<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[getdocument的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/getdocument</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; getdocument]]></copyright><item><title><![CDATA[学习记录：机器学习案例——泰坦尼克号生存预测（二）：逻辑回归、单棵决策树、随机森林]]></title><link>https://blog.youkuaiyun.com/getdocument/article/details/160660917</link><guid>https://blog.youkuaiyun.com/getdocument/article/details/160660917</guid><author>getdocument</author><pubDate>Thu, 30 Apr 2026 15:28:58 +0800</pubDate><description><![CDATA[2026.4.30分析上述代码，采用了逻辑回归模型和随机森林模型，随机森林模型就是多个决策树的集成，是一种集成机器学习。下面修改代码，采用逻辑回归、单棵决策树和随机森林三种模型，对比结果，学习这3种模型机的基本概念和特点。代码如下：# 设置中文显示# 忽略警告print("🚢 泰坦尼克号生存预测 - 多模型对比")# 第一步：加载数据print("\n【第一步】加载数据...")print(f"训练集形状: {train_df.shape}")]]></description><category></category></item><item><title><![CDATA[学习记录：机器学习案例——泰坦尼克号生存预测（一）逻辑回归和随机森林]]></title><link>https://blog.youkuaiyun.com/getdocument/article/details/159909649</link><guid>https://blog.youkuaiyun.com/getdocument/article/details/159909649</guid><author>getdocument</author><pubDate>Thu, 30 Apr 2026 12:07:27 +0800</pubDate><description><![CDATA[第1步：下载数据集友情提示：由于笔记是实时记载，可能中途有问题又退回去，但笔记仍继续写，本文不是教程，只是个人笔记，从开始到成功的过程一一记录，如何解决问题。感兴趣可以参考，直接越过失败的部分就可以了。第1步：下载数据集train.csv- 训练数据（891人，包含是否幸存）test.csv- 测试数据（418人，需要你预测）注册账号先注册账号，提示 Captcha must be filled out.]]></description><category></category></item><item><title><![CDATA[学习记录：机器学习入门案例——波士顿房价预测（三）-波士顿房价预测与加州房价预测对比]]></title><link>https://blog.youkuaiyun.com/getdocument/article/details/159906641</link><guid>https://blog.youkuaiyun.com/getdocument/article/details/159906641</guid><author>getdocument</author><pubDate>Tue, 07 Apr 2026 09:27:04 +0800</pubDate><description><![CDATA[2026年4月7日波士顿房价预测与加州房价预测都已经运行成功，不禁疑惑，二者都是线性回归模型，有什么区别呢。]]></description><category></category></item><item><title><![CDATA[学习记录：机器学习入门案例——波士顿房价预测（二）-房价预测]]></title><link>https://blog.youkuaiyun.com/getdocument/article/details/159795434</link><guid>https://blog.youkuaiyun.com/getdocument/article/details/159795434</guid><author>getdocument</author><pubDate>Tue, 07 Apr 2026 09:03:52 +0800</pubDate><description><![CDATA[plt.plot([min_val, max_val], [min_val, max_val], color='red', lw=2, label='理想预测线')print(f"  列 '{column}' 已用中位数 {median_value:.2f} 填充")print(f'RMSE (均方根误差): {np.sqrt(mse):.2f}')print(f"{name} - 系数 {i}: {coef:.4f}")print(f"截距 (intercept): {intercept:.4f}")]]></description><category></category></item><item><title><![CDATA[学习记录：机器学习入门案例——波士顿房价预测（一）-加载数据集]]></title><link>https://blog.youkuaiyun.com/getdocument/article/details/149922054</link><guid>https://blog.youkuaiyun.com/getdocument/article/details/149922054</guid><author>getdocument</author><pubDate>Fri, 20 Mar 2026 11:52:48 +0800</pubDate><description><![CDATA[NumPy（Numerical Python）是 Python 中一个核心的科学计算库，几乎所有涉及数值计算的库（包括 Pandas）都以它为基础。它的主要特点是提供了一个功能强大的N 维数组对象（ndarray。使用pip，它是 Python 的官方包管理器。第 1 步：打开终端或命令行在 Windows 上：按Win + R，输入cmd，然后按回车。第 2 步：输入安装命令这个命令会连接到 Python 的官方包仓库（PyPI），自动下载并安装 NumPy 及其所有依赖项。]]></description><category></category></item><item><title><![CDATA[学习记录：RISC-V CPU实践——从零开始（二）编写汇编程序和C程序]]></title><link>https://blog.youkuaiyun.com/getdocument/article/details/149105704</link><guid>https://blog.youkuaiyun.com/getdocument/article/details/149105704</guid><author>getdocument</author><pubDate>Tue, 05 Aug 2025 05:04:48 +0800</pubDate><description><![CDATA[1、安装RISC-V 工具链1、安装RISC-V 工具链基础知识：RISC-V 工具链是一个专门为嵌入式系统开发的交叉编译器。可以将汇编语言程序和C/C++语言程序编译成 RISC-V 处理器能够理解和执行的二进制文件。有了最终的机器语言代码，就可以更新前面的ram对应的hex文件内容。可以跑程序，虽然不能直接运行汇编和c语言程序，但也能简介验证汇编语言程序和C/C++语言程序的正确性，学习汇编语言程序和C/C++语言程序和RISC-V机器码之间的对应关系，深入理解RISC-V指令集。]]></description><category></category></item><item><title><![CDATA[学习记录：RISC-V CPU实践——从零开始（一）quartus跑picorv32]]></title><link>https://blog.youkuaiyun.com/getdocument/article/details/148261419</link><guid>https://blog.youkuaiyun.com/getdocument/article/details/148261419</guid><author>getdocument</author><pubDate>Fri, 04 Jul 2025 19:59:44 +0800</pubDate><description><![CDATA[方法三：使用 Quartus 自带的 VWF（Vector Waveform File）仿真限制说明VWF 主要用于简单的时序验证，不能直接加载 HEX 文件步骤1：创建测试向量新建vwf选择clkresetngpio_out等步骤2：手动初始化（替代HEX加载）在仿真脚本中添加强制写入（示例）：tcl复制下载# 在VWF的Tcl控制台输入：步骤3：运行仿真。]]></description><category></category></item><item><title><![CDATA[学习记录：从零开始学AI（四）——Scikit-learn加州房价机器学习例子学习笔记-在此基础上更换自己的数据集]]></title><link>https://blog.youkuaiyun.com/getdocument/article/details/147411424</link><guid>https://blog.youkuaiyun.com/getdocument/article/details/147411424</guid><author>getdocument</author><pubDate>Tue, 22 Apr 2025 11:17:34 +0800</pubDate><description><![CDATA[2025.04.22加州房价机器学习例子已经调通，下一步更换自己的数据集。数据集先随便构建吧，不是真实的，后续再更换真实的。加州房价数据集手动下载到本地，是一个压缩包。下载方法和保存路径如下：手动下载数据集。]]></description><category></category></item><item><title><![CDATA[学习记录：从零开始学AI（三）——Scikit-learn加州房价机器学习例子学习笔记（相关概念、基础知识与代码解析）]]></title><link>https://blog.youkuaiyun.com/getdocument/article/details/147319248</link><guid>https://blog.youkuaiyun.com/getdocument/article/details/147319248</guid><author>getdocument</author><pubDate>Tue, 22 Apr 2025 10:07:41 +0800</pubDate><description><![CDATA[感受：至此基本明白了机器学习线性回归模型机的原理，知道一点Python编程了，第一感觉是没有变量类型，直接就用呀！下一步，尝试其他模型机，更换自己的数据集，继续努力！该数据的列名为['MedInc', 'HouseAge', 'AveRooms', 'AveBedrms', 'Population', 'AveOccup', 'Latitude', 'Longitude']非常疑惑，为什么都是平均数，住宅单元指什么，是所在单元？MedInc：区域内家庭收入的中位数（单位：10,000美元）。]]></description><category></category></item><item><title><![CDATA[学习记录：从零开始学AI（二）——Scikit-learn加州房价机器学习例子学习笔记：继续补全代码运行成功]]></title><link>https://blog.youkuaiyun.com/getdocument/article/details/147248084</link><guid>https://blog.youkuaiyun.com/getdocument/article/details/147248084</guid><author>getdocument</author><pubDate>Fri, 18 Apr 2025 08:45:19 +0800</pubDate><description><![CDATA[用这个例子的框架，可不可以换成我自己的一个数据集呢，不是房价的，其他的书籍，是不是要修改一些属性，模型本身不用变吧，工作量有多大？已经搭建好环境，开始学习加州房价机器学习例子，目标理解相关概念，掌握机器学习例子开发流程！感受：比预想的简单，训练一个线性回归模型，几行代码就实现了，可是很多不明白。哪个参数对房价影响最大，在哪里看，用什么代码？按照教程继续补全加州房价例子代码，运行看看结果，边做边学吧！训练一个简单的模型，划分数据集，训练线性回归模型，运行成功。如果构建自己的模型，改改算法，怎么办？]]></description><category></category></item><item><title><![CDATA[学习记录：从零开始学AI（一）——Scikit-learn加州房价机器学习例子学习笔记：第一个Scikit-learn机器学习例子（加州房价）]]></title><link>https://blog.youkuaiyun.com/getdocument/article/details/147139963</link><guid>https://blog.youkuaiyun.com/getdocument/article/details/147139963</guid><author>getdocument</author><pubDate>Tue, 15 Apr 2025 12:41:32 +0800</pubDate><description><![CDATA[手动下载数据集，保存到位置C:\Users\128\scikit_learn_data，这个位置通过代码获得，在程序中增加2句，import sklearn  print(sklearn.datasets.get data home())，输出这个位置。python版本最新版不行，不匹配TensorFlow，选Python9.9.13]]></description><category></category></item></channel></rss>