- 博客(20)
- 收藏
- 关注
RSS订阅原创 Linux 用户的 Windows 改造之旅
摘要：本文介绍了如何在Windows系统中通过终端工具实现Linux风格的高效操作。主要内容包括：1）安装配置Scoop包管理器，添加扩展仓库；2）使用PowerToys工具集增强生产力；3）终端美化方案（oh-my-posh主题、透明背景等）；4）其他终端工具（Neovim、fastfetch）的安装配置。文章为习惯Linux操作的用户提供了将Windows改造成高效开发环境的详细指南。（150字）
2025-09-03 23:12:03
1606
原创 利用 Python 绘制环形热力图
本文介绍了如何使用Python绘制环形热力图（Circular Heatmap），以解决多特征与多指标相关性可视化的需求。文章首先分析了Matplotlib官方提供的嵌套饼图（Nested Pie Charts）实现方法，详细解读了极坐标投影设置、数据归一化、角度计算等核心代码逻辑。作者随后基于该原理，结合真实数据分析需求，提供了完整的环形热力图绘制方案，包括数据读取、颜色映射设置、极坐标条带绘制和颜色条添加等步骤。文章特别强调了从基础饼图到高级环形热力图的转换思路，并提供了丰富的代码注释，适合需要展示高维
2025-09-03 23:10:47
1178
原创 相关性分析与常用相关系数
摘要：本文介绍了相关性分析的基本概念及其常用方法。相关性指两个变量间的统计关系，但并非因果关系。常见的相关系数包括Pearson、Spearman和Kendall系数，分别适用于线性、单调和顺序关系。Pearson系数衡量线性相关，Spearman系数适用于单调关系且对异常值更稳健。选择相关系数时需考虑数据特性：Pearson要求线性与正态分布，而Spearman适用范围更广。文中还提供了Python计算示例。正确理解相关性有助于避免错误归因，为数据分析提供可靠依据。
2025-09-03 23:08:27
1520
原创 常用假设检验方法及 Python 实现
假设检验摘要 假设检验是统计推断的核心方法，用于判断样本差异是否由抽样误差或本质差异引起。其基本步骤包括：设定原假设（H₀）和备择假设（H₁）、选择检验方法（如Z检验、t检验、卡方检验）、计算统计量、确定拒绝域并决策。关键概念包括显著性水平（α，通常取0.05）、P值（衡量反对H₀的证据强度）及两类错误（弃真和取伪）。 常见检验方法 卡方检验：分析分类变量的关联性或拟合优度，通过比较观测频数与期望频数的差异（χ²统计量），判断是否拒绝H₀。适用于列联表分析，要求期望频数≥5。 Z检验：基于正态分布，检验样本
2025-09-03 23:07:25
1079
原创 DBSCAN 密度聚类分析算法
DBSCAN是一种基于密度的聚类算法，能够发现任意形状的簇并识别噪声点。其核心思想是通过定义ε邻域和最小点数(minPts)来识别核心点、边界点和噪声点，并通过密度可达性扩展聚类簇。算法步骤包括初始化、簇扩展和噪声点处理，时间复杂度最优可达O(nlogn)。文章提供了DBSCAN的伪代码和Python实现方案，包括使用scikit-learn库和手动实现两种方式，并附有可视化示例。该算法适用于不规则分布数据的聚类分析，对噪声具有鲁棒性，但需要合理设置ε和minPts参数。
2025-09-03 23:03:02
723
原创 Airsim 笔记：Python API 总结
本文介绍了在Windows系统下使用AirSim API控制多旋翼无人机的基础操作，主要包括API分类、连接配置、无人机起降控制及飞行路径规划。文章摘录了西湖大学宁子安的教程，详细说明了Python环境搭建、API控制权限获取、起飞/降落命令调用，以及基于moveToPositionAsync和moveToZAsync实现三维空间的正方形轨迹飞行。特别强调了异步操作中.join()的同步作用，并指出仿真环境需通过修改settings.json设置为多旋翼模式。最后简要提及无人机底层飞控的三个解耦通道（水平、
2025-09-03 23:00:37
1389
原创 深度学习与 PyTorch 入门指南
PyTorch 是当下最热门的开源机器学习与深度学习框架。现在我们已经导入了 PyTorch,是时候学习关于张量的知识了📚张量是机器学习的基本构建块，它们的任务是以数值的方式表示数据。例如，你可以将一张图像表示为形状为的张量，这意味着[颜色通道，高度，宽度]，即图像有3个颜色通道（红色、绿色、蓝色），高度为224像素，宽度为224像素。在张量术语（用于描述张量的定义）中，该张量有三个维度，分别对应颜色通道、高度和宽度。如果想要了解更多关于张量的理论知识，请自行查找线性代数相关资料学习📚。
2025-04-03 09:16:52
1012
原创 树莓派折腾记其二 —— GPIO 的初次使用
继上一次（）小生在树莓派上安装完操作系统并进行了相关配置后，小生开始准备折腾树莓派上的 GPIO 了。
2025-04-03 08:08:24
1033
原创 【笔记】在深度神经网络中常用的激活函数及其性质
在神经网络中，激活函数（Activation Function）是决定神经元输出信号的关键组件。它通过引入非线性特性，使神经网络能够学习和模拟复杂的模式。引入非线性：神经网络的作用便是用于拟合难以描述的函数关系，如果没有激活函数，多层神经网络等价于单层现性变换，无法解决非线性问题，即无法拟合出非线性函数关系。控制输出范围：比如 Sigmoid 将输出压缩到 (0, 1)，适合概率输出梯度传播：激活函数的导数影响反向传播的梯度，避免梯度消失或爆炸。
2025-03-26 11:51:13
859
原创 关于梯度爆炸的思考与应对策略
在反向传播过程中，由于网络层之间梯度的连续相乘（尤其是多层链式法则），梯度值急剧增大，导致权重更新步长过大，模型参数剧烈震荡甚至无法收敛，对模型造成严重影响比如说，在 RNN 中，梯度反向传播时需计算多个时间步的雅可比矩阵乘积。假设循环权重矩阵WrecW_{rec}Wrec的最大特征值∣λ1∣1∣λ1∣1。
2025-03-26 11:44:05
1160
原创 校园网未登录情况下 Pacman 滚包失败并引发一系列问题的相关解决方案
某天，Coldrain 像往常一样打开自己的电脑，然后像往常一样按下了，并像往常一样在终端输入paru -Syu来进行滚包。然而，他在进行滚包操作之前没有登陆校园网，于是引发了报错。Coldrain 意识到没有登陆校园网之后，火速登陆了校园网，重新进行滚包操作，结果引发了同样的报错…
2025-02-26 00:35:33
1189
原创 【强化学习】如何用PyTorch 实现 PPO 算法 （2025最新）
（2025-1-19）❓ 如何用 PyTorch 和 Gym 复现 PPO(Proximal Policy Optimization) 算法
2025-01-24 16:04:27
2662
原创 目标检测实践过程中，遇到“No module named ‘torch._six’”报错的一个快速解决方案（无需重装PyTorch）
很多人在按照网络、书籍教程中的流程尝试自己实现一个基于Faster-RCNN的目标检测模型时，如果调用了PyTorch官方github上的文件时，coco_eval.py文件中会触发报错。
2024-08-24 11:56:49
766
原创 Anaconda的安装、环境配置
Anaconda 是一个用于数据科学和机器学习的开源平台，它提供了一个包含许多科学计算和数据处理工具的集成环境。Anaconda 包含 Python 和 R 语言，并预装了许多常用的库，如 NumPy、Pandas、Matplotlib、Scikit-learn 等，非常适合数据科学家和开发人员使用。【注意：Anaconda是开源平台，不会出现收费，付费安装全是骗子！】
2024-08-17 20:52:37
1190
2
原创 基于DrissionPage实现淘宝商品信息的批量获取
本文章主要讲解如何利用DrissionPage来避开淘宝的反爬机制，批量获取商品信息并保存到xlsx表格文件中，用于数据分析或深度学习模型的训练。（注：本文代码为一步一步调试出来的测试版，只是提供调试思路以及初步实现，并不能作为高效的成品程序，如有需要还请各位自行编写喵，完整代码放在文章的末尾DrissionPage 是一个基于 Python 的网页自动化工具，由国内大佬开发。它既能控制浏览器，也能收发数据包，还能把两者合而为一。可兼顾浏览器自动化的便利性和 requests 的高效率。
2024-07-18 13:27:22
3276
4
原创 基于PySide6与requests的多功能B站小帮手软件GUI界面设计并打包为exe文件
0.6.0版本的GUI设计大部分设计内容到这里就基本上结束了，核心代码这里不做过多展开，感兴趣的小伙伴可以自行设计喵。欢迎各位感兴趣的友友们与作者私信交流，也希望各位业内大佬能够多多批评指正。
2024-07-13 14:00:26
1174
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人