- 博客(31)
- 问答 (2)
- 收藏
- 关注
原创 【非常小白的后端学习笔记四】搭建SSM项目-书籍管理系统(后端部分)
视频笔记对应的所有代码,实现了一个基于SSM框架的书籍管理系统的后端部分,包括了相关配置文件的代码
2024-03-12 20:34:27 500
原创 电脑定时闪现cmd窗口,显示“mysql installer is running in community mode”
最近发现电脑会偶尔闪出一个cmd窗口,但是闪的速度太快,根本看不清,以为重了什么病毒。后来又碰到几次,于是发现了规律,是在每天凌晨12点准时出现的。尝试手动调时间到11:59,举着手机录像,终于拍到了这个界面:窗口显示的是“mysql installer is running in community mode”等信息,最后查到了解决方案。
2024-01-10 20:26:50 435
原创 QT学习笔记(九)实现模态对话框与非模态对话框
实现点击按钮打开对话框,实现了两种对话框——模态对话框与非模态对话框,并对非模态对话框的对象释放作了说明
2023-03-16 16:56:57 756
原创 【matlab】saveas保存gscatter生成的图像的办法
今天用matlab的时候,用gscatter生成了目标图像后,使用saveas保存到本地时,出现了报错。报错说明代码如下:num=1;img=gscatter(data(:,1),data(:,2),I);saveas(img,['D:\Desktpop\主线\截图\NTHC\',num2str(num),'.png'],'png');**报错内容:**无法从 cell 转换为 matlab.graphics.chart.primitive.Line。报错截图:先放出解决办法另img
2022-04-29 13:26:06 636
原创 【matlab】将多个数据存为struct格式文件以及提取struct的方法
在使用matlab过程中,会出现反复使用同一个数据集的情况,如果能把数据集和对应标签同时存储,这样能再下次加载时省很多事,也避免了命名上的冗余,操作过程如下:一、保存为struct的方法目前工作区内有这样一组数据集和标签:选中两个矩阵,右键点击另存为:最后直接命名就好:二、struct数据的加载:例如,目前有ds4.mat数据,数据内容为红框,包含了data和label两个数据方法一:直接加载num=4;load(['.\dataset\mat\ds',num2str(num),'
2022-04-29 11:33:23 12480
原创 水排序游戏的笨蛋解法【C++】
今天朋友发了一张游戏截图(下图),让我帮忙想,实在是没做出来,打算用代码蛮力解决一下。规则大致有:倒出颜料的试管只能从最顶层开始倒被倒入的试管必须是:1.空,2.最上层颜色与倒入颜色一致每根试管最终都仅一种颜色(或空),游戏结束思路:试管是明显的先进后出结构,所以采用栈结构,采用C++标准库的stack,在选择试管时,可能会选到任意两个试管,所以这里我选择了vector,存储num个试管,过程如下:先建立Bottle类:class Bottle {public: stack<
2022-04-27 18:57:29 4212 4
原创 数据挖掘课笔记(九)
以下笔记来自于学堂在线上清华大学的视频网课《80240372X 数据挖掘:理论与算法》,本笔记仅用于个人学习。如有错误,感谢指正。一、集成学习(ensemble learning)理解:将训练集传到多个分类器,再有策略地将结果结合在一起,结果综合考虑了各个分类器的分类结果。目的:提高分类器的准确度;克服弱分类器自身的缺点。集成学习是一大门类算法,分为Bagging和Boosting两大门类算法。过程:精髓:1.model selection:这些分类器的结果,我不选了,我全要2.Divid
2021-12-05 15:44:51 281
原创 数据挖掘课笔记(八)
以下笔记来自于学堂在线上清华大学的视频网课《80240372X 数据挖掘:理论与算法》,本笔记仅用于个人学习。如有错误,感谢指正。推荐算法关于“推荐”:例如搜索引擎的RANK算法,能够把和搜索词更相关的网页推荐给用户。推荐算法解决的是信息过载的问题,算法分为两大类:1.内容:根据用户已有的内容。2.协同过滤:根据类似用户的评价。应用:精准广告投放、音乐推荐等。一、TF-IDF:量化关联度TF: Term Frequency(频率)tf(t,d)=nt,d∑knt,dtf(t,d)=\fr
2021-11-19 15:49:04 771
原创 数据挖掘课笔记(七)
以下笔记来自于学堂在线上清华大学的视频网课《80240372X 数据挖掘:理论与算法》,本笔记仅用于个人学习。如有错误,感谢指正。一、频繁集定义:item:项,或元素。transaction:全部项的非空子集。dataset:数据库,所有transaction。itemset:项集,一组共同出现的项。k-itemset:含k个项的itemset。频繁项:在多个项集里频繁出现的项。频繁项集:频率高的项构成的集合,需满足一定阈值条件。极大频繁项集:元素个数最多的频繁项集合。指标项集
2021-11-18 21:33:53 1000
原创 数据挖掘笔记(六)
以下笔记来自于学堂在线上清华大学的视频网课《80240372X 数据挖掘:理论与算法》,本笔记仅用于个人学习。如有错误,感谢指正。一、聚类简介对数据集划分的簇应满足:簇内距离尽量小,簇间距离尽量大。聚类属于无监督学习:无标签,且聚类结果没有对错之分。应用:市场营销对客户划分、地震对区域划分、社区发现、色块聚类做图像分割等要求:需要处理任意形状的数据、能处理噪点和离群点等坐标变换的选取、标准化的与否等预处理都可能会造成不同的结果!二、K-Means算法太常用了,不细写过程了。优点:对球
2021-11-11 11:13:51 1082
原创 数据挖掘笔记(五)
以下笔记来自于学堂在线上清华大学的视频网课《80240372X 数据挖掘:理论与算法》,本笔记仅用于个人学习。如有错误,感谢指正。一、简介特点:有监督学习,为二分类模型分割原则:间隔最大化训练样本 线性可分 / 近似线性可分 / 线性不可分:线性可分支持向量机 / 线性支持向量机 / 非线性支持向量机二、最大间隔对margin的理解:仍能满足分割的超平面区间(支持能够分割的向量)。对最大间隔的理解:最大最宽的margin(有的“斜度”的margin将很窄),由于我们的目标是:使离分割线
2021-11-11 10:36:42 732
原创 数据挖掘课笔记(四)
以下笔记来自于学堂在线上清华大学的视频网课《80240372X 数据挖掘:理论与算法》,还参考了清华大学出版社的《机器智能》一书,本笔记仅用于个人学习。如有错误,感谢指正。本章框架如下:具体内容如下:1.大脑皮层大规模并行处理很强的容错性很强的自适应能力2.生物神经系统神经系统表现出来的一切兴奋、传导和整合等机能特性神经元结构:细胞体、树突、轴突突触:轴突末端分出末梢+其他神经元的树突3.生物神经网络由大量的生物神经元和突触通过复杂连接而形成的网络结构4.人工神经元
2021-10-20 23:33:14 142
原创 数据挖掘课笔记(三)
以下笔记来自于学堂在线上清华大学的视频网课《80240372X 数据挖掘:理论与算法》,本笔记仅用于个人学习。如有错误,感谢指正。贝叶斯公式:而对于多属性:中P(a1,a2,···,an)部分并不好求,所以实际计算公式如下:要使用这个式子,必然要求各属性不相关。...
2021-10-10 14:40:35 177 1
原创 数据挖掘课笔记(二)
以下笔记来自于学堂在线上清华大学的视频网课《80240372X 数据挖掘:理论与算法》,本笔记仅用于个人学习。如有错误,感谢指正。
2021-10-09 11:51:25 99
原创 数据挖掘课笔记(一)
这里写自定义目录标题1 本章导图2 学习资源2.1 国际会议2.2 部分期刊2.3 网站3 部分重点知识以下笔记来自于学堂在线上清华大学的视频网课《80240372X 数据挖掘:理论与算法》,本笔记仅用于个人学习。如有错误,感谢指正。1 本章导图2 学习资源2.1 国际会议International Conference on Data MiningInternational Conference on Data EngineeringInternational Conference on
2021-09-26 19:24:45 134
空空如也
centos7桥接后,自动生成的ip地址与主机的以太网适配器ip地址一致
2019-09-09
centos7桥接后,自动生成的ip地址与主机的以太网适配器ip地址一致
2019-09-09
TA创建的收藏夹 TA关注的收藏夹
TA关注的人