- 博客(11)
- 收藏
- 关注
RSS订阅原创 如何做好一份技术文档？——让开发者和用户都爱读的实用指南
技术文档需精准定位读者（开发者详实/用户简练），采用标题→快速开始→FAQ结构，嵌入代码示例和架构图。语言简洁主动，持续更新。好文档可降低50%沟通成本，是项目核心资产而非附属品。记住：写半小时文档，省十小时答疑！
2025-05-30 16:16:42
1089
原创 python-opencv人脸识别实战项目（模型训练）
model.yml—— 训练好的人脸识别模型（存储了学习到的特征）names.pkl—— 人名对照表（记录每个编号对应谁，比如0: "ldh（刘德华）"现在，你的电脑已经能"记住"这些人脸了！检测人脸（用Haar级联），用model.yml识别是谁，显示名字（从names.pkl查表）
2025-05-30 15:09:33
1069
1
原创 关于pip安装opencv库等常用库超时的解决办法
【摘要】本文介绍了使用国内镜像源加速pip安装Python库的方法。推荐使用清华源(-i https://pypi.tuna.tsinghua.edu.cn/simple)或阿里云源(-i https://mirrors.aliyun.com/pypi/simple/)替代默认源，只需在pip install命令后添加对应参数即可大幅提升下载速度。文中以opencv-contrib-python安装为例展示了具体用法，并指出可根据地区网络情况灵活切换镜像源。该方法有效解决了因网络问题导致的安装失败或等待时间
2025-05-30 14:44:22
344
原创 python-opencv人脸识别实战项目（图像收集）
本文介绍了一个基于Python-OpenCV的人脸数据采集程序。程序通过摄像头实时捕捉视频流，使用Haar级联分类器检测人脸，并允许用户按C键拍照保存人脸图像。主要功能包括：为每个用户创建独立文件夹；支持采集20张人脸照片；实时显示检测框；提供操作提示和异常检测（多人/无人脸情况）；支持中途退出。所有照片按人名分类保存到dataset目录下，为后续人脸识别系统提供训练数据集。程序通过简单的交互设计，实现了高效的人脸数据采集功能。
2025-05-29 22:53:05
1561
1
原创 用随机森林算法做手写数字识别
我们之前用随机森林算法做了一个简单的案例，判断天气是否适合出去玩，今天我们使用最经典的手写数字数据集来做一个数字识别预测。
2024-09-30 21:47:11
1222
原创 简单的XGBoost案例
XGBoost（Extreme Gradient Boosting）是一个高效的开源机器学习库，广泛应用于结构化数据的分类和回归问题。
2024-09-29 22:59:04
1550
原创 简单的随机森林案例
随机森林适合用于特征复杂、数据量大、噪声存在且需要稳健性能的分类或回归任务，下一次我们将找一个大一点复杂一点数据集来进行测试。
2024-09-27 21:51:52
1192
原创 简单的决策树案例
做完了线性回归和逻辑回归案例之后，我们这次做一个简单的决策树案例，首先我们先来看看这三者之间有什么联系和区别：任务类型： 线性回归：用于回归任务，预测连续变量。例如，预测房价、温度等。 逻辑回归：用于二分类任务，预测类别标签（0/1）。例如，预测某个客户是否会购买产品。 决策树：可以用于分类任务，也可以用于回归任务。分类任务中输出类别（如是否游玩），回归任务中输出连续值（如房价预测）。模型结构： 线性回归：线性模型，其形式是线性函数：
2024-09-26 15:38:33
2712
2
原创 简单的逻辑回归案例
10：实际类别为0的样本中，有10个被正确预测为类别0（真正例 TP）。0：实际类别为0的样本中，没有被错误预测为类别1（假正例 FP）。0：实际类别为0的样本中，没有被错误预测为类别2（假正例 FP）。0：实际类别为2的样本中，没有被错误预测为类别0（假负例 FN）。0：实际类别为2的样本中，没有被错误预测为类别1（假负例 FN）。0：实际类别为1的样本中，没有被错误预测为类别0（假负例 FN）。0：实际类别为1的样本中，没有被错误预测为类别2（假正例 FP）。：实际为正类中被正确预测为正类的比例。
2024-09-25 18:08:20
1304
1
原创 简单的线性回归算法案例
y_pred = model.predict(X_test): 这个函数将使用训练好的线性回归模型对测试集特征X_test进行预测，返回预测的目标值y_pred。这里创建了一个LinearRegression类的实例，并将其赋值给变量model，model将用于训练数据、进行预测以及评估模型性能。X_train是训练集的特征数据，通常是一个二维数组或数据框，每一行表示一个样本，每一列表示一个特征。y_train是训练集的目标变量，也就是你想要预测的值，通常是一维数组或系列。越小，表示模型的预测效果越好。
2024-09-25 14:15:49
601
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人