m0_67405031的博客

原创 DEV C++ 6.7.2 版本安装软件，共享在wps云文档中，拿走不谢哈！

DEV C++安装软件，c初学者非常好用的编辑器，拿走不谢哈

原创 anaconda 、jupyter notebook安装问题笔记

原创 C++程序设计教程 第三版 钱能著

# 一、 c语言发展历程至今，C语言仍然是世界上最流行且广泛应用的编程语言之一，尤其在系统软件开发、嵌入式系统、设备驱动等领域有着不可替代的地位。二、c语言特点：C语言拥有较少的关键字，仅包含32个左右的关键字，加上简洁的语法结构，使得程序编写起来较为精炼，易于阅读和理解。同时，它的源代码紧凑，减少了不必要的冗余。：C语言允许用户直接访问物理地址和进行位操作，这使得它既能进行底层系统编程，又能进行较高层的应用开发，灵活性极高。：C语言编译生成的目标代码效率接近汇编语言，运行速度快，占用资源相对较少。

原创 Leedcode day 01 学习笔记

Leedcode基础学习笔记day01

原创 Djiango后端开发入门学习之task05--Router功能理解及应用(含@action应用)

对djangoj架构下Router功能及应用进行了介绍，并结合filter,serializers功能实用，进行了路由配置程序测试。

原创 Djiango后端开发入门学习之task04--serializers（序列化器，准确说是数据类型转化器）及应用

介绍了Django中数据的序列化应用，包括一个字段、多个字段、全部字段和带外键字段情况

原创 科研论文配图的绘制与配色基础学习笔记01

该笔记是datawhale平台开展的共读《科研论文配图绘制指南–基于Python》学习内容开展的笔记。开源内容：https://github.com/datawhalechina/paper-chart-tutorial。

原创 Djiango后端开发入门学习之task03--QuerySet,Instance和APIView

models.py本文根据datawhale做的学习笔记。

原创 Django 入门之task02 数据表字段定义、外键使用、数据库迁移和后台管理

在前一篇博客中介绍Django入门的学习的task01:虚拟环境构建和空表的创建。这次在此基础上，重点理解和分析了与数据库紧密相关的models.py的功能、字段定义和应用），以及表之间链接的外键功能和应用，数据表创建以及后台管理方法。最后给出一个编程实例进行测试。

原创 Django4.2入门之task01: 搭建虚拟环境和项目以及构建数据表

针对django后端入门初学者，基于vscode编译环境，介绍了虚拟环境创建、第三方包安装、项目架构和应用架构创建以及虚拟数据表创建的思路和实现过程。

原创 ImportError: cannot import name ‘parula‘ from ‘＜unknown module name＞‘ (unknown location)解决及cmap正确使用

python3.8版本以上，就可能出现一些函数调用和以前版本不一致问题。这里针对matplotlib.pyplot中绘图导入colormaps出现的某一具体问题，给出了调试方法。

原创 机器学习之支持向量机的思想及Python编程实现

1957年，Rosenblatt提出感知机，可以实现线性样本二分类。感知机作为机器学习第一个架构提出，在机器学习中具有里程碑地位。然而感知机学习出的模型是否属于最优模型的问题却没有解决。此外，基于当时计算机水平发展限制、Minsky的巨大影响以及人们对Perceptrons书中论点的误解等，导致人工神经网络发展长期处于停滞阶段。在这一背景下，一种功能强大、实现简单的支持向量机的出现，推动了机器学习在分类问题上的持续发展，是机器学习中的一种非常经典和具有坚实数学理论为基础的强大算法。

原创 资料网址汇总

人工神经网络（artificial neural network, ANN）是模拟人脑神经系统继承乢实现人工智能途径。

原创 人工神经网络之感知机架构、算法及python编程实现

人工神经网络（artificial neural network, ANN）是模拟人脑神经系统实现人工智能的一种途径。

原创 机器学习之决策树模型

介绍决策树模型构建思想，给出了调用sklearn库的基于信息熵和基尼指数为指标的决策树的构建和测试。

原创 [机器学习笔记及编程实现]--线性模型之线性判别分析(Linear Discriminant Analysis，LDA)

LDA方法是经典二分类的线性学习方法，最早有Fisher,1936年提出，也称Fisher判别方法（Fisher称为统计学方面的鼻祖）。其直观朴素的思想通过下图清晰表达了出来：可以看出：将所有样本数据全部投影到一维坐标轴上（即直线模型上）。可以看出，LDA是将高维降低到一维空间的分类方法。虽然目前该类方法运用很少，但是，该方法思想的基础性和启发性使得该方法具有在分类问题上，具有一定的里程碑地位。具体推导公式推导需要有一定数学基础，有兴趣同学可以可参加周志华《机器学习》p60-63页。

原创 anaconda-navigator s升级中遇到的常见错误处理以及解决办法（亲测成功）

参考博客 ：（Anaconda Navigator更新_Anaconda详细教程：https://blog.youkuaiyun.com/weixin_43976257/article/details/114478346并着手执行以下第一条命令：conda update conda出现：RemoveError: ‘requests’ is a dependency of conda and cannot be removed from conda’s operating environment.参考以下博客“[已解决

原创 （广义）线性回归及对数几率（也称逻辑回归）的程序实现

介绍了线性归回、模型容量以及广义线性回归模型，着重分析了对数几率回归（逻辑回归）模型并给出编程实现

原创 【机器学习西瓜书第二章模型评估与选择学习笔记和习题探讨】

梳理对比了机器学习数据集中训练集与测试集分配策略，性能估计方法、比较检验以及泛化性能的解释方法。

原创 《机器学习》西瓜书绪论学习笔记

周志华《机器学习》西瓜书之01 绪论的学习笔记