Coder的博客

原创 关于五子棋算法的学习

基于python的AI五子棋实现（极大极小值搜索和alpha beta剪枝）_pygame五子棋ai算法-CSDN博客

原创 爬取公众号方式收录

微信hook，可在接收消息中过滤公众号消息，无法获取历史数据。免费，过年期间有封号。

原创 win10摄像头无图像

联想win10摄像头无图像，联想电脑管家开关

原创 让电脑更好用

如何配置使电脑更好用

原创 数据分析基础知识

用户留存率留存率=新增用户中登录用户数/新增用户数*100%（一般统计周期为天）新增用户数：在某个时间段（一般为第一整天）新登录应用的用户数；登录用户数：登录应用后至当前时间，至少登录过一次的用户数；第N日留存：指的是新增用户日之后的第N日依然登录的用户占新增用户的比例第1日留存率（即“次留”）：（当天新增的用户中，新增日之后的第1天还登录的用户数）/第一天新增总用户数；第2日留存率：（当天新增的用户中，新增日之后的第2天还登录的用户数）/第一天新增总用户数；第3日留存率：（当天

原创 数据分析技能

分布图可视化方法python可视化48|最常用11个分布（Distribution）关系图 - pythonic生物人的文章 - 知乎 https://zhuanlan.zhihu.com/p/349365315

原创 搭建个人博客

阿里ecswordpress教程：centos7:https://help.aliyun.com/document_detail/151691.htm?spm=a2c4g.11186623.2.4.14295ee4WtVXJ9#task-2384687centos8:https://help.aliyun.com/document_detail/184111.html?spm=5176.11065259.1996646101.searchclickresult.583a4a04gQu

原创 人人算法岗三面凉经

先吐槽一下牛客网的面试系统，前两次面试都是考官不能听到我说话，结果后来发现是考官那边的问题，对于设备硬件的隐私设置这块并没有明显的提示说明。一面：第一次面试我先用手机登陆的面试房间，才能顺利沟通，然后答题是全用打字沟通的，唉先自我介绍，后考了两道算法第一道题给忘了给一个数组一个目标值，求在该数组中，加和为目标值的两个数的所有数对的坐标，数组的元素不能重复使用tar = 5nums = [3, 5, 2, 6, 4, 8, 1]def aaa(num): ddict =

转载 关于python监控计算机资源情况

https://www.cnblogs.com/nulige/p/7802229.html

转载 一个简单的判断字符是数字还是字母的方法

str_1 = "123"str_2 = "Abc"str_3 = "123Abc"#用isdigit函数判断是否数字print(str_1.isdigit())Tureprint(str_2.isdigit())Falseprint(str_3.isdigit())False#用isalpha判断是否字母print(str_1.isalpha()) Falseprint(str_2.isalpha())Ture print(str_3.isalpha()) ...

原创 机器学习-支持向量机 2

线性支持向量机与软间隔最大化1.线性支持向量机线性可分问题是支持向量机学习方法，对线性不可分数据是不适用的。通常情况下，训练数据中有一些特异点，将这些特异点取出后，剩下的大部分的样本点组成的集合是线性可分的。线性不可分意味着不能满足硬间隔最大化约束条件，因此，可以对每个样本点引入一个松弛变量，使函数间隔加上松弛变量大于等于1，这样，约束条件变为 同时对每个松...

原创 机器学习-支持向量机 1

1、线性可分支持向量机与硬间隔最大化1.1线性可分支持向量机 当训练数据集线性可分时，存在无穷个分类超平面。感知机利用误分类最小的策略，求得分类超平面；线性可分支持向量机利用间隔最大化求最有分离超平面，此时解是唯一的。1.2函数间隔和几何间隔函数间隔：在超平面确定的情况下，能够相对的表示点距离超平面的远近，的符号与类标记的符号是否一致表示分类是否正确。所以表示分类的正确性及确信度，称为函数间隔。函数间隔定义：对于给定的训练集，和超平面，定义超平面关于样本点的函数...

原创 机器学习 - k-近邻模型

k-近邻法模型实际上对应于模型空间的划分。模型有三个基本要素：距离度量、值的选择、分类决策规则决定距离度量不同距离度量下得到的最近邻点是不同的。k值的选择值较小时，相当于较小的淋雨中的训练实例进行预测，学习的近似误差会减小，但是估计误差会增大，就是说只有输入详尽的训练实例才会对预测结果起作用。如果邻近的实例点恰巧是噪声，预测就会出错。这意味着整体模型变的复杂，容易发生过拟合。如果选择较大的值，其优点是可以减小学习的估计误差，缺点是近似误差会增大，与输入实例较远的（不相似...

原创 一个简单的查看数据分布的方法

转载 计算woe与vi值

from scipy.stats import chi2def chi_bins(df,col,target,confidence=None,bins=20): # 设定自由度为1，卡方阈值为3.841，最大分箱数20 total = df[target].count() #计算总样本数 bad = df[target].sum() # 计算坏样本总数 good = total - bad # 计算好样本总数 total_bin = df.groupby(.

原创 机器学习-决策树

一种基本的分类与回归的方法定义在特征空间与类空间上的条件概率分布训练时，利用训练数据，根据损失函数最小化的原则建立决策树模型节点分为两种，内部节点和叶节点：内部节点表示一个特征，叶节点表示一个类决策树算法：特征选择—>决策树生成—>决策树剪枝决策树的生成只考虑局部最优，决策树的剪枝考虑全局最优。决策树常用的有三种：ID3、C4.5、CART特征选择特征选择在于选取对训练数据具有分类能力的特征。特征选区的准则时信息增益或信息增益比。信息增益：..

原创 机器学习笔记-Logistic

在跟着李航的统计学方法学习大多数情况下，概率密度函数f(x)就是分布函数F(x)的导数概率密度：考虑一个密度分布不均匀的小球，总质量为1，概率密度就相当于这个小球某处的密度，值是可以大于1的，但是这个密度乘以体积所得的质量（也就是概率）是恒小于等于1的。然后至于概率密度越大的点，说明单位体积落在该点的质量越大（也就是发生这个点附近事件的概率越大）。（这是看了别人的一个比较通俗易懂的解释）似然函数：有一定样本的数据集，取到每个样本都有一定的概率，似然函数为取到这一组样本值的概率的大小.

转载 SQL 4

查询课程编号为“0001”的课程比“0002”的课程成绩高的所有学生的学号select a.学号from (select 学号,成绩 from score where 课程号='0001') as a inner join (select 学号,成绩 from score where 课程号='0002') as b on a.学号=b.学号where a.成绩=b.成绩原答案：select a.学号from (select 学号,成绩 from score where 课程号='.

转载 SQL 3

多表连接检索"0001"课程分数小于60，按分数降序排列的学生信息：select a.学号,a.姓名,b.成绩from student as a inner join score as b on a.学号=b.学号where b.课程号='0001' and b.成绩<60order by b.成绩 desc查询不同老师所教不同课程平均分从高到低显示with tmp as (select course.*,teacher.教师姓名from course inner join t

原创 面试中遇到的问题，仅做记录

面试了滴滴的一个职位，sql答得屎一样，到最后，加上没有过统计学的基础。。。有一个sql题是这样的，一串有序时间点，要找出每两个相邻的时间点的间隔时间最大的间隔了多少先写在这里，后面再找答案去...

转载 SQL 2

汇总分析查询学生的总成绩并进行排名：select 学号,sum(成绩) as 总成绩from scoregroup by 学号order by 总成绩查询平均成绩大于60分的学生的学号和平均成绩select 学号,avg(成绩) as 平均成绩from scoregroup by 学号having 平均成绩 >60 3.复杂查询查询所有课程成绩小于60分学生的学号、姓名我的答案：select 学号,姓名from studentwhere 学号 n.

转载 SQL 1

创建四个表并添加数据student：insert into student(学号,姓名,出生日期,性别) values('0001' , '猴子' , '1989-01-01' , '男');insert into student(学号,姓名,出生日期,性别) values('0002' , '猴子' , '1990-12-21' , '女');insert into student(学号,姓名,出生日期,性别) values('0003' , '马云' , '1991-12-21'

转载 lgb自动调参

原文链接

原创 vissim 4.3 com二次开发python 开发笔记。。。。。。。。。2019.11.14

1、vissim4.3中，从vehicleinputs中获取vehicleinput的方法:vehicleinput = vehicleinputs.GetVehicleInputByNumber(i+1)角标从1 开始，与python中基本的计数方法不同2、获得某一个类下的子类的个数方法为： class.Count 注意：Count后无括号3...

转载 KMP字符串匹配算法

https://www.cnblogs.com/zhangboy/p/7635627.html

转载 删除windows10更新

https://baijiahao.baidu.com/s?id=1630106446242598332&wfr=spider&for=pc

原创 Flask学习_5_表单

index.html :<!DOCTYPE html><html lang="en"><head> <meta charset="UTF-8"> <title>Form</title> <script type="text/javascript" src="5_chdckvalue.j...

转载 解决MarkDown在打开文件时显示HTML渲染组件错误的问题

下载并安装即可https://download.csdn.net/download/wwm8466/10653804

原创 Flask学习_4_加法器

from flask import Flask, render_template, request, redirect, url_forapp = Flask(__name__)'''加法器'''@app.route('/', methods=['GET', 'POST'])def index(): return redirect(url_for('hello_wor...

原创 Flask学习_3 _消息提示与异常处理

from flask import Flask, render_template, flash, request, abortapp = Flask(__name__)app.secret_key = '345'# Flask会使用secret_key对消息进行加密'''消息提示抛出异常异常处理flask提供了消息闪现机制'''@app.route('/')def h...

转载 Flask中的request

request.method # 请求方式request.form # 存放FormData中的数据 to_dict 序列化成字典request.args # 获取URL中的数据 to_dict 序列化成字典request.url # 访问的完整路径request.path # 路由地址request.host # 主机地址request.values # 获取 FormData a...

原创 Flask学习_2_模板

from flask import Flask, render_templatefrom models import Userapp = Flask(__name__)'''模板的简单使用条件语句循环语句模板的继承'''# 传递参数@app.route('/')def hello_world(): content = 12345 return rende...

原创 Flask学习_1.2 _基础--路由

from flask import Flask, request, url_forapp = Flask(__name__)@app.route('/')def hello_world(): return 'Hello World!'@app.route('/user', methods=['POST'])def hello_user(): return 'h...

原创 python指定版本条件下安装扩展包

全路径安装：python2: C:\Python27\python.exe -m pip install lettucepython3: C:\Python36\python.exe -m pip install lettuce可根据不同的需求，在需要不同版本的包而搭建了不同的环境时，直接指定路径安装即可...

原创 Flask学习_1

GET与POST的区别GET:GET方法发送用户信息到服务端，数据信息包含在请求URL上，以？分割，例：向服务器发送数据时数据内容将会明文暴露在url中POST请求会包含在http请求头中，不会显示在url中，但在请求头中仍然是明文显示的...

转载 有关机器学习的数据泄露问题

转载https://cloud.tencent.com/developer/article/1375653

原创 百度地图路线规划开发过程中遇到的坑

鄙人是一名Android新手，最近在接了一个百度地图路径规划的开发任务，由于废了相当大的劲，现总结遇到的坑和开发过程中用到的东西，以便广大新手和我日后借鉴（记不住）与大家交流。 好多专业语言表达不准确，请见谅，高手勿喷，若有错误或者更好的解决方法，希望能学习一下。本文只针对驾车路线规划。首先，新建地图就不说了。以下为百度地图路径规划官方的开发文档（我就直接截图了）：...