开天辟地

第一篇博客mark下,以前都是看大牛的博客,人到中年空虚迷茫,感觉高不成低不就,掌握的技能博而不精,突然想起写写博客,技术上的也好,管理上的也好,记录下自己,也总结下自己,希望能坚持下去。

最近正好在研究python,就写下自己最近学的内容吧

Django入门hello world小例子

环境:python 3.7    pycharm  2018 professional  在env里面导入django的包

第一步建立一个 django的project

create后project内容会出现在左侧工作框,其中urls.py为url路由文件,setting.py为主配置文件

项目建立好之后,接下来就是建立app,此处app概念可理解为你的项目中的某一个模块,在控制台中输入 python manage.py startapp app01建立第一个应用,后就可以在项目目录中看到新增内容,注意应用中的urls.py文件是手工建立的,主要是用于应用内路由,防止项目的路由文件过于复杂

建立好应用内路由文件后,需要在项目路由文件中引入应用的路由文件,在p2.urls.py中加入

此时我们回到应用内,首先在views.py中(即MVT框架中的V)写一个最简单的输出打印“hello world”

然后在应用内的urls.py中对我们的index函数进行路由指向

我们结合项目中的urls配置: ‘app01/’指向了app01.urls.py文件 ,应用中的urls配置:‘’指向了views.index,此处先了解有助于后面展现完整的url地址时的理解

接下来我们启动开发中的服务,在控制台中 python manage.py runserver

服务正常启动,浏览器中打开 http://127.0.0.1:8000/

报404找不到页面错误,是正常的,因为我们整个项目的url配置中,没有对‘’路径做任何指向,当我们在

http://127.0.0.1:8000/加上   app01或admin时,大家就可以看到正确的指向

内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值