<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[RuCloud的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/RuCloud</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; RuCloud]]></copyright><item><title><![CDATA[github上传及下载文件指令]]></title><link>https://blog.youkuaiyun.com/RuCloud/article/details/144384919</link><guid>https://blog.youkuaiyun.com/RuCloud/article/details/144384919</guid><author>RuCloud</author><pubDate>Wed, 18 Dec 2024 14:51:17 +0800</pubDate><description><![CDATA[会列出当前的 Git 配置信息，确保其中的 “http.proxy” 和 “https.proxy”设置为你刚刚配置的端口。（1）初始化，在本地创建一个Git仓库，运行指令会出现一个“.git”的文件夹。输入存储库信息：存储库名称，描述，选择公开或私密等，随后点击创建。（4）选择要上传的分支（默认为Main,也可能是master）打开要上传的文件夹，右击鼠标选择：Git Bash Here。（3） 将项目提交到Git仓库，其中注释自己写。，找到代理设置，并记录当前代理端口。（6）上传，上传到main分支。]]></description><category></category></item><item><title><![CDATA[详细介绍在PyCharm中配置PyQt5]]></title><link>https://blog.youkuaiyun.com/RuCloud/article/details/137783222</link><guid>https://blog.youkuaiyun.com/RuCloud/article/details/137783222</guid><author>RuCloud</author><pubDate>Mon, 15 Apr 2024 16:22:49 +0800</pubDate><description><![CDATA[详细介绍在pycharm中配置pyqt5，Qtdesigner，以及.ui文件转换工具]]></description><category></category></item><item><title><![CDATA[爬虫学习笔记(一)：爬虫介绍以及request基础]]></title><link>https://blog.youkuaiyun.com/RuCloud/article/details/137218416</link><guid>https://blog.youkuaiyun.com/RuCloud/article/details/137218416</guid><author>RuCloud</author><pubDate>Mon, 01 Apr 2024 09:33:04 +0800</pubDate><description><![CDATA[爬虫就是编写程序，模拟浏览器上网，让其去互联网中抓取数据的过程。]]></description><category></category></item><item><title><![CDATA[基于支持向量机进行时间序列预测（Python）]]></title><link>https://blog.youkuaiyun.com/RuCloud/article/details/132695909</link><guid>https://blog.youkuaiyun.com/RuCloud/article/details/132695909</guid><author>RuCloud</author><pubDate>Tue, 05 Sep 2023 17:10:44 +0800</pubDate><description><![CDATA[在使用支持向量机算法进行预测的基础上，再采用。优化调整参数，建立调参后的SVR模型。由于时间的维数是一维的，因此需要。此示例中选定滞后期数为3。]]></description><category></category></item><item><title><![CDATA[粒子群算法调参支持向量回归进行预测（PSO-SVR）Python实现]]></title><link>https://blog.youkuaiyun.com/RuCloud/article/details/132666734</link><guid>https://blog.youkuaiyun.com/RuCloud/article/details/132666734</guid><author>RuCloud</author><pubDate>Mon, 04 Sep 2023 14:59:10 +0800</pubDate><description><![CDATA[SVR（支持向量回归）是一种有效的非线性回归方法，它可以通过寻找一组最优参数来拟合数据。粒子群算法是一种优化算法，可以用于找到最佳的SVR参数。以下是使用粒子群算法进行SVR参数调优的步骤：确定SVR模型的核函数和参数范围。常用的核函数有线性核、多项式核和高斯径向基核。参数范围包括核函数参数、正则化参数等。定义粒子群算法的目标函数。在SVR预测中，通常使用均方误差（MSE）或均方根误差（RMSE）作为目标函数。初始化粒子群的位置和速度。]]></description><category></category></item></channel></rss>