- 博客(60)
- 收藏
- 关注
RSS订阅
原创 【机器学习】任务四：使用贝叶斯算法识别葡萄酒类别和使用三种不同的决策树方法（ID3，C4.5，CART）对鸢尾花数据进行分类
定义和训练贝叶斯模型# 在测试集上进行预测# 获取预测概率详细解释：我们定义了一个高斯朴素贝叶斯模型，适用于数值特征呈现高斯分布的数据。fit()：这是模型训练的步骤。使用X_train作为输入特征，y_train作为标签来训练贝叶斯分类器。predict()：训练完成后，我们使用测试集X_test进行预测，预测结果存储在nb_y_pred中。：输出每个样本属于每个类别的概率。这将用于绘制ROC曲线。# 定义并训练决策树模型# 使用决策树进行预测# 输出模型分类结果的评价指标。
2024-09-13 09:00:00
2490
原创 openEuler三种图形化对比和图形化安装方法
特点UKUIXfceDDE背景Ubuntu Kylin 团队Xfce 社区Deepin 团队设计风格传统风格轻量级、经典现代化、美观易用性高高很高资源占用中等低较高可定制性一般高一般本地化高（特别是中文支持）一般高（特别是中文支持）适用用户习惯传统界面和本地化需求用户需要高性能和资源节约用户追求美观和现代化用户集成应用一般模块化、用户选择高度集成这三个桌面环境各有特点和优势，可以根据自己的需求和喜好选择合适的桌面环境。安装图形化界面desktop1.UKUI。
2024-08-08 02:55:02
8192
1
原创 Django简介与虚拟环境安装Django
Django是一个开源的PythonWeb框架，它是为帮助开发者快速构建高效、可扩展且安全的Web应用而设计的。Django强调原则，尽量减少代码重复，并提供很多内置功能，帮助开发者快速实现复杂的Web应用。1.1Django的核心特点（1）快速开发Django的设计目标之一是让开发者能够快速创建Web应用。它提供了大量的内置功能和工具，帮助开发者避免从零开始编写常见的Web应用组件。例如，Django提供了自动生成的后台管理系统。
2025-01-19 10:45:00
2140
原创 Flask简介与安装以及实现一个糕点店的简单流程
（1）轻量级Flask本身非常简洁，没有复杂的结构和约定，开发者可以根据项目需要自由选择工具和库。这让Flask成为快速开发的理想选择。（2）灵活性Flask不强制使用特定的数据库、模板引擎、表单库或其他工具。你可以根据项目需求选择不同的扩展和工具。（3）内置开发服务器和调试器Flask自带了一个开发服务器，可以在本地开发时快速查看应用效果。此外，它也提供了调试工具，能在应用出现错误时提供详细的错误信息。（4）Jinja2模板引擎。
2025-01-19 06:23:02
1307
原创 灾备方案和架构类型、跨区域
这些方案通常要求在不同的地理位置、数据中心或可用区中提供备份或冗余，以防止自然灾害、区域性网络中断等影响业务连续性。这张架构图是一个云上系统的高可用与容灾设计，包含本地容灾（跨AZ）和异地容灾（跨Region）两个部分。这些方案可以在单一数据中心或单一区域内完成灾备工作，不涉及地理区域的分布。无故障，负载均衡流量，故障切换几乎无延迟。备用系统不提供服务，只有主系统处理流量。故障发生时，自动或手动切换到其他站点。不直接提供服务，主要进行数据同步。中，备用系统在待命状态下同步数据。
2024-12-25 23:05:22
1724
原创 我的创作纪念日--128天
作为一名西南林业大学的大四学生，同时也是一名拥有华为云服务 HCIE（编号：26828） 认证的技术爱好者，我在学习和实践过程中收获了很多宝贵的经验。我开始通过优快云博客（fhy26828）记录学习的点滴，无论是 openEuler的安装与配置，还是 机器学习的算法实现，我希望这些文章能够帮助更多的人解决类似问题，并搭建起与技术同行交流的桥梁。这段代码让我对聚类算法的原理和实现有了更深入的理解，同时在博客发布后也得到了不少反馈，帮助了其他人快速上手这一经典算法。如今，技术创作已经成为了我生活中的一部分。
2024-12-14 14:49:49
426
原创 【机器学习】任务十二：循环神经网络
RNN 是一种非常适合处理序列数据的神经网络架构，通过循环连接的方式，能够捕捉时序数据中的上下文信息。尽管它在处理短期依赖上表现良好，但由于梯度消失和长期依赖问题，RNN 在实际应用中往往被 LSTM 和 GRU 等变种所取代。这些变种改进了 RNN 的性能，能够更好地处理长序列数据中的长期依赖关系。
2024-12-08 22:48:55
890
2
原创 【机器学习】任务十一：Keras 模块的使用
Keras 是一个开源的深度学习框架，用 Python 编写，构建于 TensorFlow 之上。它以简单、快速和易于使用为主要设计目标，适合初学者和研究者。Keras 提供了高层次的 API，帮助用户快速构建和训练深度学习模型，而无需处理底层复杂的数学运算或框架细节。最初由 François Chollet 开发，现在是 TensorFlow 的核心部分。
2024-12-08 22:47:38
1304
原创 WSL简介与安装流程（Windows 下的 Linux 子系统）
WSL（Windows Subsystem for Linux，Windows 下的 Linux 子系统）是微软在 Windows 10 和 Windows 11 中推出的一项功能，允许用户在 Windows 系统中运行完整的 Linux 环境，而无需安装虚拟机或双系统。1.1.1 WSL 的主要功能可以运行大多数 Linux 命令行工具、脚本和应用程序。兼容大多数 Linux 发行版（如 Ubuntu、Debian、Kali Linux 等）。无需启动虚拟机或双系统，性能接近原生。
2024-11-30 23:27:25
10567
原创 【机器学习】任务十：从函数分析到机器学习应用与BP神经网络
BP神经网络（Back Propagation Neural Network，反向传播神经网络）是一种前馈神经网络，通过误差反向传播算法来训练模型权重和偏置。它是人工神经网络中最常见的模型之一，特别适用于非线性函数的拟合和分类问题。
2024-11-10 23:24:28
865
原创 VLAN间通信以及ospf配置
VLAN（Virtual Local Area Network，虚拟局域网）是用于将同一物理网络划分为多个逻辑子网的技术。通过划分VLAN，可以在同一交换机上实现逻辑上的网络隔离。路由汇总（Route Aggregation/Summarization）是将多个连续的网络地址合并为一个更简短的地址，以减少路由表的规模和资源消耗。
2024-11-02 20:35:59
1486
原创 【机器学习】任务九：卷积神经网络（基于 Cifar-10 数据集的彩色图像识别分类、基于 CNN 的手写数字识别的实验）
卷积神经网络（Convolutional Neural Network, CNN）是一种专门用于处理数据网格结构（如图像、视频等）的深度学习模型，在计算机视觉任务中被广泛应用，如图像分类、目标检测、图像分割等。以下是卷积神经网络的详细介绍：核心组件：激活函数： 常用ReLU函数引入非线性，帮助模型学习复杂模式。特点：LeNet-5： 主要用于手写数字识别，包括多个卷积层和池化层组合。VGGNet： 探索卷积网络深度与性能的关系，VGG16和VGG19为其常见变体。ResNet： 引入残差模块，允许数据直接跳
2024-10-27 09:00:00
2119
1
原创 【机器学习】任务八：神经网络-- Keras（使用神经网络识别手写数字、使用 scikit-learn 中的 MLPClassifier，对 Wine 数据集进行分类）
Keras 是一个高级神经网络 API，用 Python 编写，能够在 TensorFlow、Theano 等深度学习框架上运行。Keras 以简洁性和用户友好性著称，允许快速构建、训练和部署深度学习模型。
2024-10-20 22:05:09
1361
原创 Node.js基础与应用
REPL是一个快速测试 JavaScript 代码的交互环境。回调函数是 Node.js 中处理异步操作的核心，通过将函数作为参数传递来实现任务的延迟执行。事件循环则确保异步代码按顺序执行，并避免阻塞主线程。
2024-10-17 22:54:50
1533
原创 【机器学习】任务七：聚类算法 （K-means 算法、层次聚类、密度聚类对鸢尾花（Iris）数据进行聚类）
K-Means：适合规则分布的大规模数据，快速聚类。层次聚类：适合小规模数据和需要层次结构的场景，如基因分析或市场细分。DBSCAN：适合处理复杂形状簇和含有噪声的数据，如地理空间数据或异常检测。距离和相似度度量：用于选择合适的距离度量方式，根据数据的特征进行优化选择。这些算法在不同的应用场景中表现各异，建议根据数据特点选择合适的算法。如果有其他问题或需要深入探讨，可以随时提问！这段代码实现了对鸢尾花数据集的层次聚类，并通过树状图可视化了数据点的合并过程。
2024-10-14 21:25:09
4678
原创 windows基于MediaPipe 和 TensorFlow.js的3D手势检测、人脸检测、身体检测
安装 Node.js 和 Yarn。克隆项目代码。替换项目中的共享文件。安装依赖和构建项目，然后运行。
2024-10-09 09:00:00
1380
原创 【机器学习】知识总结1（人工智能、机器学习、深度学习、贝叶斯、回归分析）
M-P 神经元模型由神经生理学家沃伦·麦卡洛克（Warren McCulloch）和数学家沃尔特·皮茨（Walter Pitts）于1943年提出。它是最早的数学神经元模型，旨在模拟生物神经元的工作方式，用来处理多输入单输出的信息。模型描述特点应用场景单层感知器最简单的线性分类器，由弗兰克·罗森布拉特提出只能处理线性可分的问题，结构简单，计算量小简单分类任务多层感知器（MLP）在输入层和输出层之间加入了若干隐藏层，增加非线性能力可以处理复杂的非线性问题，通过反向传播进行训练。
2024-10-06 23:30:01
1588
原创 【机器学习】任务六：分类算法（支持向量机（SVM）在线性可分与不可分数据中的应用与可视化分析）
最佳模型：SVM 在垃圾短信分类任务中表现最好，具有最高的准确率和较高的精确率和召回率。其他模型：朴素贝叶斯和决策树模型的表现也不错，但相较于 SVM，分类的准确度略有不足，尤其是在垃圾短信的识别方面。
2024-09-30 23:46:13
2035
2
原创 云服务架构与华为云架构
云服务架构是指设计和部署基于云计算的应用程序和服务的架构模式和方法。它的核心目标是最大化利用云计算的特性，如按需分配、弹性扩展、全球可达性和高可用性，以便提供可扩展、高效和可靠的服务。
2024-09-29 23:31:50
3222
原创 华为云DevSecOps和DevOps
DevOps注重开发和运维的协作以及提高软件交付效率，而DevSecOps则将安全性整合进了整个软件开发和运维流程，使得系统在不断演进中能保持高效的交付能力，同时确保系统的安全性和质量。这使得DevSecOps更适合现代复杂的应用场景，尤其是在对安全性有高要求的行业或领域。2.DevSecOps质量效能现状和方法论模型2.1DevSecOps质量效能现状价值交付与竞争力：企业必须识别出高价值的产品特性，确保能快速交付满足客户需求的功能。
2024-09-19 22:58:20
1879
原创 【机器学习】任务五：葡萄酒和鸢尾花数据集分类任务
LightGBM最佳参数: {'learning_rate': 0.01, 'n_estimators': 200, 'num_leaves': 31}XGBoost最佳参数: {'learning_rate': 0.01, 'max_depth': 3, 'n_estimators': 200}最佳参数: {'max_depth': None, 'min_samples_split': 2, 'n_estimators': 100}XGBoost分类器 - 准确率: 1.0, F1得分: 1.0。
2024-09-18 23:45:06
1926
1
原创 【智能终端】HBuilder X 与微信开发者工具集成与调试实战
库提供功能，开发者调用即可。框架提供结构和流程，开发者在框架规定下开发。平台是集成工具环境，支持整个开发流程。2. 使用 HBuilder X 创建第一个 uni-app 应用步骤1: 进入DCloud官网，下载并安装 HBuilder X。步骤2: 打开 HBuilder X，选择 新建 -> 项目 -> uni-app，创建一个新的应用。步骤3: 根据界面提示，填写应用名称、选择模板（如Hello uni-app），然后点击 创建。
2024-09-11 22:14:07
2893
1
原创 什么是大数据、有什么用以及学习内容
大数据（Big Data）是指通过不同来源汇集的大规模、多样化、动态变化的数据集，通常无法通过传统的数据处理方法进行有效的存储、管理和分析。随着信息技术的进步，特别是互联网、物联网（IoT）和社交媒体的兴起，数据的生成速度呈指数级增长。大数据不仅仅是数据量的大幅增加，还包含数据类型的多样化和处理速度的提升。Volume（数据量大）：大数据的主要特征之一是其庞大的数据量，通常从TB级别扩展到PB级别或更多。传统的存储系统和数据库往往难以应对如此巨大的数据量，因此需要采用分布式存储和计算技术。
2024-09-07 23:30:03
6996
2
原创 【机器学习】任务三：基于逻辑回归与线性回归的鸢尾花分类与波士顿房价预测分析
回归分析：用于分析特征与目标变量之间的关系，常用于连续变量的预测任务。数据预测：通过机器学习的回归模型，进行模型选择、训练和评估，提升预测效果。特征重要性与模型优化：通过特征选择、正则化、超参数调整和交叉验证，简化模型并提升预测能力。
2024-09-05 23:38:35
2628
1
原创 实验报告: lookie-lookie 项目测试与分析
通过本次实验，我们成功运行并分析了基于 TensorFlow.js 的静态网页项目，深入了解了前端如何结合机器学习技术实现实时的用户交互功能。收获与体会技术融合: 体验了如何在浏览器环境中利用 TensorFlow.js 实现复杂的计算任务，无需借助后端服务器，体现了前端技术的强大和灵活性。数据安全: 了解到在本地浏览器中处理敏感数据（如摄像头视频流）的重要性和实现方式，增强了对用户隐私保护的认知。项目结构。
2024-09-04 21:06:06
1532
原创 java简介以及单个或两个及以上java安装与环境变量配置
Java 是一种广泛使用的编程语言和计算平台。它由 Sun Microsystems 在 1995 年首次发布（现在属于 Oracle Corporation）。Java 的设计理念是“一次编写，到处运行”（Write Once, Run Anywhere），这意味着用 Java 编写的代码可以在任何支持 Java 的平台上运行，无需修改。
2024-09-03 16:16:44
779
原创 MySQL 基础命令
MySQL 是一种开源的关系型数据库管理系统（RDBMS），由 Oracle Corporation 开发和维护。它使用结构化查询语言（SQL）进行数据库管理和操作。MySQL 是最流行的数据库系统之一，尤其适用于 Web 应用程序和小型到中型企业的数据库需求。
2024-09-02 21:24:33
1339
原创 【机器学习】任务二：波士顿房价的数据与鸢尾花数据分析及可视化
机器学习的项目中都需要大量的数据，这些数据来源于现实生活、scikit-learn库或 Keras 库等，然后对数据进行探索是训练模型的必修课。特征值包括城镇人均犯罪率、住宅用地所占比例、每栋住宅的平均房间数、到达高速公路的便利指数、城镇非零售业的商业用地所占比例等。库中的鸢尾花数据集，显示数据集特征值和标签值的类型、属性和部分数据，并绘制花瓣长度和花瓣宽度与鸢尾花品种的散点图。个标签值，其中特征值分别是花萼长度、花萼宽度、花瓣长度和花瓣宽度，标签值表示鸢尾花的种类，分别是 Setosa。
2024-08-31 17:29:42
3099
1
原创 深度学习环境安装与验证指南
本指南旨在帮助你在 Windows 11 上配置一个支持 GPU 加速的深度学习环境。我们将安装 CUDA 和 cuDNN（如果不需要GPU加速，就不用管CUDA 和 cuDNN），然后安装并验证 TensorFlow 和 PyTorch 的 GPU 加速支持。操作系统: Windows 11 64-bitPython 版本: 3.10.14CUDA 版本: 11.8cuDNN 版本: 8.6TensorFlow 版本: 2.10.0PyTorch 版本: 2.4.0。
2024-08-29 23:43:32
1715
原创 OSI和TCP/IP参考模型、协议与端口、DNS解析类型、数据封装
为了没有熟知端口号的应用程序使用的，端口范围为[1024,49151]。使用端口仅在客户进程运行时动态使用，使用完毕后，进程会释放端口。TCP/IP协议有时候分为五层（数据链路层和物理层分开），有时候被分为四层，不要太纠结。ICMP、Routing Protocol（静态.RIP.OSPF等）、IP。SOA叫起始授权机构记录，SOA记录用于在众多NS记录中哪一台是主服务器。www.test.com别名为webserver12.test.com。取值范围为[0,1023]，上面那些就是。
2024-08-28 23:06:12
1353
原创 Anaconda3简介与安装步骤
Anaconda3 是一个面向数据科学、机器学习和科学计算的开源集成开发环境，广泛应用于学术研究、商业分析和开发等多个领域。它不仅支持 Python，还支持 R 语言，使得它在处理复杂数据分析任务时非常灵活和强大。Anaconda3 是一个功能强大且用户友好的数据科学和开发平台。它简化了软件包管理和环境配置，并集成了丰富的工具集，使其成为数据分析、科学研究和开发工作的理想选择。无论是初学者还是资深开发者，Anaconda3 都能大大提高工作效率和项目管理的便利性。
2024-08-27 22:26:09
4684
原创 策略路由与路由策略
策略路由是一种根据特定策略或条件（如源地址、目的地址、协议类型、接口、QoS等）来决定网络包转发路径的技术，而不是单纯依赖传统的最短路径或最优路径算法。
2024-08-26 17:51:07
2158
原创 WLAN基础概念与实验
在企业环境中，WLAN 提供灵活的办公网络环境，支持员工使用各种移动设备接入公司网络，提升工作效率和协作能力。：在家庭中，WLAN 允许设备（如电脑、智能电视、手机等）共享互联网连接和家庭内部的资源（如打印机、文件等）。：WLAN 也是物联网应用中的重要组成部分，支持各种智能设备（如家居自动化设备、传感器等）进行数据传输和控制。：在咖啡馆、酒店、机场等公共场所，WLAN 提供免费或付费的互联网接入服务，方便人们在移动中保持连接。：如笔记本电脑、智能手机、平板电脑等能够通过无线网络连接的设备。
2024-08-25 10:00:00
1237
原创 防火墙基础概念与实验配置
防火墙是一种网络安全设备，它监控并控制进出网络流量，依据一组预设的安全规则来决定是否允许特定的数据包通过。防火墙可以是硬件设备，也可以是软件程序，或者是二者的结合。它是保护网络安全的第一道防线。
2024-08-24 10:00:00
1563
原创 网关冗余 VRRP简介与实验
VRRP(Virtual Router Redundancy Protocol, 虚拟路由器冗余协议)用来提供网关冗 余功能，从而提升网络可靠性。如下图所示， PC 通过acsw 双归到coresw1 和 coresw2。可以在 coresw1和coresw2上配置 VRRP 备份组，对外体现为一台虚拟路由器，实现冗余备份，任何一台网关设备故障都不会影响 PC 访问互联网。1、VRRP备份组中的设备根据优先级选举出主设备Master, 负责用户数据转发。
2024-08-23 10:00:00
2121
原创 linux常用命令总结
source_file destination_file # 复制文件（源文件在前，目的在后）old_name new_name # 重命名文件或目录（老名字或目录在前）755 file_name # 设置文件权限为 755（rwxr-xr-x，打开和创建一样的，如果存在则是打开，如果不存在则是创建，与vi或者vim类似。输入要搜索的文本，然后按 Enter，再输入替换的文本并按 Enter。file_name #可以看到文件里面的详细信息，而不用打开该文件。如果有未保存的更改，会提示保存。
2024-08-22 16:39:51
889
原创 IPSEC VPN
IPSec（IP Security）是IETF定义的一组协议，用于增强IP网络的安全性。IPSec协议集提供如下安全服务：认证（Autentication）、保密性（Confidentiality）、应用透明安全性（Application-transparent Security）
2024-08-21 21:27:11
1397
原创 ACL原理及实验
访问控制列表 ACL是由一系列规则组成的集合，ACL 通过这些规则对数据包进行分类，从而设备可以对不同类报文进行不同的处理。ACL的规则匹配:报文到达设备时，查找引擎从报文中取出信息组成查找键值，键值与 ACL 中的规则进行匹配，只要有一条规则和报文匹配，就停止查找，称为命中规则。查找完所有规则，如果没有符合条件的规则，称为未命中规则，故ACL的规则分为“permit”(允许)规则或者“deny”(拒绝)规则和未命中规则。常用 ACL 的功能分类如下表所示:分类对应编号范围适用的IP版本。
2024-08-20 18:47:11
1864
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