爱学的萌萌虾

原创 [vue]vscode自定义vue模板代码

vscode自定义vue模板代码

原创 【IDEA_Servlet】在IDEA右击创建servlet文件时，而没有servlet选项的解决办法

你在idea中src文件夹下新建 servlet的选项时，找不到servlet这个选项，是不是也是比较焦头烂额，也在犯嘀咕，为啥这个选项没有了呢？？？并且昨天用这个项目的时候还能创建，今天再来创建servlet文件的时候，为啥就没有这个选项了呢？？如果你也遇到 了和小虾一样的问题。可以尝试一下小虾这个方法，说不定就解决了呢！废话不多说，用图说话。你见到的图片，可能如下图所示：解决办法来了呀！！步骤1：文件 --》项目结构步骤2：项目结构--》模块---》在进一步操作看图步骤.

原创 [MySQL复习]超详细的安装mysql的步骤

进入mysql官网下载需要的软件：https://www.mysql.com/downloads/。如下图所示：选择mysql的版本。 小虾选择了老一点的版本进行下载，如下图所示： 小虾把下载好的软件放入了G盘中并进行了解压的操作，当然可以根据自己的需要放入属于自己合适的盘中。 添加如下图所示文件：my.ini和空的data文件夹 在my.ini中输入以下内容： [mysqld]# 设置3306端口port=3306# 设置mysql的安装目录basedir=G:...

原创 【python爬虫】基本库_requests

requests： 在这篇博客里面，我们介绍了urlib库的使用（https://blog.csdn.net/qq_33432841/article/details/108007545），但它存在许多不方便的地方，例如在处理网页验证和Cookies时，需要写Opener和 Handler来处理。接下来介绍的requests对于上面的解决都不是问题。 在使用该库之前，要确保自己的电脑已经安装好 requests 库。 下面来看一个例子，学习一下：...

原创 【深度学习】Word2Vec知识点——概述01

1.Word2Vec词向量 Word2Vec是使用浅层神经网络学习单词嵌入的最流行技术之一。 Word2Vec是从大量文本语料中以无监督的方式学习语义知识的一种模型，它被大量地用在自然语言处理（NLP）中。 Word2Vec 是一个将单词转换成向量形式的工具，Word2Vec就是通过学习文本来用词向量的方式表征词的语义信息，即通过一个嵌入空间使得语义上相似的单词在该空间内距离很近。 Word2Vec计算的是余弦值...

原创 【剑指offter】重建二叉树

题目描述： 输入某二叉树的前序遍历和中序遍历的结果，请重建出该二叉树。假设输入的前序遍历和中序遍历的结果中都不含重复的数字。例如输入前序遍历序列{1,2,4,7,3,5,6,8}和中序遍历序列{4,7,2,1,5,3,8,6}，则重建二叉树并返回。解题思路： （1）根据前序遍历结果，第一个元素为二叉树的根结点； （2）观察中序遍历结果，根结点左侧的为左子树，若左子树根结点前（后）再无任何元素，则左（右）子树的左分支为空；根结点右侧的为右子树，若右子树...

原创 【剑指offter】替换空格

题目描述： 请实现一个函数，将一个字符串中的每个空格替换成“%20”。例如，当字符串为We Are Happy.则经过替换之后的字符串为We%20Are%20Happy。解题思路： 如果会python，则可以使用其内置函数，直接进行替换：str.replace(" ",'str1')具体代码如下：# -*- coding:utf-8 -*-class Solution: # s 源字符串 def replaceSpace(self, s): ...

原创 【剑指offter】二维数组中的查找

题目描述： 在一个二维数组中（每个一维数组的长度相同），每一行都按照从左到右递增的顺序排序，每一列都按照从上到下递增的顺序排序。请完成一个函数，输入这样的一个二维数组和一个整数，判断数组中是否含有该整数。解题思路： 因为这个二维数组每一行每一列的排序是有规律的。所以我们选择右上角的数，与target数进行比较。如果其小于target，则左移，如果其大于target 数，则下移。即：如果array[ row][col] > target则向左走 即col-...

原创 【NLP】text.collections() 出现如下错误时：ValueError: too many values to unpack (expected 2)

问题描述：Traceback (most recent call last): File "d:/NLP/test.py", line 34, in <module> print(text4.collocations()) # 在执行这条语句时，出现错误 File "F:\Learning_software\Anaconda\lib\site-packages\nltk\text.py", line 444, in collocations w1 + " " + ...

原创 【NLP】bigrams()函数的使用，用于显示双连词

具体用法如下：from nltk.book import *print(list(bigrams(['more','is','said','than','done'])))输出结果如下：有的小伙伴可能得不出我上面的结果。我遇到的问题也是这样的。我就直接在加 list（bigrams()）.就可以解决啦！...

原创 【NLP】NLTK使用中NameError: name ‘FreqDist‘ is not defined问题解决方法

笔者也是为了做毕业设计，开始学习nlp技术，把平常遇到的一些问题或者心得，写出来。供大家一起学习进步！ 最近遇到了这个问题“NameError: name 'FreqDist' is not defined”，在学python自然语言处理这本书的时候。其解决办法如下： 直接在开头添加如下命令：fromnltkimport* 即可。 其运行结果就回归正常了： ...

原创 【算法】二叉树_分类

在这篇博客中（https://blog.csdn.net/qq_33432841/article/details/108081027）已经讲解了二叉树的一些特点、性质、遍历顺序等。在这篇博客中，准备写点二叉树的分类的相关知识。二叉树分类主要包括：斜树、满二叉树、完全二叉树、二叉查找树、平衡二叉树等（还会更新哦！）斜树：所有的结点都只有左子树的二叉树叫左斜树； 所有结点都是只有右子树的二叉树叫右斜树； 上面的左斜树和右斜树统称为斜树。 满二叉...

原创 【算法】二叉树的前序遍历/中序遍历/后序遍历详解

这个来自leetcode的第144个问题。（中等难度） 问题描述：给定一个二叉树，返回它的 前序 遍历。 相信我们在上学期间（计算机相关专业的）已经学过二叉树，既然决定写这一篇博客，那么就从头开始复习加学习。二叉树： 定义：二叉树是n(n>=0)个结点的有限集合，该集合或者为空集（称为空二叉树），或者由一个根结点和两棵互不相交的、分别称为根结点的左子树和右子树组成。或者更通俗点讲： 二叉树（binary tree）是一棵树，其中每个节点都...

原创 【算法】时间复杂度和空间复杂度知识解析

算法： 算法（Algorithm）是指用来操作数据、解决程序问题的一组方法。 同一个问题，使用不同的算法，也许最终得到的结果是一样的，但在过程中消耗的资源和时间却会有很大的区别。 我们应该如何去衡量不同算法之间的优劣呢？ 主要是从算法所占用的「时间」和「空间」两个维度去考量。·时间维度：是指执行当前算法所消耗的时间，通常用「时间复杂度」来描述。 ·空间维度：是指执行当前算法需要占用多少内存空间，通常...

原创 【python】InvalidHeader: Invalid return character or leading space in header: user-agent

运行爬虫代码时，出现这个错误：requests.exceptions.InvalidHeader: Invalid return character or leading space in header: user-agent小虾也查询了许多资料，终于找到解决方法：因为我们在复制网页的user-agent，如下图所示：画红圈的地方，多了个空格，把其删除了就好。删除了之后，一切就正常了。...

原创 【python爬虫】基本库_urllib

【python爬虫】基本库_urlliburllib . request 模块**urlopen （） 方法:****Request:****高级用法--强大的工具 Handle：**代理：处理异常：解析链接：urlparse()：urlunparse()：urlsplit():urlunsplit():urljoin():urlencode()：parse_qs():parse_qsl():quote():unquote()：分析 Robots 协议：Robots 协议：urllib . request

原创 【深度学习】丢弃法（dropout）

丢弃法 在小虾的这篇文章中介绍了权重衰减来应对过拟合问题（https://blog.csdn.net/qq_33432841/article/details/107879937），下面在介绍一种应对过拟合问题的方法丢弃法。因为丢弃法有许多不同的变体，下面提到的丢弃法特指倒置丢弃法。方法： 在“多层感知机”（https://blog.csdn.net/qq_33432841/article/details/107858405）中，描述了一个单隐藏层的多层感知机，其中输入个数为4...

原创 【深度学习】权重衰减_知识01

权重衰减 权重衰减是应对过拟合问题的常用方法。方法： 权重衰减等价于L2范数正则化。正则化通过为模型损失函数添加惩罚项使学出的模型参数值较小，是应对过拟合的常用手段。 L2范数正则化在模型原损失函数基础上添加L2范数惩罚项，从而得到训练所需要最小化的函数。 L2范数惩罚项指的是模型权重参数每个元素的平方和与一个正的常数的乘积。 例如：线性回归的损失函数为： ...

原创 【深度学习】模型选择、欠拟合和过拟合_01

模型选择、欠拟合和过拟合 我们经常在数据集实验中，经常评价模型在训练数据集和测试数据集上的表现，我们可能会发现当模型在训练数据集上更准确时，它在测试集上却不一定准确，那么就让我们一起来探讨一下吧！训练误差和泛化误差： 训练误差是指在训练数据集上表现出的误差。 泛化误差是指模型在任意一个测试数据样本上表现出的误差的期望，并常常通过测试数据集上的误差来近似。 计算训练误差和泛化误差可以使用损失函数，例如线性回归用到的平方损失函数和softmax回归...

原创 【深度学习】多层感知机(MLP)_01

隐藏层： 多层感知机在单层神经网络的基础上引入了一到多个隐藏层（hidden layer）。隐藏层位于输入层和输出层之间。如下图： 图上所示的多层感知机中，输入和输出个数分别为4和3，中间的隐藏层中包含了5个隐藏单元（hidden unit）。由于输入层不涉及计算，图上中的多层感知机的层数为2。由图上可见，隐藏层中的神经元和输入层中各个输入完全连接，输出层中的神经元...

原创 【Python】python内置模块 time 和 datetime 模块 详解

time 时间相关的操作，时间有三种表示方式：时间戳 1970年1月1日之后的秒，即：time.time() 格式化的字符串 2014-11-11 11:11， 即：time.strftime('%Y-%m-%d') 结构化时间 元组包含了：年、日、星期等... time.struct_time 即：time.localtime()其常包含的函数有：time.time(): 返回一个时间戳 time.asctime(...

原创 【Python】python 模块_知识

定义： 模块：用来从逻辑上组织python代码（变量，函数，类，逻辑：实现一个功能），本质就是 .py 结尾的python文件（文件名：test.py ,对应的模块名：test） 包：用来从逻辑上组织模块的，本质就一个目录（必须带上一个__init__.py文件）模块分类：自定义模块 内置标准模块（又称标准库） 开源模块导入模块的方法： Python中提供许多可为程序员使用的模块，那么如果想要使用模块，则需要导入。导入模块有以下最常见的几种方法...

原创 【Python】python比较常用的内置函数

python比较常用的内置函数（更新中）警告，长文预警！目录1.abs(x)2.all(iterable)3.any(iterable)4.bin(x)5.oct(x)6.hex(x)7.bool(x)8.bytes()　　9.str()　　10.chr()11.ord()12.@classmethod¶13.complie()　　14.complex()15.dict()16.divmod()17.enumerate(...

原创 【JSON】使用python 语言将 数据为 CSV格式 和Json 格式之间的转换

1、json格式转成csv格式import jsonfr=open("C:\\Users\\Administrator\\Desktop\\price2016.json","r") #打开json文件ls=json.load(fr) #将json格式的字符串转换成python的数据类型，解码过程data=[ list(ls[0].keys()) ] #获取列名,即keyfor ...

原创 【Python】python生成器

生成器 定义：Python中，一边循环一边计算的机制，称为生成器：generator（生成器是一类特殊的迭代器 https://blog.csdn.net/qq_33432841/article/details/107774634）生成器的由来： （1）列表所有数据都在内存中，如果有海量数据的话将会非常耗内存。 如：仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。 （2）如果列表元素按照某种...

原创 【Python】python的迭代器

一、迭代器 迭代器是访问集合元素的一种方式。 迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。 迭代器的特点：访问者不需要关心迭代器内部的结构，仅需通过next()方法不断去取下一个内容 不能随机访问集合中的某个值 ，只能从头到尾依次访问 访问到一半时不能往回退 便于循环比较大的数据集合，节省内存小虾刚刚说了一些迭代器的特点，那么如果需要迭代器的话，肯定会涉及到迭代对象，那么接下来让我们看一下迭代对象都是有哪些吧！ 可迭代对象分...

原创 【Python】python装饰器_详解

装饰器：　　　　定义：本质是函数（装饰其他函数），意思就是为其他函数添加附加功能。　　　　原则：1.不能修改被装饰函数的源代码　　 　　　　 2.不能修改被装饰函数的调用方式　　　　实现装饰器，要具备的知识：　　　　　　　1.函数即变量　　　　　　 2.高阶函数（满足下面一个条件就是高阶函数） 　　　　　　　　　　a:把一个函数名当做实参传递给另外一个函数　　　　　　　　　　b:返回值中包含函数名 （不修改函数的调用方式） ...

原创 【python】函数里面的参数（*args,**kwargs）代表什么意思

python函数中最常见的2个参数 *args,**kwargs，*args是非关键字参数，用于元组，**kw是关键字参数，用于字典下面具体来介绍：*args:关键标志为星号*，名称可以随意 当传入函数中的参数个数未知，且不需要知道参数名称时，使用*args。 传入函数中的几个参数组成元组例如：def func_arg(farg, *args): print("formal arg:", farg) print(args)func_arg(1,"youz...

原创 【前端】H5中页面布局中的标签的层级关系

在开头先记住：最常见的层级关系先后顺序为：定位元素>浮动元素>文档流中的元素；当元素开启定位后，我们可以通过 z-index来设置元素的层级； z-index值越高，元素越优先显示； 如果z-index的值一样或者没有z-index，则会优先显示下面的元素（上面的元素被下面的元素覆盖）； 父元素永远不会盖住子元素（只要父元素的层级比较高，则子元素的层级也相对比较高）； ...

原创 【前端】CSS中的相对定位，绝对定位和固定定位

相对定位和绝对定位，不改变元素的大小形状，只改变元素的位置。 相对定位和绝对定位是通过position属性来控制的，position属性的值为下面几种： position默认值为static,如果在css中不指定，则默认为static.相对定位： 下面讲一下相对定位：对某元素设置了相对定位，那么首先...

原创 【cmd】cmd 比较常用的命令集

windows + R 进入 cmd 命令窗口 ：（比较常用的一些命令） dir 查看某目录中的所有文件夹 。例如D:盘中的目录 md 文件名 创建文件 cd 文件夹名 进入某个目录 cd.. 出文件夹的目录 del 文件 del *.txt 把...

原创 【python】ModuleNotFoundError: No module named 'nltk' 的解决方法

如果你报上面这个错误：直接一条命令解决问题：小虾的版本为python3.7.3版本的，所以用 pip3.7pip3.7 install -U nltk

原创 【win7系统】打开office办公软件的word报错为： 运行时错误‘424’或 运行错误‘429’，ActiveX部件不能创建对象

其主要原因是 word启动时自动加载的模板出现了问题 解决办法：将路径为 C:\user\(用户名）\AppData\Roaming\Microsoft\Word\Startup 下的文件全部删除即可。 ...

原创 【Anaconda 更新失败 】使用 conda -upgrade --all 显示错误CondaHTTPError: HTTP 000 CONNECTION FAILED for url

在命令终端使用 conda -upgrade --all 更新Anaconda 报错，如下图所示：如果更新失败，一般原因是由于repo.continuum.io在国外，国内访问速度太慢造成。所以我们就需要修改相关内容，使用清华大学镜像。具体操作是： 更新本地配置文件(文件路径在: C:\用户\用户名\.condarc) -----找到这个文件(用记事本...

原创 【Jupyter Notebook】为jupyter notebook 添加目录的操作步骤

（1）先找到Anaconda Prompt（2）直接命令安装 (如下图)pip install jupyter_contrib_nbextensions等其安装成功后，会看到下面图片的样子：然后在上次完成的基础上继续输入 下面的命令：jupyter contrib nbextension install --user等其加在完毕，然后运行你的jupy...

原创 【python】用python实现多个excel合并成一个excel文件------直接上代码

小虾也是参考了一些大神的代码，然后自己动手实现了一下，然后发布出来，有需要的来学习呀！ 小虾在这儿提供2种方法来实现，但小虾比较喜欢第一种，容易而且好理解一点。第一种实现方法：# 导入需要使用的包import xlrd # 读取Excel文件的包import xlsxwriter # 将文件写入Excel的包source_xls = [...

原创 【Numpy】numpy的通用函数

原创 【python 爬虫】错误显示：ModuleNotFoundError: No module named 'fake_useragent'

如果你的错误显示这个信息：则只需一步既可以搞定： 解决方法：(因为小虾的python版本是python3.7)pip3.7 install fake-useragent ...

原创 【Numpy库】【花哨索引】用python做数据分析所必须掌握的基础库之一 _03_ 花式（花哨）索引_fancy indexing

花哨索引 花式（哨）索引（ Fancy indexing） 是一个NumPy术语， 它指的是利用整数数组进行索引。 花哨索引----传递的是索引数组，不是单个标量。花哨索引让我们能够快速获得并修改复杂的数组值的子数据集。其意味着传递一个索引数组来一次性获得某个维度上的多个数组元素。 小虾认为大概知道上面是什么意思，还是通过例子来学习一下，比较实在...

原创 【Numpy库】用python做数据分析所必须掌握的基础库之一 _02_ Numpy 广播法则 broadcasting

广播法则（broadcasting）：广播法则是numpy要求输入的数组shape（维度）是一致的，若数组的shape不一致，则会使用广播机制，调整数组使得shape相等，满足规则，则可以运算。广播法则_规则是：所有数组向 shape 最长的数组看齐, 不足的在前方补 1 输出数组的shape是输入数组shape的各个轴上的最大值 如果输入数组的某个轴和输出数组的对应轴的长度相...