- 博客(83)
- 资源 (7)
- 收藏
- 关注
RSS订阅
原创 电脑连接不上手机热点－始终显示无法连接到该网络的解决办法（亲测管用）
文章目录亲测管用1.先排除是手机的问题（记得打开数据连接中的手机热点功能）2.电脑的网络配置问题。2.1 按下WIN+X（或右键点击开始按钮），选择”命令提示符（管理员）2.2在命令提示符中输入：netsh int ip reset 按下回车键2.3 在输入：netsh winsock reset 按下回车 这时候就会提示重置Winsock目录成功，重新启动生效。近日，遇到一个问题，半个月之前电脑连接手机的热点还是没有问题，这半个月一直在家里使用网线直连。但是最近由于出差。需要用手机开热点，电脑上网。于是
2021-01-25 18:32:58
86569
61
原创 pychar安装“pip3 install Appium-Python-Client”时报pip版本过低-解决办法
今天我尝试着搭建一下Appium与pychar之间的环境遇到一个问题，后来查询了一下其他大佬的解决办法，最终解决，现在分享给大家。如果大家对之前的appium安装存在疑问或者不懂得地方，推荐大家一个网址，可以按照步骤进行安装，基本上问题并不大。Appium安装步骤详解如图：直接引用appium包名会报错这时候我查找了一些资料 ,是因为没有安装appium的Client包，于是乎 我就安装pip3 install Appium-Python-Client接下来就又会给我报错。如图提示
2021-11-14 10:11:14
1399
原创 测试工程师持续集成过程多种安装APK与IPA方法与问题之解决办法【本人亲试】
测试中遇到最常见得就是安装apk或者ipa得包来进行验证。那么我们怎么能提高效率以及提升B格呢~~ 那么就用到了我们得ADB命令，不过还有几种安装方法，也一起给大家说下。下面给大家介绍一下安装包时遇到得问题以及解决办法。文章目录1.使用ADB命令安装1.1进行adb安装时遇到得问题1.1.1 安装时遇到报错“db: error: failed to get feature set: more than one device/emulator”1.1.2 安装时报错“[INSTALL_PARSE_
2021-11-06 01:44:40
732
原创 Python 单元测试 - unittest详解
文章目录一.什么是unittest二.unittest case的运行流程：三 Testcase：四.Test suite：五.TestLoader：六. Test fixture：七. 测试用例报告生成HTMLTestRunner生肖配对星座运势接口通过runcase来调用这两个接口运用了unittest的descover方法一.什么是unittestunittest是python内置的用于测试代码的模块，无需安装， 使用简单方便。unittest中有4个重要的概念：test fixture, t
2021-08-14 08:47:29
2161
原创 ADB命令整理
ADB命令整理常用命令：1.显示当前运行的全部模拟器：adb devices2.启动ADB adb start-server3.停止ADBadb kill-server4.安装应用程序：adb install -r [apk文件]-l #锁定该程序-r #重新安装该程序，保存数据-s #安装在SD卡内，而不是设备内部存储例:adb install --r D:\mm.apk5.卸载应用程序：adb uninstall [packagename]例:adb unin
2021-08-02 20:10:24
419
原创 测试之web系统测试的详细划分
web系统测试的划分web系统测试功能测试-性能测试可用性测试接口测试兼容性测试安全测试具体详细步骤大家可以参考下面我整理的思维导图
2021-07-20 08:33:24
217
原创 如何成为一个合格的数据分析师
文章目录通俗易懂的话来说:一、统计分析二、可视化辅助工具1、EXCEL2、BI工具三、大数据处理框架四、数据库五、数据仓库/商业智能六、数据挖掘工具七、挖掘算法八、编程语言综上所述 要说目前最热门的职业是什么，非数据分析师莫属。现如今各行各业对于专业数据分析师的需求不断扩大，因此想要转行数据分析的人也不断增多。虽然许多小白通过自学或者报班学习了数据分析师的技能，但并不代表就能进入数据分析行业，成为一名优秀的数据分析师。那么，优秀的数据分析师应该具备怎样的能力，小白以及初入行这应该朝哪方面努力呢？1
2021-03-27 11:15:14
1015
原创 0基础学习数据库（一）
牛年大吉，这是过完年第一篇博客，也是祝福大家在新的一年里，牛运亨通，身体健康，万事如意。文章目录一 数据库基础1.1 为什么要使用数据库？1.2 什么是数据库二、windows版MySQL软件的安装与卸载三、MySQL的使用3.1 启动和停止服务3.1.1、方式一：图形化方式3.1.2 方式二：命令行3.2、客户端登录3.2.1 方式一：MySQL自带客户端3.2.2 方式二：命令行3.2.3 方式三：可视化工具SQLyog四、Mysql的逻辑架构与存储引擎4.1、MySQL的逻辑架构4.2 逻辑架构
2021-02-22 21:01:57
547
原创 深度学习Wide&Deep模型——记忆能力和泛化能力的综合
文章目录Wide&Deep前言模型的记忆能力与泛化能力Wide&Deep模型的结构Wide&Deep前言Wide&Deep模型的主要思路正如其名，是由单层的Wide部分和多层的Deep部分组成的混合模型。其中Wide部分的主要作用、是让模型具有较强的“记忆能力”；Deep部分的主要作用是让模型具有“泛化能力”。正因为这样的结构特点，使模型间距了逻辑回归和深度神经网络的优点——能够快速处理并记忆大量历史行为特征，并且具有强大的表达能力。不仅在当时迅速成为业界争相应用的主流模
2021-01-30 11:43:37
2611
原创 从POLY2到FM再到FFM模型的演化过程。
文章目录POLY2模型FM模型FFM模型-引入特诊域的概念从POLY2到FFM的模型演化过程POLY2模型poly2模型进应用征的“暴力”组合的方式该模型对所有的特征进行了两两交叉（特征Xj1X_j1Xj1和 Xj2X_j2Xj2），并对所有的特征组合赋予权Wh（j1,j2）W_h（j_1,j_2）Wh（j1,j2）。POLY2通过暴力组合特征的方式，在一定程度上解决了特征组合的问题。POLY2模型本质上仍然是线性模型，训练方法与逻辑回归一样。POLY2存在缺陷：POLY2在进行无
2021-01-15 19:43:47
1547
原创 机器学习的建模工作问题
文章目录1 快速搭建你的第一个系统，并进行迭代（Build your firstsystem quickly, then iterate）2 在不同的划分上进行训练并测试2.1 为什么要在 不同的划分上？2.2 怎样进行划分？3 不匹配数据划分的偏差和方差（Bias and Variance with mismatched data distributions）3.1 什么是不匹配数据？3.2 不匹配情况下的训练-开发集4 定位数据不匹配（Addressing data mismatch）1 快速搭建你
2021-01-12 10:43:22
246
原创 大数据时代数据集划分的问题
文章目录1 训练/开发/测试集划分（Train/dev/test distributions）1.1为什么重视训练/开发/测试集划分？1.2 一个数据集划分的例子：训练集和测试集不同分布1.3 另一个实例：测试集变了1.4 划分训练/开发/测试集的建议2 开发集和测试集的大小（Size of dev and test sets）2.1 小数据时代的合理大小划分2.2 大数据时代的合理大小划分3 什么时候该改变开发/测试集和指标？3.1 为什么要改变开发/测试集和指标？3.2 一个需要改变评估指标的例子：进一
2021-01-11 14:03:11
990
原创 羊皮卷全集
文章目录羊皮卷之一：今天，我开始新的生活羊皮卷之二：我要用全身心的爱来迎接今天羊皮卷之三：坚持不懈，直到成功羊皮卷之四：我是自然界最伟大的奇迹羊皮卷之五：假如今天是我生命中的最后一天羊皮卷之六：今天我学会控制情绪羊皮卷之七：我要笑遍世界羊皮卷之八：今天我要加倍重视自己的价值羊皮卷之九：我现在就付诸行动羊皮卷之十：以一个推销员的身份来祈祷羊皮卷之一：今天，我开始新的生活 今天，我开始新的生活。 今天，我爬出满是失败创伤的老茧。 今天，我重新来到这个世上，我出生在葡萄园中，园内的葡萄任人享用。
2021-01-11 08:24:23
452
原创 mysql 中 limit和offset用法
mysql limit和offset用法例子mysql里分页一般用limit来实现1.select* from article LIMIT 1,32.select * from article LIMIT 3 OFFSET 1上面两种写法都表示取2,3,4三条条数据当limit后面跟两个参数的时候，第一个数表示要跳过的数量，后一位表示要取的数量, 例如select* from article LIMIT 1,3 就是跳过1条数据,从第2条数据开始取，取3条数据，也就是取2,3,4三条数据当
2021-01-07 11:32:52
1702
原创 随即森林与Adaboost自我认知总结
文章目录随机森林与Adaboost一：随机森林1.1:随即森林思想1.2 随机森林的两个随机1.3：随机森林的步骤1.4 随机森林的优点1.5 随机森林的缺点二：Adaboost2.1: Boosting思想2.2:AdaBoost步骤2.3: AdaBoost优点2.4:Adaboost算法缺点:随机森林与Adaboost一：随机森林1.1:随即森林思想随机森林是bagging思想下的一个算法。Bagging的思想很简单，从原来的数据集中随机抽取出数据，同时保持数据集的规模不变。用新的数据集训练弱
2021-01-06 20:59:54
555
原创 优化算法(一)
文章目录1.Mini-batch 梯度下降（Mini-batch gradient descent）1.1 为什么需要学习优化算法？1.2 什么是 mini-batch 梯度下降法？1.3 理解 mini-batch 梯度下降法（Understanding mini-batchgradient descent）1.4 设置mini-batch的指导原则2 指数加权平均数2.1 指数加权平均数的原理10.2.2 指数加权平均数的本质10.2.3 指数加权平均的好处10.2.4 指数加权平均的偏差修正1.M
2021-01-05 20:56:57
1808
原创 偏差与方差总结存档（保证实用）
文章目录1：偏差与方差1.1 偏差1.2方差2.过拟合与欠拟合2.1高偏差（欠拟合）2.2高方差（过拟合)2.3当模型出现高偏差时2.4当模型出现高方差时1：偏差与方差这是一张常见的靶心图。可以想象红色靶心表示为实际值，蓝色点集为预测值。在模型不断地训练迭代过程中，我们能碰到四种情况：低偏差，低方差：这是训练的理想模型，此时蓝色点集基本落在靶心范围内，且数据离散程度小，基本在靶心范围内；低偏差，高方差：这是深度学习面临的最大问题，过拟合了。也就是模型太贴合训练数据了，导致其泛化（或通用）能
2021-01-05 10:40:18
301
原创 神经网络激活函数及参数初始化
1 激活函数（Activation functions）1.1 sigmoid与tanh激活函数使用一个神经网络时，需要决定使用哪种激活函数用隐藏层上，哪种用在输出节点上。前面，我们在做神经网路的前向传播时，用????[1] = ????(????[1])和????[2] = ????(????[2])，这两步用到的是sigmoid函数。sigmoid 函数在这里被称为激活函数。更通常的情况下，使用不同的函数????(????[1])，????除了可以是任何非线性函数，包括 sigmoid 函数。
2020-12-29 10:04:02
2410
原创 学习Linux的必备基本操作命令（二）
文章目录文件目录结构文件命名规范文件系统结构linux应用程序的组成绝对路径和相对路径目录名和基名切换目录切换到家目录切换到上一次的目录显示当前的工作目录列出目录或者文件linux下的目录类型查看文件状态touch文件通配符创建目录显示目录树删除目录复制文件和文件夹移动、重命名删除链接软链接硬链接查看文件类型输入和输出I/O重定向标准输入和错误输入分开保存合并所有的输出从文件导入stdin多行发送给stdin管道文件目录结构文件和目录被组织成一颗倒置的树状结构文件系统从根开始，“/”文件名称严格区
2020-12-28 16:02:02
171
原创 初次结识神经网络
文章目录1.神经网络概述1.1神经网络前向传播1.2 神经网络反向传播2 神经网络的组成部分2.1 神经网络层及隐藏点2.2 神经网络系数和偏置3 计算一个神经网络的输出3.1 参数表示3.2神经网络的计算1.神经网络概述1.1神经网络前向传播神经网络看起来是如下这个样子。我们可以把许多sigmoid 单元堆叠起来形成一个神经网络。在这个神经网络（上图）对应的 3 个节点，首先计算第一层网络中的各个节点相关的数????[1]，接着计算????[1]，在计算下一层网络同理； 我们会使用符号 [???
2020-12-28 13:17:46
287
原创 学习Linux的必备基本操作命令（一）
用户登录root用户是一个特殊的管理账号，也可以成为超级管理员root用户对系统有完全控制的权限对系统的损害会无限大在工作中，如果没有特殊的必要，尽量不要使用root普通用户权限有限对系统的损害会小终端分类设备终端物理终端虚拟终端 ctrl+alt+f[1-6] /dev/tty#图形终端 /dev/tty7串行终端伪终端 通过ssh远程连接的 /dev/pts/#查看终端的命令 tty查看ip地址的命令 ip addr交互式接口启动终端以后，
2020-12-28 10:18:01
197
原创 深度学习的兴起与流行原因.
在我们学习深度学习的时候，最基本也是最好奇的问题就是： 深度学习和神经网络之前的基础技术理念已经存在大概几十年了，为什么它们现在才突然流行起来呢？文章目录为什么深度学习会兴起？1.数据量的增长2. 算法创新3 运算性能提升为什么深度学习会兴起？1.数据量的增长我们画一个图，在水平轴上绘制出所有任务的数据量；而在垂直轴上，画出机器学习算法的性能。比如说准确率体现在垃圾邮件过滤或者广告点击预测，或者是神经网络在自动驾驶汽车时判断位置的准确性。为了使这个图更加从技术上讲更精确一点，我在????轴下
2020-12-24 11:26:56
5818
原创 ElasticSearch单节点环境配置
修改Linux配置参数//修改文件数配置，在文件末尾添加如下配置vim /etc/security/limits.conf * soft nofile 65536* hard nofile 131072* soft nproc 2048* hard nproc 4096// 修改* soft nproc 1024 为 * soft nproc 2048vim /etc/security/limits.d/20-nproc.conf * soft nproc 2048 #将该条
2020-12-21 20:39:42
1202
原创 推荐系统中的评测指标
1、用户满意度（在线）只能通过用户调查或者在线实验获得，比如网站的推荐结果反馈、用户的点击率、用户停留时间和转化率指标等来衡量用户的满意度。
2020-12-21 20:18:52
641
1
原创 通俗理解决策树算法中的信息增益（最朴实的大白话,保准能看懂）
信息增益文章目录信息增益概念例子结论在决策树算法的学习过程中，信息增益是特征选择的一个重要指标，它定义为一个特征能够为分类系统带来多少信息，带来的信息越多，说明该特征越重要，相应的信息增益也就越大。概念信息熵是代表随机变量的复杂度（不确定度），条件熵代表在某一个条件下，随机变量的复杂度（不确定度）而我们的信息增益恰好是：信息熵 - 条件熵。换句话说，信息增益代表了在一个条件下，信息复杂度（不确定性）减少的程度。那么我们现在也很好理解了，在决策树算法中，我们的关键就是每次选择一个特征，特征有多个
2020-12-15 20:30:58
4574
5
转载 关联规则Apriori 流程以及思想
思想：找出频繁项集，逐层产生规则是关联规则的一个重要算法，使用基于支持度的剪枝技术，从而控制候选项集的指数级别的增长大体流程先知1.设定最小支持度和最小置信度2.扫描数据集，统计每个项的支持度计数，得到候选1项集3.计算每个项的支持度计数，筛选掉小于最小支持度的，得到频繁1项集4.合并再计算每个2项集的支持度计数得到候选2项集5.筛选掉小于最小支持度的，得到频繁2项集6.以此类推，当没有新的频繁项集产生后（即没有小于最小支持度的），迭代结束7.采用逐层的思想筛选强规则的一分钟看图
2020-12-15 18:45:40
1935
原创 随机森林算法最基础掌握
文章目录随机森林简介随机森林的步骤随机森林中有两个可控制参数：随机森林的优点随机森林缺点随机森林为何要有放回抽样？随机森林简介随机森林就是建立很多决策树，组成一个决策树的“森林”，通过多棵树投票来进行决策。这种方法能够有效地提高对新样本的分类准确度。 随机森林在以决策树为基学习器构建Bagging集成（样本的随机选取）的基础上，进一步在决策树的训练过程中引入随机属性选择。随机森林的步骤首先，对样本数据进行有放回的抽样，得到多个样本集。具体来讲就是每次从原来的N个训练样本中有放回地随机抽取N个样
2020-12-15 16:26:05
827
2
原创 水仙花数的总结概括以及各种代码实现（最详细）
生活中一些常用的规则 需要我们掌握，比如水仙花数，斐波纳契法则等文章目录水仙花数定义附：其他位数的自幂数名字求取方法Ｃ实现C++ 实现Java 实现Python 实现水仙花数百度百科解释： 水仙花数（Narcissistic number）也被称为超完全数字不变数（pluperfect digital invariant, PPDI）、自恋数、自幂数、阿姆斯壮数或阿姆斯特朗数（Armstrong number），水仙花数是指一个 3 位数，它的每个位上的数字的 3次幂之和等于它本身（例如：1^.
2020-12-12 11:21:47
3926
原创 关联规则 置信度与支持度以及Apriori算法简介
关联规则：购物篮分析，最早的出现是为了发现超市销售数据库中不同商品之间的关联关系。文章目录1.案例引入（1）啤酒与尿布的故事（2）购物篮例子2.关联分析问题定义2.1二元表示2.2项集和支持度计数2.3 关联规则2.4为什么使用支持度和置信度？2.5.1频繁项集的产生2.5.2Apriori算法未完待续1.案例引入（1）啤酒与尿布的故事“啤酒与尿布”的故事产生于20世纪90年代的美国沃尔玛超市。沃尔玛的超市管理人员分析销售数据时发现了一个令人难于理解的现象：在某些特定的情况下，“啤酒”与“尿布”两件
2020-12-10 18:19:45
24692
1
原创 长尾效应解析以及长尾效应在电商中的应用
什么是长尾效应通俗理解在正态分布中，曲线中间凸起的是“头”，两边相对平缓的部分叫做“尾”。 对于绝大部分的需求来说，都会集中在中间凸起的“头”处，但是除了“头”，还有两边长长的“尾”。不同于中间的“头”，分布在尾部的需求是个性化的，零散的，少量的需求。这部分需求，构成了一条长长的“尾巴”，所谓的长尾效应就是在于，它的数量上。将所有的非流行的市场，累加起来就会形成一个巨大的市场，甚至比主流市场还要巨大。生动例子（相信看了就明白）举个例子来说明，就拿亚马逊吧。 拿卖书来说，一般的书店，通常来说
2020-12-09 18:12:42
10590
原创 推荐算法之协同过滤算法详解(原理，流程，步骤，适用场景)
文章目录1.推荐算法之协同过滤算法1.0推荐系统流程推荐系统的流程是什么？1.1协同过滤推荐方法CF理论基础1.1关系矩阵相似度推荐1.1.1U-U矩阵相似度推荐-Pearson1.算法原理2.算法流程3.算法步骤4.Pearson系数存在的问题1.1.2V-V矩阵相似度推荐-cos1.算法原理2.算法流程3.算法步骤1.1.3U-V矩阵的相似度推荐1.2基于用户的CF1.算法原理2.算法流程基于用户的CF对物品的评分流程图3.算法步骤4.算法举例5.算法适用场景1.3基于物品的CF1.算法原理2.算法原理
2020-12-09 11:24:18
52145
5
原创 Python中实现字符串的反转
文章目录原始数据：方法一：使用字符串切片方法方法二：使用列表的reverse方法方法三：for循环方法四：使用栈方法五： 循环反向迭代法原始数据：s=‘abcde’方法一：使用字符串切片方法result = s[::-1]print(s)print(result)方法二：使用列表的reverse方法l = list(s)l.reverse()result="".join(l)print(result)#第二种l = list(s)result = "".join(l[::
2020-12-07 16:07:03
301
原创 Python中[:2]、[:,-1]、[-1]、[:-1]、[::-1]、[2::-1]如何使用
数据准备import numpy as npX = np.array([[0,1],[2,3],[4,5],[6,7],[8,9],[10,11],[12,13],[14,15],[16,17],[18,19]])print(X)形成矩阵1.print(X[-1]) ###取最后一个元素2.print(X[:-1]) ### 除了最后一个取全部3.print(X[::-1]) ### 取从后向前（相反）的元素4.print(X[2::-1]) ### 取从下标为2的元素翻转读取
2020-12-07 15:25:36
13043
原创 什么是推荐系统以及应用场景
文章目录1.1什么是推荐系统？1.2案例引入1.3为什么使用推荐系统1.4推荐系统用途和使用场景1.5推荐系统的应用场景1.6混合的推荐机制(重要)1.1什么是推荐系统？想买啤酒，通过附近的便利店，通过比较几个牌子的口碑或者价格找到自己喜欢的，扫码付款。如果你很宅，你可以打开京东或天猫超市输入啤酒关键字，然后会看到一大堆关于啤酒的商品，找到喜欢的品牌下单、付款然后等待送货上门。 上述都是用户在有明确需求的情况下，面对信息过载的时候所采用的措施。如果用户没有明确的需求？比如你今天很无聊，想下载一部电影
2020-12-07 10:17:01
4273
原创 求斐波那契序列
斐波那契序列【题目】：斐波那契序列是数字序列，其中每个连续数字是前两个数字的和。经典的斐波那 契序列开始于 1，1，2，3，5，8，13题目肯定不陌生，就是不知道大家思路可否能想想起来python版本：def fib(N): if (N <= 1):#1时为1 return N return fib(N-1)+fib(N-2) #递归循环调用if __name__ == '__main__': n = 8; print(fib(n));
2020-12-05 08:54:24
469
原创 Python实现 有1、2、3、4个数字，能组成多少个互不相同且无重复数字的三位数？都是多少？
【题目】：有1、2、3、4个数字，能组成多少个互不相同且无重复数字的三位数？都是多少？分析：四个数字组成三位数，把三位数分为个、十、百位，将1、2、3、4填入其中，去掉不满足条件的剩下就是结果。python代码实现：def threenum(): count=0 #计数 nums=[] #初始化 for i in range(1,5): #百位循环 for j in range(1,5):#十位循环 for x in range(
2020-12-02 20:30:13
12087
原创 LeetCode--585. 2016年的投资
题目描述：写一个查询语句，将 2016 年 (TIV_2016) 所有成功投资的金额加起来，保留 2 位小数。对于一个投保人，他在 2016 年成功投资的条件是：1. 他在 2015 年的投保额 (TIV_2015) 至少跟一个其他投保人在 2015 年的投保额相同。2. 他所在的城市必须与其他投保人都不同（也就是说维度和经度不能跟其他任何一个投保人完全相同）。提示PID 字段是投保人的投保编号， TIV_2015 是该投保人在2015年的总投保金额， TIV_2016 是该投保人在2016年的投保金
2020-12-02 14:59:38
211
原创 Python：识别一个字符串中，是否包含唯一的字符
如果字符串中的字符都是唯一的，则返回 True，如 ‘123’。如果字符串中的字符有重复，则返回 False，如 ‘1223’。a = '1233'if len(set(a)) == len(a): print('True')else: print('False')set去重 再判断长度。 简单易懂，没想到就做不出来。...
2020-12-01 19:45:56
1819
1
原创 利用map()函数，把用户输入的不规范的英文名字，变为首字母大写，其他小写的规范名字以及Map函数讲解
利用map()函数，把用户输入的不规范的英文名字，变为首字母大写，其他小写的规范名字。输入：[‘adam’, ‘LISA’, ‘barT’].输出：[‘Adam’, ‘Lisa’, ‘Bart’]。分析：从题目中可以得到就是单词的大小写问题，这是我们就要想用什么函数可以改变大小写问题,然后利用map()函数，就需要明确map函数的用法。Python map() 函数描述map() 会根据提供的函数对指定序列做映射。第一个参数 function 以参数序列中的每一个元素调用 function
2020-12-01 19:28:38
3995
2
机器学习所有考题大纲.zip
2021-01-15
CNN卷积神经网络猫狗大战数据集.zip
2020-08-27
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人