- 博客(140)
- 资源 (7)
- 收藏
- 关注
RSS订阅
原创 飞机大战-Python
用两个模块完成主模块：plane_main.pyimport pygamefrom plane_sprites import *class PlaneGame: """飞机大战主游戏""" def __init__(self): print("游戏初始化") # 创建游戏窗口 self.screen = pygame.display.set_mode(SCREEN_RECT.size) # 创建游戏时钟 .
2022-03-03 16:51:01
280
原创 数据类型——枚举
枚举是什么在c#中，枚举(enumeration)是一种数据类型，和int、double、string等类型相似。枚举用于声明一组命名的常数，当一个变量有几种可能的取值时，可以将它定义为枚举类型。例如一周有周一、周二……周日，则可定义一个枚举类型包括周一……周日七个取值。枚举的声明c#中枚举的声明关键字为enum[public] enum 枚举名{ 值1， 值2， 值3， ……}public：访问修饰符，公共的。可省略enum：关键字，生命枚举类型枚举名：符合Pascal明明规
2022-01-04 08:23:17
5759
原创 岁记22——寒塘渡鹤影
2021年8月30日，阴历七月廿三。这一天，我23岁了，也意味着我的22岁结束了。回首22岁这一年，依然如旧，也依然独一无二。经历了很多，五味杂陈，像是吃了甜味的药，又像是吃了苦味的糖。我记得2021年6月21日离开大学校园的那一刻，不舍、感慨和憧憬。我记得2021年2月11日的除夕夜，团聚、幸福和温馨。我记得2020年10月12日凌晨4点58分确定被保研到大工的那一刻，开心、感恩和虚无。我也记得2020年9月10日的晚上，惊喜、浪漫和愧疚……我记得家人的牵挂、朋友的陪伴、无限的思念以及那么多的无奈。一
2021-08-30 16:36:34
888
原创 使用AutoLISP编程实现各特征的参数化绘图
题目用Autolisp编程实现各特征的参数化绘图。如下图代码(defun c:featurea() (setq p0 (getpoint "\n 选择基点位置:")) (setq alf(getangle p0 "\n 输入旋转角度:")) (setq d (getdist p0 "\n 输入轴的直径")) (setq c (getdist p0 "\n 输入倒角的距离")) (setq p2 (polar p0 (+ (* 0.5 pi) alf) ( - (* 0.5 d)
2021-08-10 15:14:36
2404
1
原创 使用C语言绘制三次B样条曲线段
题目编写程序，给定四个控制点，绘制三次B样条曲线段。并自己设计图形，给定多个控制点，编写程序绘制B-样条曲线构造图形。程序#include<graphics.h>#include<conio.h>#include<math.h>#include<stdio.h>void b(int c, float p[4][2]){ int rate = 100, x, y;//x表示b样条曲线中每个点的横坐标。y表示b样条曲线中每个点的纵坐标 floa
2021-08-10 15:11:36
2265
原创 使用C语言实现抛物插值
题目描述查阅机械设计手册，找到一个函数数表，编写程序实现数表的抛物线插值，注明运行时输入的参数。查阅到的表如下程序#include<stdio.h>#include <stdlib.h>int main(){ //将题目中所给数据储存到数组之中，因为所给范围为90°-180°，故抛物线插值法只适用于计算90°-180°范围内的修正系数 float a[16]={90.0,100.0,110.0,120.0,125.0,130.0,135.0,140.0,145.
2021-08-10 15:07:37
2854
原创 使用C语言绘制变换前与变换后的三角形图形——变换矩阵
题目描述将三角形P1P2P3(10，10、30，10、10，50)旋转、平移和放大，计算变换矩阵，并用C语言编写一个程序、绘制变换前与变换后的三角形图形，其中，旋转角为60度；沿X、Y的平移量分别为30、50；放大系数a=d=2。代码#include<stdio.h>#include<math.h>#include<graphics.h> #需要注意graphics需要在网上自行下载#include<conio.h>#define PI 3.14
2021-08-10 14:58:44
2197
原创 使用selenium自动滑动滑块
一些网站中存在一些图片验证码，例如12306，如下图还会存在一些滑块操作，如下图。如何自动实现？使用selenium+超级鹰。1、调库from selenium.webdriver import Chromefrom selenium.webdriver.common.action_chains import ActionChainsfrom selenium.webdriver.chrome.options import Optionsimport time2、selenium做爬
2021-08-07 09:10:47
5620
3
原创 Anaconda安装谷歌浏览器驱动chromedriver（Windows系统）
使用selenium工具包时，需要安装浏览器驱动。步骤1、安装selenium包，打开cmd输入pip install selenium2、下载浏览器驱动，你用什么样的浏览器就下载什么样的驱动，这里以谷歌浏览器为例。下载地址下载之前需要查看你谷歌浏览器的版本查看方式：打开帮助，点击关于Google Chrome下载相应的版本即可。点击进去，下载chromdriver_win32即可。有时候可能没有相对应的版本，也可以下载之前的版本。3、将下载的zip解压缩，得到.exe文件，
2021-08-02 10:25:41
2351
原创 机器学习基础|线性回归中正规方程和梯度下降的比较
线性回归在进行优化的过程中，有正规方程和梯度下降两种方法，这两种方法都可以对权重进行更新，但同时也都有各自的优缺点。sklearn库中有两种算法的封装，API分别为：sklearn.linear_model.LinearRegression：正规方程（最小二乘法）sklearn.linear_model.SGDClassifier：梯度下降以波士顿房价预测为例进行两种算法的比较。实例1、导入库import pandas as pdimport numpy as npfrom sklear
2021-07-21 10:16:03
716
1
原创 机器学习基础|随机森林原理及实战
随机森林，顾名思义，是利用随机的方式建立成的一个森林，该森林由很多决策树组成，并且决策树之间没有任何关联。是一种集成学习方法，应用广泛，效果极佳。文章目录随机森林随机森林的定义随机森林的建立过程随机森林的优缺点随机森林实战Sklearn随机森林API实战随机森林随机森林的定义定义：在机器学习中，随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别的众数而定。举个例子，比如现在训练了10棵决策树，其中8棵树的结果是True，2棵树是False，那么最终结果会是True，因为在1
2021-07-11 09:45:30
777
原创 机器学习基础|Sklearn实现决策树
Sklearn决策树APIsklearn.tree.DecisionTreeClassifier(criterion='gini', splitter='best', max_depth=None, min_samples_split=2,min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features=None, random_state=None, max_leaf_nodes=None, min_impurity_decrease=0.0,
2021-07-09 16:29:55
845
原创 Anaconda安装Graphviz（决策树可视化工具）
anaconda安装Graphviz最简单的方法：打开cmd输入conda install python-graphviz等待安装结束即可。安装结束之后，打开cmd进入到tree.dot的位置。例如我把这个文件放在了桌面，所以我需要在cmd中打开桌面。输入dot -Tpng tree.dot -o tree.png即可将dot转化为png。图片如下也可转为pdf文件dot -Tpdf tree.dot -o tree.pdf...
2021-07-09 15:35:29
1857
2
原创 机器学习基础|被吹了半天的决策树原理，就这么简单？
说起决策树，不禁想到了第一次用决策树解决问题时的场景。当时是解决机械领域一个轴承故障分类问题，效果很好，也是从那开始开始决策树走进了我的心里。当时对原理理解的不清楚，但后来学了原理之后才发现我还可以把模型改进的更好。众所周知，决策树是一种简单高效并且具有强解释性的模型，被广泛应用于数据分析领域。在建树之前我们需要考虑一些问题，比如这棵树是怎么生成的？数中节点的位置怎么确定？根据什么进行分类等等。要弄懂决策树最关键的要弄懂信息增益决策树什么是决策树顾名思义，决策树就是一棵树。一颗决策树包含一个根节点、
2021-07-08 17:31:48
1006
原创 机器学习基础|K折交叉验证与超参数搜索
文章目录交叉验证交叉验证的概念K的取值为什么要用K折交叉验证Sklearn交叉验证API超参数搜索超参数的概念超参数搜索的概念超参数搜索的原理Sklearn超参数搜索API实例交叉验证交叉验证的概念交叉验证是一种通过估计模型的泛化误差，从而进行模型选择的方法。基本思想是将训练集分为两大部分，一部分数据用来模型的训练，另一部分数据用于测试模型的误差，称为验证集。K折交叉验证需要将数据集分为n等份，其中每一份都要分别作为验证集来进行训练。举个例子，将训练集分为4份，那么这四份中的每一份都要分别作为验证集
2021-07-07 15:45:08
3467
2
原创 机器学习基础|多项式朴素贝叶斯算法及实战
https://www.cnblogs.com/wgwg/p/13367847.html朴素贝叶斯朴素贝叶斯概念朴素贝叶斯法是一种基于贝叶斯定理与特征条件独立假设的分类方法。其中朴素指的就是条件独立 。朴素贝叶斯在分类的时候不是直接返回分类，而是返回属于某个分类的概率。例如对文章的类别进行判断：计算出的是每篇文章属于某个类别的概率，哪个类别占的比例比较大，则将文章归为哪一类。简单地说，朴素贝叶斯是根据概率的大小进行分类。概率的计算朴素贝叶斯需要用到一些概率知识，即联合概率和条件概率。联合
2021-07-05 15:49:09
4541
原创 机器学习基础|K近邻算法及实战
K近邻算法K近邻算法（KNN）概念KNN最早是由Cover和Hart提出的一种分类算法。其定义为：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别，其中K通常是不大于20的整数。KNN算法中，所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。举个例子下图中需要判断绿色圆圈的类别。原始数据有两个类别，分别为蓝色方框和红色三角。下面用KNN法对绿色圆圈进行分类。K=3
2021-07-01 16:38:37
771
原创 机器学习基础|数据的降维及实战
降维指的是：数据的降维是数据预处理中至关重要的一部分。维度指的是特征的维度。所以降维指的是特征的数量减少。举个例子。有些特征是没有用的，比如皮肤数据的降维方式有两种特征选择主成分分析特征选择特征选择是什么特征选择就是单纯的从提取到的所有特征中选择部分特征作为训练集特征，特征在选择前和选择后可以改变值、也不改变值，但是选择后的特征维数肯定比选择前小，毕竟我们只选择了其中的一部分特征。为什么要进行特征选择当数据的特征较多时，特征量达到成百上千时，会极大的消耗计算性能。并且，有许多无用的特
2021-06-28 20:34:58
1408
6
原创 机器学习基础|特征工程
数据预处理缺失值填补数据归一化数据类型：二维数据数据标准化特征工程字典特征数据提取文本特征数据提取tf-dif相关sklearn函数
2021-06-26 15:25:44
2981
4
原创 数据分析实战一、城镇居民人均可支配收入的计算
任务给出2000年-2019年全国以及各个省份的城镇居民人均收入数据（见资源分享），计算给出的起始年份到截止年份之间全国以及各个省份的城镇居民人均收入的平均数。示例计算起始年份2011至截止年份2016的全国以及各个省份的城镇居民人均收入的平均数计算得到的27612.59即为全国居民人均收入的平均数，以此类推可计算出各个省份的平均数。题解1、调库import numpy as npimport pandas as pd2、读取文件data = pd.read_csv("./Desk
2021-03-01 11:12:54
2354
3
原创 【解决】ssm整合ssmbuild报错问题
这几天算是体验了一把什么叫做配置5分钟，找bug5天的感觉……在保证每一行代码正确的情况下，一直报500。遇到的错误org.springframework.jdbc.CannotGetJdbcConnectionException: Failed to obtain JDBC ConnectionRequest processing failed; nested exception is org.mybatis.spring.MyBatisSystemException: nested exce
2021-02-08 16:18:50
293
原创 Failed to execute goal org.apache.maven.plugins:maven-compiler-plugin:2.3.2:compile
程序报错Failed to execute goal org.apache.maven.plugins:maven-compiler-plugin:2.3.2:compile原因是缺少maven-compiler-plugin插件在pom.xml中插入<build> <plugins> <plugin> <groupId>org.apache.maven.plugins</g
2021-01-21 16:48:42
203
原创 程序包org.junit不存在解决方案
前两天玩junit包的时候，运行报错org.junit不存在怎么回事？明明我已经配置了而且是最新版本的，如下图让我百思不得其解，于是开始面向百度编程，用了两天时间搜索尝试了各种解决方案，也依然没能解决。但是皇天不负苦心人，还是尝试到了解决方案。解决方案...
2021-01-14 15:48:14
8423
2
原创 maven servlet jsp依赖配置
配置代码<!--添加Servlet和JSP依赖--> <dependency> <groupId>javax.servlet</groupId> <artifactId>servlet-api</artifactId> <version>2.5</version> <!--这个版本需要根据你库里面的jar实际版本配
2021-01-07 09:04:15
5540
原创 JDBC（mysql8.0版本）配置文件和工具类
配置文件driver=com.mysql.cj.jdbc.Driverurl=jdbc:mysql://localhost:3306/jdbcstudy?useUnicode=true&characterEncoding=utf8&useSSL=true&serverTimezone=UTCusername=rootpassword=123456 //设置的密码工具类import java.io.IOException;import java.io.InputStr
2021-01-01 10:58:55
609
原创 神经网络基础详解
神经网络基础1、感知机：计算机模拟大脑经行信息处理的过程。有n个输入数据，通过权重与各数据之间的计算和，比较激活函数结果，得出输出。解决分类问题。http://playground.tensorflow.org
2020-11-08 20:18:19
6520
8
原创 卷积神经网络详解
深度神经网络的发展。为什么要引进卷积神经网络？全连接神经网络的缺点参数太多，手写识别数字的数据集中，只有28*28，就会有7840个权重，那要是有彩色的、更大的图片，就需要更多的权重，完全是浪费。层数限制：一味的增加层数反倒可能不如一层效果好，因为没有提炼到图像的重点。神经网络基本组成包括输入层、隐藏层、输出层。而神经网络的特点在于隐藏层分为卷积层和池化层。卷积层：通过在原始图像上平移来提取特征。池化层：通过特征后稀疏参数来减少学习的参数，降低网络的复杂度。...
2020-11-08 17:33:12
746
原创 JDK的安装与环境变量的配置
JDK的安装与环境变量的配置需要经过以下几步：下载JDK8安装JDK8配置环境变量->JAVA_HOME配置path变量测试是否安装成功首先，在官网下载JDK8下载好后，点击右键，以管理员身份运行，按照步骤安装。安装好后进行环境变量的配置。右击我的电脑【属性】，点击【高级系统设置】->【高级】->【环境变量】在系统变量部分点击新建在变量名处输入JAVA_HOME（注意一定要以JAVA_HOME为变量名）,变量值输入你所下载的jdk8的位置，然后点击确定。此时
2020-11-01 15:11:50
118
原创 我的大三，青山隐隐，绿水悠悠
大三这一年，经历了太多，思考了太多，亦改变了太多。这一年感受着幸福在细微处开花；感受着来者春初，去者春老；感受恪守不渝，玉在匮中求善价；感受着慎独的芬芳馥郁；感受着生命的呼唤。我常思考，“经历”之于世俗人生，究竟有怎样的价值和意义。人常感悲痛于经历之中，常感喜悦于往事之忆，常吸取经验于教训之中，常滋养心灵于回忆之中。或许经历的意义在于慰藉人类的忧伤，考验人在世俗中，挣扎坚持的持久和耐力，亦是为了把人逼近一个理想与现实对峙的胡同，在这个胡同中审视自己的灵魂，看清头顶清澈的天空。又亦或是回忆本身就恰似遮不住的青
2020-08-20 18:25:31
942
原创 Anaconda安装OCR——Python tesseract is not installed or it’s not in your path
未安装OCR使用 pytesseract.image_to_string() 函数时，会报错：Python tesseract is not installed or it’s not in your path下面说一下安装过程：首先下载Tesseract-OCR然后双击，接下来点击Next->Next->Next->Next接下来找到安装的路径路径可以自己定，需要记住，一会还要用，比如我的路径为：'C:/Users/18256/.conda/envs/Xgboost
2020-08-05 16:50:47
12600
1
原创 全国大学生数学建模竞赛备战—建模论文写作
2020年全国大学生数学建模竞赛将于9月份举行，本人曾参与了两年的建模，大大小小的竞赛也参加过不少，近期将建模的经验总结于此。论文的重要性为什么备战的一开始就要写建模论文的写作？因为太重要了！太重要了！太重要了！！！参加竞赛的凭证，是三天或四天苦战的结晶评定成绩好坏，获奖级别高低的唯一依据写好论文的训练，是科技写作的一种基本训练因此，必须充分重视竞赛论文的写作，全力写好竞赛论文。误区一：模型建好就行了，论文是次要的误区二：论文写得华丽些，模型能用就行建模与写论文的关系：建立好的数学模型是论
2020-07-28 18:22:55
2586
原创 tensorflow入门2
张量的基本操作创建为0的张量tf.zeros(shape,dtype=tf.float32,name=None)创建一个3行4列的0张量：a=tf.zeros([3,4],dtype=tf.float32)with tf.Session() as sess: print(sess.run(a))[[0. 0. 0. 0.][0. 0. 0. 0.][0. 0. 0. 0.]]创建为1的张量tf.ones(shape,dtype=tf.float32,name=None)
2020-07-12 15:41:53
142
原创 tensorflow入门1
tensorflow的组成先来看一个例子，比如我们实现一个简单的加法：按照python常规的思路，我们可能会先定义一个a，定义一个b，然后add。import tensorflow as tfimport numpy as npa=tf.constant(1)b=tf.constant(2)y=tf.add(a,b)print(y)结果：Tensor(“Add:0”, shape=(), dtype=int32)我们可以看到，显示的结果并不是3，而是一个Tensor（……），这是
2020-07-07 16:56:50
234
原创 激光样式
题目描述x星球的盛大节日为增加气氛，用30台机光器一字排开，向太空中打出光柱。安装调试的时候才发现，不知什么原因，相邻的两台激光器不能同时打开！国王很想知道，在目前这种bug存在的情况下，一共能打出多少种激光效果？显然，如果只有3台机器，一共可以成5种样式，即：全都关上（sorry, 此时无声胜有声，这也算一种）开一台，共3种开两台，只1种30台就不好算了，国王只好请你帮忙了。要...
2020-04-06 10:27:35
525
原创 AcWing1265. 数星星
题目天空中有一些星星，这些星星都在不同的位置，每个星星有个坐标。如果一个星星的左下方（包含正左和正下）有 k 颗星星，就说这颗星星是 k 级的。例如，上图中星星 5 是 3 级的（1,2,4 在它左下），星星 2,4 是 1 级的。例图中有 1 个 0 级，2 个 1 级，1 个 2 级，1 个 3 级的星星。给定星星的位置，输出各级星星的数目。换句话说，给定 N 个点，定义每个点的...
2020-04-04 20:37:09
195
原创 AcWing1264. 动态求连续区间和
题目描述给定 n 个数组成的一个数列，规定有两种操作，一是修改某个元素，二是求子数列 [a,b] 的连续和。输入格式第一行包含两个整数 n 和 m，分别表示数的个数和操作次数。第二行包含 n 个整数，表示完整数列。接下来 m 行，每行包含三个整数 k,a,b （k=0，表示求子数列[a,b]的和；k=1，表示第 a 个数加 b）。数列从 1 开始计数。输出格式输出若干行数字，表示 ...
2020-04-03 15:17:29
157
原创 AcWing1246. 等差数列
题目描述样例输入：52 6 4 10 20输出：10代码思路：先对数列进行升序排序，之后求取相邻两个数之间的公差的最大公约数即可。最后利用公式(a[n-1]-a[0])/d+1，即可算出个数#include<bits/stdc++.h>using namespace std;const int N=100010;int a[N];int gcd(int ...
2020-04-02 10:59:38
150
原创 AcWing 1295. X的因子链
题目描述输入正整数 X，求 X 的大于 1 的因子组成的满足任意前一项都能整除后一项的严格递增序列的最大长度，以及满足最大长度的序列的个数。输入格式输入包含多组数据，每组数据占一行，包含一个正整数表示 X。输出格式对于每组数据，输出序列的最大长度以及满足最大长度的序列的个数。每个结果占一行。数据范围1≤X≤2^20输入样例：23410100输出样例：1 11 1...
2020-03-28 20:35:46
223
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人