<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[coolboyleoz的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/coolboyleoz</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; coolboyleoz]]></copyright><item><title><![CDATA[git的初始化+常见bug解决方案]]></title><link>https://blog.youkuaiyun.com/coolboyleoz/article/details/122435625</link><guid>https://blog.youkuaiyun.com/coolboyleoz/article/details/122435625</guid><author>coolboyleoz</author><pubDate>Tue, 11 Jan 2022 16:51:20 +0800</pubDate><description><![CDATA[git]]></description><category></category></item><item><title><![CDATA[传统机器学习（一）：决策树在sklearn中的应用]]></title><link>https://blog.youkuaiyun.com/coolboyleoz/article/details/122426420</link><guid>https://blog.youkuaiyun.com/coolboyleoz/article/details/122426420</guid><author>coolboyleoz</author><pubDate>Tue, 11 Jan 2022 14:37:15 +0800</pubDate><description><![CDATA[一般流程
from sklearn import tree
from sklearn.datasets import load_wine
from sklearn.model_selection import train_test_split

#用红酒数据
wine = load_wine()
#分割训练集测试集
Xtrain,Xtest,Ytrain,Ytest = train_tese_split(wine.data, wine.target, test_size=0.3)
#训练模型

clf = ]]></description><category></category></item><item><title><![CDATA[贝叶斯公式与先验分布，后验分布，似然估计]]></title><link>https://blog.youkuaiyun.com/coolboyleoz/article/details/122347162</link><guid>https://blog.youkuaiyun.com/coolboyleoz/article/details/122347162</guid><author>coolboyleoz</author><pubDate>Thu, 06 Jan 2022 16:27:34 +0800</pubDate><description><![CDATA[转载自站内好文，记录之
[https://blog.youkuaiyun.com/qq_23947237/article/details/78265026]

]]></description><category></category></item><item><title><![CDATA[beginner快速上手python]]></title><link>https://blog.youkuaiyun.com/coolboyleoz/article/details/122197830</link><guid>https://blog.youkuaiyun.com/coolboyleoz/article/details/122197830</guid><author>coolboyleoz</author><pubDate>Tue, 28 Dec 2021 17:24:18 +0800</pubDate><description><![CDATA[因为旧电脑坏了，重新购置了新的电脑，所以重装了一些环境，记录下从零开始的安装过程。
安装列表
1. vs code
2. Anaconda
第一步：下载 vscode
简简单单到官网下载安装好即可。
第二步：下载Anaconda

因为anaconda是自带python的，所以不需要另外安装python
按照安装包的提示一步步安装，到C盘或者是其他盘都可以，要注意的是把anaconda作为默认的和for all users的path选项

第三步 初始化Anaconda

将anaconda目录下的一些路径]]></description><category></category></item><item><title><![CDATA[cmd打不开的原因]]></title><link>https://blog.youkuaiyun.com/coolboyleoz/article/details/118491812</link><guid>https://blog.youkuaiyun.com/coolboyleoz/article/details/118491812</guid><author>coolboyleoz</author><pubDate>Mon, 05 Jul 2021 16:06:37 +0800</pubDate><description><![CDATA[前情回顾：
今天跑之前一个配置好的后端没想到跑不通了，初步估计是环境问题，但是报错的又是一些以前没见过也看不懂的神奇问题。也不知道是脑子抽了还是什么就跟着百度的方法做了下，结果把powershell跑崩了。
错误出现
在敲入
Set-ExecutionPolicy Remotesigned
conda init
后，不知道自动改了脚本里面的哪些地方，接着powershell去运行anaconda的脚本（位于E:\Anaconda3\shell\condabin\Conda.psm1）提示非常多的错误，如下图]]></description><category></category></item><item><title><![CDATA[2021-06-24]]></title><link>https://blog.youkuaiyun.com/coolboyleoz/article/details/118187517</link><guid>https://blog.youkuaiyun.com/coolboyleoz/article/details/118187517</guid><author>coolboyleoz</author><pubDate>Thu, 24 Jun 2021 17:20:08 +0800</pubDate><description><![CDATA[TF2.x学习笔记【一】
@tf.function—将普通python代码编程计算图
在第一次调用被@tf.function装饰的函数时, 下列事情将会发生:

该函数被执行并跟踪。和Tensorflow 1.x类似, Eager会在这个函数中被禁用，因此每个tf.API只会定义一个生成tf.Tensor输出的节点
AutoGraph用于检测可以转换为等效图表示的Python操作（while→tf.while，for→tf.while，if→tf.cond，assert→tf.assert…)
为了保留执行]]></description><category></category></item></channel></rss>