.62——100天机器学习实践第五天：用逻辑回归模型分析信用卡欺诈案例

import pandas as pdimport matplotlib.pyplot as pltimport numpy as np%matplotlib inline#分类计数count_classes = pd.value_counts(data['Class'], sort = True).sort_index()count_classes.plot(kind =...

原创 NO.61——100天机器学习实践第四天：python求解逻辑回归模型

其中，i是第几个样本，j是第几个特征 其中，alpha是步长（学习率），后边是方向The Data我们将建立一个逻辑回归模型来预测一个学生是否被大学录取。假设你是一个大学系的管理员，你想根据两次考试的结果来决定每个申请人的录取机会。你有以前的申请人的历史数据，你可以用它作为逻辑回归的训练集。对于每一个...

原创 NO.60——100天机器学习实践第三天：多元线性回归模型

原创 NO.59——100天机器学习实践第二天：简单线性回归模型

1.导入数据import pandas as pdimport numpy as npimport matplotlib.pyplot as pltdataset = pd.read_csv('studentscores.csv')dataset.head()2.数据预处理X = dataset.iloc[ : , : 1 ].valu...

原创 NO.58——100天机器学习实践第一天：数据预处理

这是github上的一个给力的项目，地址在这：https://github.com/MLEveryday/100-Days-Of-ML-Code1.到入库import numpy as npimport pandas as py2.导入数据集dataset = pd.read_csv('Data.csv')datasetX = dataset.iloc[:...

原创 NO.57——基于LBP(局部二值特征模式)的人脸识别器

opencv封装了可用于人脸识别的类FaceRecognizer，这个类目前包含三种人脸识别方法：基于PCA变换的人脸识别(EigenFaceRecognizer)、基于Fisher变换的人脸识别(FisherFaceRecognizer)、基于局部二值模式的人脸识别(LBPHFaceRecognizer)。对于像我这样的人脸识别初学者，对人脸识别理论了解得不是很透彻，但并不影响对函数的使用，下面...

原创 NO.56——Face Swapping with Face++ API(换脸)

在上篇博客中，介绍了应用dlib和openCV进行人脸融合的方法，这里介绍一个更简单、效果更好的方法，就是调用旷世科技的人脸融合接口：https://api-cn.faceplusplus.com/imagepp/v1/mergeface。在实际运用过程中，还调用了人脸检测接口：https://api-cn.faceplusplus.com/facepp/v3/detect。效果如图，可见...