<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[giraffe_kun的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/giraffe_kun</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; giraffe_kun]]></copyright><item><title><![CDATA[vscode安装ipykernel后报错]]></title><link>https://blog.youkuaiyun.com/giraffe_kun/article/details/127513481</link><guid>https://blog.youkuaiyun.com/giraffe_kun/article/details/127513481</guid><author>giraffe_kun</author><pubDate>Tue, 25 Oct 2022 14:57:37 +0800</pubDate><description><![CDATA[conda环境]]></description><category></category></item><item><title><![CDATA[解决py2neo输出中文错误问题]]></title><link>https://blog.youkuaiyun.com/giraffe_kun/article/details/111401240</link><guid>https://blog.youkuaiyun.com/giraffe_kun/article/details/111401240</guid><author>giraffe_kun</author><pubDate>Sat, 19 Dec 2020 10:55:08 +0800</pubDate><description><![CDATA[py2neo 定义节点的时候如果使用中文会出现如下问题
a = Node('Person', name='小明')
b = Node('Person', name='Bob')
r = Relationship(a, 'KNOWS', b)
print(a, b, r)
# (:Person {name: '\u5c0f\u660e'}) (:Person {name: 'Bob'}) (小明)-[:KNOWS {}]-&gt;(Bob)

在conda的site-packages文件夹下找到py2neo-]]></description><category></category></item><item><title><![CDATA[backward的朴素理解]]></title><link>https://blog.youkuaiyun.com/giraffe_kun/article/details/106406236</link><guid>https://blog.youkuaiyun.com/giraffe_kun/article/details/106406236</guid><author>giraffe_kun</author><pubDate>Thu, 28 May 2020 19:29:26 +0800</pubDate><description><![CDATA[首先创建Tensor x1，w1和w2。


x2 = x1 * w1


y = x2 * w2


L = Y - y


只要维度相协调，上述各个Tensor目前不必指定维度。实际上上述模型可以看做一个非常简单的神经网络，如下图所示。
W1w2YX1x2yL
在pytorch中，描述上述模型的完整代码
import torch
x = torch.ones(2,2, dtype=torch.float)
x1 = 2 * x
x1.requires_grad_(True)
w1 = 5 * x
w1.]]></description><category></category></item><item><title><![CDATA[Practice-2 ANN识别模型]]></title><link>https://blog.youkuaiyun.com/giraffe_kun/article/details/103772397</link><guid>https://blog.youkuaiyun.com/giraffe_kun/article/details/103772397</guid><author>giraffe_kun</author><pubDate>Mon, 30 Dec 2019 20:36:22 +0800</pubDate><description><![CDATA[1.实验目的
掌握BP神经网络理论知识和分类方法，对阿拉伯数字数据集进行训练
2.理论方法介绍
在神经网络中，输入层与输出层之间的层称为隐含层或隐层（hidden layer），隐层和输出层的神经元都是具有激活函数的功能神经元。只需包含一个隐层便可以称为多层神经网络，常用的神经网络称为“多层前馈神经网络”（multi-layer feedforward neural network）（这里的层实际...]]></description><category></category></item><item><title><![CDATA[Practice-8 K-means]]></title><link>https://blog.youkuaiyun.com/giraffe_kun/article/details/103733083</link><guid>https://blog.youkuaiyun.com/giraffe_kun/article/details/103733083</guid><author>giraffe_kun</author><pubDate>Fri, 27 Dec 2019 15:53:30 +0800</pubDate><description><![CDATA[1.实验目的
学习K-means理论，并使用K-means对文本进行分类
2.理论方法介绍
对于"监督学习"(supervised learning)，其训练样本是带有标记信息的，并且监督学习的目的是：对带有标记的数据集进行模型学习，从而便于对新的样本进行分类。而在“无监督学习”(unsupervised learning)中，训练样本的标记信息是未知的，目标是通过对无标记训练样本的学习来揭示数据...]]></description><category></category></item><item><title><![CDATA[Practice-7 集成分类器]]></title><link>https://blog.youkuaiyun.com/giraffe_kun/article/details/103659740</link><guid>https://blog.youkuaiyun.com/giraffe_kun/article/details/103659740</guid><author>giraffe_kun</author><pubDate>Mon, 23 Dec 2019 14:57:47 +0800</pubDate><description><![CDATA[1.实验目的
学习AdaBoost算法，并利用Adaboodst分类器对Iris dataset进行分类
2.理论方法
Adaboost算法是一种提升方法，将多个弱分类器，组合成强分类器。
AdaBoost，是英文”Adaptive Boosting“（自适应增强）的缩写，由Yoav Freund和Robert Schapire在1995年提出。
它的自适应在于：前一个弱分类器分错的样本的权值（样...]]></description><category></category></item><item><title><![CDATA[Practice-6 SVM分类器]]></title><link>https://blog.youkuaiyun.com/giraffe_kun/article/details/103639076</link><guid>https://blog.youkuaiyun.com/giraffe_kun/article/details/103639076</guid><author>giraffe_kun</author><pubDate>Sat, 21 Dec 2019 16:15:12 +0800</pubDate><description><![CDATA[1.实验目的
使用SVM进行文本分类
2.理论方法介绍
支持向量机是一种二分类模型。它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；支持向量机还包括核技巧，这使它成为实质上的分线性分类器。支持向量机的学习策略就是间隔最大化，可形式化为一个求解凸二次规划的问题，也等价正则化的合页损失函数的最小化问题。支持向量机的学习算法是求解凸二次规划的最优化算法。
支持向量机学习方...]]></description><category></category></item><item><title><![CDATA[KNN心脏病数据集分类]]></title><link>https://blog.youkuaiyun.com/giraffe_kun/article/details/103603941</link><guid>https://blog.youkuaiyun.com/giraffe_kun/article/details/103603941</guid><author>giraffe_kun</author><pubDate>Thu, 19 Dec 2019 20:21:23 +0800</pubDate><description><![CDATA[1.实验目的
掌握KNN的算法原理和具体分类实验方法
2.KNN原理
KNN是通过测量不同特征值之间的距离进行分类。
如果一个样本在特征空间中的k个最邻近的样本中的大多数属于某一个类别，则该样本也划分为这个类别。KNN算法中，所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。
算法的描述：
Created with Raphaël ...]]></description><category></category></item><item><title><![CDATA[基于NBC的文本分类]]></title><link>https://blog.youkuaiyun.com/giraffe_kun/article/details/103586607</link><guid>https://blog.youkuaiyun.com/giraffe_kun/article/details/103586607</guid><author>giraffe_kun</author><pubDate>Tue, 17 Dec 2019 22:29:56 +0800</pubDate><description><![CDATA[1.实验目的
使用朴素贝叶斯分类器，进行文档分类
2.理论方法介绍
2.1贝叶斯定理
如果有两个事件，事件A和事件B。已知事件A发生的概率为p(A)p(A)p(A)，事件B发生的概率为P(B)P(B)P(B)，事件A发生的前提下。事件B发生的概率为p(B∣A)p(B|A)p(B∣A)，事件B发生的前提下。事件A发生的概率为p(A∣B)p(A|B)p(A∣B)，事件A和事件B同一时候发生的概率是p(...]]></description><category></category></item><item><title><![CDATA[疯狂填词]]></title><link>https://blog.youkuaiyun.com/giraffe_kun/article/details/90479358</link><guid>https://blog.youkuaiyun.com/giraffe_kun/article/details/90479358</guid><author>giraffe_kun</author><pubDate>Thu, 23 May 2019 14:04:54 +0800</pubDate><description><![CDATA[创建一个疯狂填词（Mad Libs）程序，它将读入文本文件，并让用户在该文本 文件中出现 ADJECTIVE、NOUN、ADVERB 或 VERB 等单词的地方，加上他们自 己的文本
import re 

with open('F:\TEST_FILE\python编程快速上手\新建文本文档.txt') as file_object:
       lines= file_object.read...]]></description><category></category></item><item><title><![CDATA[项目：生成随机的测验试卷文件]]></title><link>https://blog.youkuaiyun.com/giraffe_kun/article/details/90450287</link><guid>https://blog.youkuaiyun.com/giraffe_kun/article/details/90450287</guid><author>giraffe_kun</author><pubDate>Wed, 22 May 2019 19:20:13 +0800</pubDate><description><![CDATA[#! python3
# randomQuizGenerator.py - Creates quizzes with questions and answers in
# random order, along with the answer key.

# The quiz data. Keys are states and values are their capitals.
import r...]]></description><category></category></item><item><title><![CDATA[strip()的正则表达式版]]></title><link>https://blog.youkuaiyun.com/giraffe_kun/article/details/90294561</link><guid>https://blog.youkuaiyun.com/giraffe_kun/article/details/90294561</guid><author>giraffe_kun</author><pubDate>Fri, 17 May 2019 15:45:39 +0800</pubDate><description><![CDATA['''如果只传入了要去除的字符串，没有其他参数，那么就从该字符串首尾去除空白字符。
否 则，函数第二个参数指定的字符将从该字符串中去除'''
import re
def new_strip(str_1,str_2=''):
       if str_2:
              SentenceRegex=re.compile(str_2)
              sentence1=S...]]></description><category></category></item><item><title><![CDATA[强口令检测]]></title><link>https://blog.youkuaiyun.com/giraffe_kun/article/details/90293188</link><guid>https://blog.youkuaiyun.com/giraffe_kun/article/details/90293188</guid><author>giraffe_kun</author><pubDate>Fri, 17 May 2019 14:54:43 +0800</pubDate><description><![CDATA[写一个函数，它使用正则表达式，确保传入的口令字符串是强口令。强口令的 定义是：长度不少于 8 个字符，同时包含大写和小写字符，至少有一位数字。你可 能需要用多个正则表达式来测试该字符串，以保证它的强度。
#长度不少于 8 个字符，同时包含大写和小写字符，至少有一位数字
import re

def password_test(password):
       key = True
       ...]]></description><category></category></item><item><title><![CDATA[项目3：电话号码和 E-mail 地址提取程序]]></title><link>https://blog.youkuaiyun.com/giraffe_kun/article/details/90270125</link><guid>https://blog.youkuaiyun.com/giraffe_kun/article/details/90270125</guid><author>giraffe_kun</author><pubDate>Thu, 16 May 2019 19:16:55 +0800</pubDate><description><![CDATA[#! python3
# phoneAndEmail.py - Finds phone numbers and email addresses on the clipboard. 
 
import pyperclip, re 

 # 创建电话的正则表达式
phoneRegex = re.compile(r'''(
   (\d{3}|\(\d{3}\))?  # 区号可选，444或(444)
...]]></description><category></category></item><item><title><![CDATA[正则表达式符号]]></title><link>https://blog.youkuaiyun.com/giraffe_kun/article/details/90180332</link><guid>https://blog.youkuaiyun.com/giraffe_kun/article/details/90180332</guid><author>giraffe_kun</author><pubDate>Mon, 13 May 2019 20:07:13 +0800</pubDate><description><![CDATA[?匹配零次或一次前面的分组。
*匹配零次或多次前面的分组。
+匹配一次或多次前面的分组。
{n}匹配 n 次前面的分组。
{n,}匹配 n 次或更多前面的分组。
{,m}匹配零次到 m 次前面的分组。
{n,m}匹配至少 n 次、至多 m 次前面的分组。
{n,m}?或*?或+?对前面的分组进行非贪心匹配。
^spam 意味着字符串必须以 spam 开始。
spam$意味着字符串必须以 spam ...]]></description><category></category></item><item><title><![CDATA[python让繁琐的工作自动化——项目二：在段落前添加符号]]></title><link>https://blog.youkuaiyun.com/giraffe_kun/article/details/89945074</link><guid>https://blog.youkuaiyun.com/giraffe_kun/article/details/89945074</guid><author>giraffe_kun</author><pubDate>Wed, 08 May 2019 09:20:24 +0800</pubDate><description><![CDATA[#! python3

import pyperclip
text = pyperclip.paste()

lines=text.split('\n') #split把字符串变成列表，按\n分割
for i in range(len(lines)):
       lines[i]= '*' + lines[i]
text = '\n'.join(lines) #join将列表变成字符串，并用\...]]></description><category></category></item></channel></rss>