- 博客(13)
- 收藏
- 关注
RSS订阅原创 LightGBM核心优势解析
LightGBM 是一种基于梯度提升决策树（Gradient Boosting Decision Tree, GBDT）的高效机器学习算法，由微软开发。它在训练速度、内存使用和大规模数据处理方面具有显著优势。
2026-09-08 10:31:49
104
原创 XGBoost核心原理详解
XGBoost（eXtreme Gradient Boosting）是一种基于梯度提升框架的机器学习算法，广泛用于分类和回归任务。它通过迭代训练决策树构建模型，并利用二阶导数信息和正则化项进行优化。
2026-09-03 16:39:28
210
原创 网站接入AI大模型全流程指南
要在自己的网站中引入AI大模型，核心在于理解并实现“前端界面交互”与“后端大模型API调用”之间的连接。以下是基于当前主流云服务商（如阿里云百炼）的详细实现方案，该方法可以在约10分钟内完成基本配置。这是连接大模型能力的起点。您需要拥有一个可以编辑HTML代码的网站。这是将AI能力可视化的关键。推荐使用开源的对话UI库，如，它封装了复杂的通信逻辑，让集成变得简单。在您网站页面的<body>标签结束前，插入以下代码块。您需要将和替换为步骤一中获取的实际值。代码说明：此代码首先通过定义了模块依赖关系。
2026-06-01 13:53:54
292
原创 opencv视觉学习——第三弹
与前面讲到的腐蚀操作相当于逆运算1.导入图片2.先进行腐蚀操作，erode函数，结果如下图所示。3.在进行膨胀操作4.二者对比结果展示。
2026-02-10 13:29:53
68
1原创 数据库约束
1.使用DDL语句添加主键约束2.主键自增长Mysql中的自动增长类型要求：（1）一个表中只能有一个列为自动增长。（2）自动增长的列的类型必须是整数类型。（3）自动增长只能添加到具备主键约束与唯一性约束的列上。（4）删除主键约束或唯一性约束，如果该列拥有自动增长能力，则需要先去掉自动增长然后在删除约束。3.在navicat中添加主键约束，打开对应表——设计表——一行的后面有个小钥匙即为添加约束成功，选中那一列，下方会显示自动递增，需要的话选中即可。
2025-12-14 15:43:05
271
原创 数据库学习第三弹——创建表与删除表
(1)DDL语句创建：CREATE TABLE 表名（列名 类型，列名 类型......）;注意在创建之前要先选中一个数据库，不然会报错。(2)在navicat中进行删除操作：点击要删除的表，单击删除或者右键即可。选中数据库点击新建表即可，按照提示输入名字，类型等等。（2）在navicat中创建。（1）DDL语句删除表。
2025-12-11 15:44:37
388
原创 Mysql的数据类型
2个字节，范围（-32768~32767）数值类型中的长度m是指显示长度，并不表示存储长度，只有字段指定zerofill时有用eg: int(3),实际值是2，如果列指定了zerofill,查询结果就是002，左边用0来进行填充。
2025-12-09 14:36:13
293
原创 数据库基础学习日志
（2）在navicat中创建数据库，右键数据库，找到新建数据库选项，如图输入库名和字符集，点击确定，即可成功创建。（1）在mysql中自带客户端创建数据库,最后要以分号为结尾表示结束。（2）在navicat中进行删除数据库，直接选中数据库，右键删除即可。（1）在客户端中删除数据库，命令如下所示。use 数据库名称;
2025-12-02 14:31:54
157
原创 Python爬虫学习笔记第二弹——正则表达式
匹配，是从字符串的开头进行匹配，类似在正则前面加上了^,如果你要寻找数字，然而在字符串开头不是数字，则返回None。只会匹配到第一次匹配的内容，即一个字符串中，如果要寻找数字，最后只会输出第一个找到的数字，如下所示：输出32.，设置好要寻找的对象，然后直接把加载好的正则进行使用。（2）非贪婪匹配：尽可能少地匹配字符，只要满足条件就停止。（1）贪婪匹配：尽可能多的匹配，直到无法匹配为止，方法：.*返回匹配对象的迭代器，最后依次输出两个数字串。综上，一般使用非贪婪匹配，来避免错误匹配。finditer函数。
2025-10-15 15:52:18
288
原创 Python爬虫学习日志
1.解码的形式根据自己爬取的来定，utf-8就是常用的编码。2.但是在这个过程往往会读取不了，这时候就要加上一个反爬机制。3.cookie看情况决定写不写。
2025-08-01 21:28:38
677
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