- 博客(28)
- 收藏
- 关注
RSS订阅原创 PyTorch 搭建 CNN 实现 MNIST 手写数字识别
我们继承nn.Module# 卷积层 + 池化层self.conv1 = nn.Conv2d(1, 32, kernel_size=3, stride=1, padding=1) # 输入通道1 → 输出通道32# 最大池化，池化核大小kernel_size=2 和 步长stride=2self.conv2 = nn.Conv2d(32, 64, kernel_size=3, stride=1, padding=1) # 输入通道32 → 输出通道64# 全连接层。
2026-03-01 20:17:42
1116
原创 一文读懂支持向量机（SVM）：原理、实战与核心调参
摘要：SVM是一种基于间隔最大化的分类算法，通过寻找最优超平面实现分类。其核心思想是让超平面到两侧最近样本点的距离最大化，提升泛化能力。关键技术包括软间隔（处理噪声）和核函数（解决线性不可分问题）。SVM适用于小样本、高维数据，具有理论严谨、解释性强的优点，但对参数敏感且不适用于大规模数据。通过鸢尾花数据集案例展示了SVM的线性分类效果，可视化呈现了最优超平面、间隔带和支持向量。
2026-02-27 20:41:12
1216
原创 【随机森林】：双重随机 + Bagging 思想
集成学习是将多个基学习器（基础模型）进行组合训练，最终形成一个强学习器的机器学习方法，核心思想是“三个臭皮匠，顶个诸葛亮”——通过多个简单模型的协同，实现比单一模型更优越的学习性能。随机森林是以决策树为基分类器的Bagging集成模型，通过对训练数据和特征进行双重随机采样，构建多棵相互独立的决策树，最终通过多数投票（分类任务）或均值（回归任务）得到模型输出。其核心是“随机”+“森林”：随机保证了树与树之间的独立性，森林则代表由多棵决策树组成的集成模型。
2026-02-09 22:48:03
1102
原创 决策树之回归树：核心知识点与实操指南
属于典型的有监督学习。决策树的结构包含三类核心节点：根节点：整个树的第一个判断节点，是所有数据的入口；非叶子节点：中间的特征判断节点，负责数据的分枝；叶子节点：最终的结果节点，回归树的叶子节点为，分类树的叶子节点为。
2026-02-09 21:20:53
1348
原创 【MySQL】表和列、增删改查语句及数据类型约束详解
查询、操纵、定义、控制关系型数据库，对应的语言分类为DQL、DML、DDL、DCL，是MySQL操作的核心语法体系。
2026-02-08 20:58:01
1496
1
原创 【PyTorch】入门实战：0-9手写数字识别
PyTorch通过nn.Module# 设备自动选择（优先GPU，其次MPS，最后CPU）super().__init__() #父类初始化self.flatten = nn.Flatten() # 展平层：将28*28图片转为一维向量（784个特征）self.hidden1 = nn.Linear(28*28, 128) # 全连接层：接收784 → 输出128self.hidden2 = nn.Linear(128, 256) # 全连接层：接收128 → 输出256。
2026-02-06 20:15:42
1229
原创 决策树三大核心算法详解：ID3、C4.5与CART
对于样本集合D，基尼系数公式：二分类场景下简化为：$$Gini(D) = 2p(1-p$$（p为某类样本占比）
2026-02-05 09:52:23
1426
原创 机器学习不平衡数据处理三招：k折交叉验证、下采样与过采样实战
k折交叉验证（k-fold Cross Validation）是一种可靠的模型评估方法，核心逻辑是把训练集平均分成k份，轮流用其中k-1份训练模型，剩下1份做验证集，重复k次后取k次评估结果的平均值作为最终得分。这就像多轮模拟考试，避免了单次拆分数据导致的“运气成分”，让模型性能评估更客观。
2026-02-04 20:07:33
1245
原创 【深度学习】：从神经网络到AI大模型的核心逻辑
深度学习（DL, Deep Learning）并非凭空出现的技术，而是，本质是人工智能的“子领域”。它的核心灵感来自人类大脑的神经元网络，通过模拟人脑处理信息的方式，让计算机具备自主学习的能力。：以“神经元”为基本单元，通过节点间的连接传递信号，模拟生物神经的工作模式；：区别于传统机器学习，深度学习的神经网络包含多层隐藏层，能自动从数据中提取“浅特征→深特征”（比如从图像的像素点，逐步学习到边缘、形状、物体轮廓）；：通过计算预测误差，反向调整网络中的参数，让模型越学越准。如今，深度学习已在。
2026-02-03 22:26:37
1458
原创 【逻辑回归】：从模型训练到评价
线性回归的核心是在N维空间中寻找线性函数（如y=kx+b）拟合连续型标签数据，其输出是无限区间的连续值。，从而将连续值转换为概率，实现分类任务。
2026-02-02 20:36:26
1034
原创 【HTML】核心标签与【Python爬虫库】实战指南
技术核心用途适用场景div标签网页布局、内容分组所有网页开发表格标签结构化数据展示成绩表、商品参数、报表requests库静态网页爬取、接口请求无动态渲染的网页、API数据获取get()函数获取网页/文件资源搜索、数据查询post()函数提交表单/JSON数据登录、修改信息、数据上传会话（Session）维持登录状态需登录后访问的页面/接口selenium库动态网页爬取、模拟用户操作JavaScript渲染的网页、自动化测试。
2026-01-30 21:10:01
1435
原创 【线性回归】与【逻辑回归】实战解析
线性回归的本质的是，从而预测一个连续的输出值。数学公式：y：待预测的连续值X1,X2,...Xn：输入特征θ0：截距项θ1,θ2,...,θn：特征系数算法的目标，就是通过数据训练出最优的 θ 值，让预测值和真实值的误差最小。
2026-01-28 20:39:35
1193
原创 Python 高效操作文件与 HTML 网页基础入门
Python的os库和sys库是与操作系统交互的核心工具，能轻松实现程序启动、文件执行、系统信息查询等功能，是办公自动化的“利器”。
2026-01-27 21:18:17
1261
原创 【KNN 算法】Python 实现与大学室友智能匹配
KNN的全称是K近邻算法，堪称机器学习中“最朴素的智慧”。。具体来说，对于一个需要预测的新数据，KNN会在已有的数据集中，找到与它“距离最近”的K个数据（这K个就是“邻居”），然后看这K个邻居中大多数属于哪个类别（分类问题），或者取这K个邻居的平均值（回归问题），以此作为新数据的预测结果。
2026-01-26 20:23:34
946
原创 【Shell编程】：命令、流程控制、函数与输入输出重定向
两种定义方式（带function# 方式1：带function关键字action] # 可选返回值（0~255）# 方式2：省略functionaction无return时，默认返回最后一条命令的执行结果（0成功，非0失败）函数必须先定义后使用，需放在脚本开头。
2026-01-25 20:28:28
833
原创 【Python零基础】正则表达式与操作文件
正则表达式是处理字符串的强大工具，配合Python的re库，能实现匹配、提取、替换等多种操作，尤其适合日志解析、数据清洗等场景。
2026-01-23 21:01:27
1026
原创 【零基础学Python】Pandas、DataFrame与Matplotlib实战指南
DataFrame是一种二维表格型数据结构，类比Excel表格、SQL数据表，由行索引（index）、列索引（columns）和数据值（values）三部分组成，能灵活添加、删除行/列。CSV是纯文本表格格式，读取时使用`pd.read_csv()`函数，可指定编码格式、表头位置等参数。对于自定义分隔符的TXT文件，使用`pd.read_table()`函数（默认分隔符为制表符`\t`）通过`isnull()`检测缺失值，再通过`fillna()`填充或`dropna()`删除。
2026-01-22 10:16:39
548
1
原创 【Python的基石工具】深入浅出NumPy
工欲善其事，必先利其器。安装完成后，在Python脚本中通过导入即可使用，np是NumPy的常规别名，便于代码书写和阅读。
2026-01-21 21:45:58
1098
原创 【Linux】Shell编程运行、变量、传递参数、字符串、数组、运算符
本文介绍了Shell脚本的基础知识，包括创建脚本文件、运行方式以及基础语法。主要内容涵盖：1）变量定义和使用规则，包括字符串拼接、截取方法；2）数组的定义和操作，包括普通数组和关联数组；3）各种运算符的使用，包括算术运算符、关系运算符、布尔运算符等。文章详细说明了Shell脚本中变量赋值、字符串处理、数组操作的具体语法规则，并指出使用时的注意事项，如运算符与表达式之间必须留有空格等要求。这些基础知识为编写Shell脚本提供了必要的语法参考。
2026-01-20 22:09:07
963
原创 【Linux】基本功能、基础命令、常用工具
在指定范围行加"#"注释，可以使用 ":起始行，终止行 s/^/#/g"，例如：表示在第 1~10 行行首加"#"注释。"^"意为行首；"g"表示执行替换时不询问确认。如果希望每行交互询问是否执行，则可将 "g" 改为 "c"。取消连续行注释，则可以使用 ":起始行，终止行s/^#//g"，例如：意为将行首的"#"替换为空，即删除。
2026-01-18 20:38:06
670
原创 【Linux】Xshell、Xftp安装与编辑命令
输入以下命令，关闭图形化界面，然后输入reboot重新开机。重新开机后要重新登录，输入自己的用户名和密码。然后就可以直接输入命令了。这里不要关闭，方便后面连接。
2026-01-16 19:31:08
1117
原创 【Typora】保姆级安装教程！
（2）输入 node_inject.exe 按回车，我这里已经安装过了。（1）输入 cd C:\Program Files\Typora （C盘默认路径） 按回车，跳转到。（3）输入 license-gen.exe 按回车，等待显示序列号。点击finish，下面这个勾选表示立即启动程序，可以不选。如果 Typora 安装在 D 盘或其他盘，需要先输入。若因网络原因出现错误提示，点击确认即可，无需担心。接着，将下载的工具压缩包解压，您会看到两个。文件复制到 Typora 的安装目录下。点击所有用户都可安装。
2026-01-16 19:29:24
487
1
原创 python语法入门、基本数据类型、程序控制语句与组合数据类型
，，开头的空格数量不能随意增减，因为，多一个或少一个空格都会导致程序无法运行。。
2026-01-13 22:34:22
904
原创 python、pycharm与Linux安装
项目位置可以自己选择，python解释器选择先前配置的解释器，点击右边的添加解释器，找到系统解释器，复制刚刚下载的python路径就可以找到。名称自定义，位置最好设置两个文件夹，第一个用来存放虚拟机，在此文件夹下再创建一个用来存放产生的文件。如果你已经安装了多个版本的python，可以修改电脑的环境变量，使3.9.7版本的路径置顶。配置好之后，就可以在左上角新建python文件了，简单运行结果如下图所示。新建好之后就可以配置了，右击虚拟机选择设置，首先要移除打印机和声卡。首先打开安装包，然后新建虚拟机。
2026-01-12 20:58:27
554
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人