<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[leeshuqing的专栏]]></title><description><![CDATA[读书是学习，使用也是学习，而且是更重要的学习]]></description><link>https://blog.youkuaiyun.com/leeshuqing</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; leeshuqing]]></copyright><item><title><![CDATA[利用AI做科研的实践]]></title><link>https://blog.youkuaiyun.com/leeshuqing/article/details/165239666</link><guid>https://blog.youkuaiyun.com/leeshuqing/article/details/165239666</guid><author>leeshuqing</author><pubDate>Sun, 13 Sep 2026 21:17:19 +0800</pubDate><description><![CDATA[一直以来都是听别人说，AI怎么怎么厉害，尤其在做科研方面，从实验到论文。虽然也在一些常见任务上经常使用AI，但是系统完整的体验，尤其面向一个具体的较大规模科研任务，AI是否可以提供足够的支撑，我还从未有过经验。今年暑假，我得空尝试了下。一开始，先不说结论，先开始。这是一个比较大的任务。有大约50多篇文献数据，每篇论文都给出了标题、摘要等基本信息，我想通过一些可视化手段全面展示这些文献相关研究内容的主题变迁。首先需要处理数据。原始数据过于庞杂，而且都是自然语句，不便于分析和展示，我想对其进行关键词抽取。第一个]]></description><category></category></item><item><title><![CDATA[AI编程方法案例：AI编程的幻觉问题]]></title><link>https://blog.youkuaiyun.com/leeshuqing/article/details/162331756</link><guid>https://blog.youkuaiyun.com/leeshuqing/article/details/162331756</guid><author>leeshuqing</author><pubDate>Fri, 26 Jun 2026 11:41:46 +0800</pubDate><description><![CDATA[其实你说的不对，我发现在计算每个用户评分与电影历史评分均值的差值平均时，忘记加了abs，导致数值正负抵消，因此应该写为：ratings1['diff'] = abs(ratings1['rating'] - ratings1['avg_rating']) ratings1 = ratings1[['uid', 'diff']].groupby('uid').mean().sort_values(by='diff', ascending=False) 此时会发现打乱后数值更大，说明越背离电影历史平均值。]]></description><category></category></item><item><title><![CDATA[AI编程方法案例：绘制观影类别的堆叠面积图]]></title><link>https://blog.youkuaiyun.com/leeshuqing/article/details/161737938</link><guid>https://blog.youkuaiyun.com/leeshuqing/article/details/161737938</guid><author>leeshuqing</author><pubDate>Sat, 06 Jun 2026 09:57:02 +0800</pubDate><description><![CDATA[将错误信息直接丢给AI，可以了解result.index 是 Period 类型（因为第 6 行使用了 to_period(freq='M')），而 matplotlib 的 stackplot 函数无法直接处理 Period 类型的数据进行数值计算，导致出现 ufunc 'isfinite' not supported for the input types 错误。但是这个代码并不正确，因为它使用的是模拟数据。这个图样猛地看来正确，其实和要求的并不一样，主要表现为纵轴是绝对值而非相对百分比。]]></description><category></category></item><item><title><![CDATA[关于类的设计（入门）]]></title><link>https://blog.youkuaiyun.com/leeshuqing/article/details/161073539</link><guid>https://blog.youkuaiyun.com/leeshuqing/article/details/161073539</guid><author>leeshuqing</author><pubDate>Thu, 14 May 2026 10:46:09 +0800</pubDate><description><![CDATA[对于这样的问题，按照面向对象的设计思想，我们应该首先考虑类的设计。在这个练习中，从主代码中我们可以看到两个重要的账户特征，一个是货币类别，不仅表现在类型（type），而且表现在金额前缀（如$和￥等）。从行为来看，账户还要能格式化输出金额。这个类设计遵守了常见的编程规范，首先通过setter和property将特征进行了封装，同时重写利用字符串表示方法来封装格式化输出内容，还增加了构造函数方便初始化。要求写一个processAccount函数，可以处理多种货币账户，都可以让用户输入账户金额，并显示账户金额。]]></description><category></category></item><item><title><![CDATA[关于文本输出内容的对齐问题]]></title><link>https://blog.youkuaiyun.com/leeshuqing/article/details/160303042</link><guid>https://blog.youkuaiyun.com/leeshuqing/article/details/160303042</guid><author>leeshuqing</author><pubDate>Sun, 19 Apr 2026 13:47:56 +0800</pubDate><description><![CDATA[原因很简单，汉字较宽，字母和数字较窄，因此按字符个数来定位，必然会产生宽窄不统一的可能性。甚至即使对于只使用英文字母的输出内容，如果复制到其他文本编辑器中，并使用了不等宽的字体，依然还会出现不对齐的可能。可以考虑使用等宽的英文字体，而对于中英文混用输出而言，大部分字体都不会使用相同宽度来显示，因此仍然较难对齐。这是因为字体显示宽度不同而不同，即使是这里，也出现了左右对齐成绩的不统一效果。此时1的前面有三个空格，包括1在内共计4个字符位，1右对齐，这些都是“>4”格式控制的效果。这个实际显示效果是最好的。]]></description><category></category></item><item><title><![CDATA[《Python程序设计（AI辅助学习版）》已经出版]]></title><link>https://blog.youkuaiyun.com/leeshuqing/article/details/159414204</link><guid>https://blog.youkuaiyun.com/leeshuqing/article/details/159414204</guid><author>leeshuqing</author><pubDate>Tue, 24 Mar 2026 08:05:03 +0800</pubDate><description><![CDATA[本教材主要分为两大版块：一块为Python语言基础，具体包括Python开发基础、语言基本要素、简单数据类型、程序控制语句、组合数据类型、函数与模块、类与对象、文件处理、常见模块的使用等，全面涵盖国家二级Python考试内容范围，并介绍了各类最新版本Python语言特性；对于Python语言基础，本教材主要为Python 3.11和PyCharm 2023版本为例，围绕着Python3.0版本系列以来的主要特性，包括后期的新特性，都做了全面细致的说明，也兼顾了国家二级考试要求。，以方便读者后续学习和交流。]]></description><category></category></item><item><title><![CDATA[《Python经济金融数据分析与决策》已经出版]]></title><link>https://blog.youkuaiyun.com/leeshuqing/article/details/159414009</link><guid>https://blog.youkuaiyun.com/leeshuqing/article/details/159414009</guid><author>leeshuqing</author><pubDate>Tue, 24 Mar 2026 08:00:21 +0800</pubDate><description><![CDATA[本教材力图通过大量的案例说明，以Python数据分析方法为基础，在数据分析篇，对数据统计分析、数据相关性分析和时序数据分析等基本数据分析功能进行了全方位的功能说明和使用介绍，相关案例都选择经济领域相关的常见内容。在应用分析篇，教材主要围绕会计、管理和金融三个主要应用领域，以相关专业知识为背景、以实际技术融合案例为导向，介绍了相关Python经济金融数据分析与决策的实现方法。作者联系邮箱为：​​leeshuqing@163.com​​​​​。《Python经济金融数据分析与决策》已由清华大学出版社出版。]]></description><category></category></item><item><title><![CDATA[《人工智能导论》已经出版]]></title><link>https://blog.youkuaiyun.com/leeshuqing/article/details/152889491</link><guid>https://blog.youkuaiyun.com/leeshuqing/article/details/152889491</guid><author>leeshuqing</author><pubDate>Fri, 10 Oct 2025 09:13:28 +0800</pubDate><description><![CDATA[过于浅显不免流于形式，过于深奥又受众有限，如何将这些信息技术有效的呈现在非计算机类专业人员面前，并使得他们理解相关技术方法基本原理，从而更好的帮助他们使用这些新型信息技术，带着这些思考，结合这几年陆陆续续出版几部教材的经验，也得到了高等教育出版社的热心鼓励，作者完成了这部教材的编撰。本教材不仅注重对人工智能知识的介绍，而且更强调人工智能相关应用和工具软件的使用方法，力求使得读者能够学有所用，在实践应用中加强对相关理论知识的理解。作者联系邮箱为：​​leeshuqing@163.com​​​​​。]]></description><category></category></item><item><title><![CDATA[《Python程序设计及财经应用》已经出版]]></title><link>https://blog.youkuaiyun.com/leeshuqing/article/details/152886867</link><guid>https://blog.youkuaiyun.com/leeshuqing/article/details/152886867</guid><author>leeshuqing</author><pubDate>Fri, 10 Oct 2025 08:51:53 +0800</pubDate><description><![CDATA[同时，还提供了包括“思政一点通”“编程秘籍”和“财经信息素养”等在内的扩展阅读章节，方便读者在学习之余，从更为宏观和综合的角度来思考相关知识点的特点和学习的意义。在内容编撰方面，本书以 Python 基础为主，结合全国计算机等级考试二级 Python 语言程序设计考试大纲和 Python 应用的特点，重点围绕基本语法、数据类型、控制语句、函数模块等较为全面地介绍了 Python 的编程知识，读者在学习后可以完成常见的 Python。），实现读者互动和内容及时更新，以增强读者多方面了解相关专业知识的便捷性。]]></description><category></category></item><item><title><![CDATA[AI编程方法案例：kNN协同过滤算法实现]]></title><link>https://blog.youkuaiyun.com/leeshuqing/article/details/152271684</link><guid>https://blog.youkuaiyun.com/leeshuqing/article/details/152271684</guid><author>leeshuqing</author><pubDate>Mon, 29 Sep 2025 16:22:56 +0800</pubDate><description><![CDATA[现有Movielens100K数据集，分别有四个列，分别为UID（用户号）、MID（电影号）、rating（评分）、timestamp（时间戳），要求使用标准传统基于用户的协同过滤方法，首先使用皮尔逊系数计算用户之间的相关性，并使用该相关性取前20个最相关用户作为邻居，以当前用户邻居对预测项目的评分和相关性加权之和来得到当前用户对预测项目的评分，并倒序得到推荐项目列表。这是用户评分数据，请给出代码。此时可以生成正常运行的代码，但是性能非常差，由于需要给出每个用户的推荐结果，因此运行时间非常漫长。]]></description><category></category></item><item><title><![CDATA[AI编程方法第六弹：高效编码离不开编程者经验引导]]></title><link>https://blog.youkuaiyun.com/leeshuqing/article/details/147535283</link><guid>https://blog.youkuaiyun.com/leeshuqing/article/details/147535283</guid><author>leeshuqing</author><pubDate>Sat, 26 Apr 2025 14:50:02 +0800</pubDate><description><![CDATA[因此，合理的引导提示AI编程工具进行编程，才能写出更为合理高效的代码，这在一定程度上也说明AI编程并不意味着编程人员无需再学习编程，相反，熟练的编程人员才会更好的引导AI快速实现高效的代码。该代码相较于以前，确实已有改进，采用了滑窗切片的for循环实现了有效的简化处理，但是其自动去除了连续输入的功能，后期还需要自己替换上去。这次我们会发现AI灵巧的使用了一个NumPy的卷积函数convolve，自动实现了for循环的滑窗切片，具体对该函数的了解可以直接询问AI。请不要使用函数，去除main代码。]]></description><category></category></item><item><title><![CDATA[AI编程方法案例：决策树的生成]]></title><link>https://blog.youkuaiyun.com/leeshuqing/article/details/147411646</link><guid>https://blog.youkuaiyun.com/leeshuqing/article/details/147411646</guid><author>leeshuqing</author><pubDate>Tue, 22 Apr 2025 10:50:21 +0800</pubDate><description><![CDATA[③AI编程工具在整个开发过程中的应用面很广，再如对于表格数据，据此得到X特征列表，编写工作量既大又容易出错，可以在附加数据内容后使用提示词“将下面数据转换为一个Python的二维列表”即可自动生成Python列表代码。如果要得到纯粹的文本说明，还可以使用提示词“使用200字的汉字、不使用任何公式和字母来描述gini_impurity实现思路”等等，都可以取得良好的效果。②实现最佳分割点，通过遍历每个特征所有可能的分割点，计算每个分割点的基尼不纯度，并选择基尼不纯度最低的分割点作为最佳分割点。]]></description><category></category></item><item><title><![CDATA[AI编程方法第五弹：测试很重要]]></title><link>https://blog.youkuaiyun.com/leeshuqing/article/details/147339017</link><guid>https://blog.youkuaiyun.com/leeshuqing/article/details/147339017</guid><author>leeshuqing</author><pubDate>Fri, 18 Apr 2025 19:41:23 +0800</pubDate><description><![CDATA[事实上，造成这一问题的原因很简单，AI复制文本生成代码时，并没有完整的复制全部内容，导致代码中文档包含的单词次数并不对。其中TF是指词频，即文档中包含词语的个数，IDF是指倒文档频率，计算公式为：IDF=log(N/n(i)) 其中N表示文档总数，n(i)表示含有关键词i的文档总数。对于代码工作，细心的测试工作不必可少，甚至在将大部分代码开发工作转移过去的同时，留给我们的更多工作就是仔细测试AI生成的代码，确保其质量和效果。利用上面的TF和IDF，通过乘积，计算每个词语在每个文档句子中的TF-IDF权值。]]></description><category></category></item><item><title><![CDATA[AI编程方法案例：PageRank算法实现]]></title><link>https://blog.youkuaiyun.com/leeshuqing/article/details/146350981</link><guid>https://blog.youkuaiyun.com/leeshuqing/article/details/146350981</guid><author>leeshuqing</author><pubDate>Tue, 18 Mar 2025 20:13:50 +0800</pubDate><description><![CDATA[请根据标准的PageRank算法思路，无需考虑阻尼系数，具体方法是对于每个网页权值初始设为0.2，在第一轮迭代中，如果有其他网页指向，就将其权值累加过来，但是该累加值会被其他链入网页的出度均分，最后每个网页再将自身的权值和其他链入网页传入的权值累加，并最终以全部网页权值总和做分母规范化所有权值，完成第一轮迭代，再进行第二轮迭代，方法同前，反复进行，直到先后两次迭代同一网页的权值差值小于0.00001即可停止迭代，最后输出最终全部网页的权值。网页2有2个链接指向网页1和网页3，网页1有1个链接指向网页2，]]></description><category></category></item><item><title><![CDATA[AI编程方法第四弹：向它提问]]></title><link>https://blog.youkuaiyun.com/leeshuqing/article/details/146160184</link><guid>https://blog.youkuaiyun.com/leeshuqing/article/details/146160184</guid><author>leeshuqing</author><pubDate>Mon, 10 Mar 2025 17:58:10 +0800</pubDate><description><![CDATA[和传统搜索引擎一样，AI编程工具也是一种很好的信息检索工具。不同于搜索引擎，AI编程工具是直接生成最终的答案，而且可以采取自然语言提问的方式。但是不可否认一点，我们不能完全迷信它的结果，大语言模型存在幻觉的可能性，尤其对于一些较为罕用的方法。比如对于问题“汉字最小的Unicode编码是多少”，在AI编程工具给出答案后，可以直接提问为“”，更为合理的方法是通过建议它生成有效的测试代码来观察其真正的合理性。1）可以尝试多种不同的AI编程工具来提示，大多数相同的答案应该合理。]]></description><category></category></item><item><title><![CDATA[AI编程方法第三弹：让它改错]]></title><link>https://blog.youkuaiyun.com/leeshuqing/article/details/146160061</link><guid>https://blog.youkuaiyun.com/leeshuqing/article/details/146160061</guid><author>leeshuqing</author><pubDate>Mon, 10 Mar 2025 17:51:11 +0800</pubDate><description><![CDATA[很多情况下，我们自己还是可以完成代码的，不过会遇到很多错误。在发生错误时，可以充分利用AI编程工具帮助我们调试错误，加快处理速度。当然，对于初学者并不建议，还是等自己掌握了基础知识，再去考虑智能化处理：）运行时输入了“a”，结果显示错误为：ValueError: invalid literal for int() with base 10: 'a'可以直接将代码和错误信息完整的构造成一个提示词来询问。该提示词综合使用了多种提示技巧，比如增加了角色扮演“”，同时在内容上尽可能的详细和完整，实际效果较好。]]></description><category></category></item><item><title><![CDATA[AI编程方法第二弹：边提问边调整]]></title><link>https://blog.youkuaiyun.com/leeshuqing/article/details/146158683</link><guid>https://blog.youkuaiyun.com/leeshuqing/article/details/146158683</guid><author>leeshuqing</author><pubDate>Mon, 10 Mar 2025 17:42:10 +0800</pubDate><description><![CDATA[让用户输入一个整数长度，在“Python”中各个字符之间填充空格，使得总体字符串长度等于或者接近于输入的整数长度，请不要超过10行代码，使用字符串join函数来实现该功能，不必考虑输入数值小于现有字符串长度等特殊情况处理，如果空格分配导致整体长度也并不完全符合要求也行，不要使用任何自定义函数、循环遍历等复杂操作，力求代码简化。不过，该代码虽然略显复杂，但是稳健性更强，可以适应诸如输入数值小于现有字符串长度等特殊情况的处理，其主体逻辑功能基本一致。对于这样一个问题，初始的用户提问可能是“]]></description><category></category></item><item><title><![CDATA[AI编程方法第一弹：基本提问方法]]></title><link>https://blog.youkuaiyun.com/leeshuqing/article/details/146078554</link><guid>https://blog.youkuaiyun.com/leeshuqing/article/details/146078554</guid><author>leeshuqing</author><pubDate>Thu, 06 Mar 2025 19:49:46 +0800</pubDate><description><![CDATA[再如如果问题有所变化，要求让用户输入两个数的加法计算式，如“1+2=”，并输出最终的加法计算式及其结果，如“1+2=3”。让用户输入两个数的加法计算式，如“1+2”，并输出最终的加法计算式及其结果，如“1+2=3”，请只使用字符串自带函数实现。让用户输入两个数的加法计算式，如“1+2=”，并输出最终的加法计算式及其结果，如“1+2=3”，请只使用字符串切片实现。功能是让用户输入两个数的加法计算式，如“1+2=”，并输出最终的加法计算式及其结果。我们从一个最简单的Python程序开始。]]></description><category></category></item><item><title><![CDATA[关于2023新版PyCharm的使用]]></title><link>https://blog.youkuaiyun.com/leeshuqing/article/details/146034350</link><guid>https://blog.youkuaiyun.com/leeshuqing/article/details/146034350</guid><author>leeshuqing</author><pubDate>Wed, 05 Mar 2025 10:01:02 +0800</pubDate><description><![CDATA[一是修改代码后运行发现没有变化，这极可能是建立了多个Python文件，要注意观察当前运行的文件是否为当前正在编辑的文件。先安装Python解释器，即python-3.11.4-amd64.exe，在出现下面界面时，点选最下方的“Add python.exe to PATH（添加python.exe到快捷路径中）”，这一步切记要做！在首次启动后出现的界面中，可以进行诸如设置主题、安装插件和新建项目等操作。其中新建项目时，可以注意到默认选择的Python解释器，必要时也可以进行更换所需的其他版本。]]></description><category></category></item><item><title><![CDATA[使用Flux以文生图]]></title><link>https://blog.youkuaiyun.com/leeshuqing/article/details/142277241</link><guid>https://blog.youkuaiyun.com/leeshuqing/article/details/142277241</guid><author>leeshuqing</author><pubDate>Sun, 15 Sep 2024 08:54:28 +0800</pubDate><description><![CDATA[其中有flux1-schnell.safetensors文件，下载后放入ComfyUI解压目录ComfyUI/models/unet文件夹中，ae.safetensors放入ComfyUI解压目录ComfyUI/models/vae文件夹中。t5xxl_fp16.safetensors，下载后放入ComfyUI解压目录ComfyUI/models/clip文件夹中。下载后放入ComfyUI解压目录ComfyUI/models/checkpoints文件夹中。4）下载ckpt推理文件（很多说明没有介绍）]]></description><category></category></item></channel></rss>