- 博客(9)
- 收藏
- 关注
RSS订阅原创 【无标题】
本文总结了华为机试必刷题库中的6道题目，涵盖了字符串处理、数组排序、进制转换和质数分解等算法基础题型。每道题都包含题目链接、考点分析和解题思路，并提供了C++代码实现。其中HJ1考察字符串处理，HJ2涉及字符统计大小写转换，HJ3演示数组去重排序，HJ4展示字符串分割补零技巧，HJ5讲解16进制转10进制方法，HJ6介绍质因数分解算法。这些题目难度适中但涵盖广泛，适合算法入门练习。
2025-10-06 09:38:52
629
原创 逻辑回归实践
本文介绍了基于逻辑回归的图片分类方法，以识别猪图片为例。首先通过爬虫从百度图片获取猪、猫、狗的原始图片数据，并进行筛选和标准化处理（64×64像素）。然后使用Python将图片转为numpy数组并保存为HDF5格式数据集。接着构建逻辑回归模型，包括sigmoid函数、损失计算、梯度下降等核心组件。实验结果表明，该方法在训练集上能达到较好的分类效果。文章完整展示了从数据采集、预处理到模型构建和训练的全过程，为图像分类任务提供了一个基础实现方案。
2025-10-06 02:03:17
480
原创 MINIST——SVM
本文研究了基于SVM的手写数字识别方法，使用MNIST数据集进行实验。首先对原始数据进行预处理，包括像素级统计分析、数据展平、特征缩放和数据裁剪。然后训练了三种核函数的SVM模型（线性核、多项式核和高斯核），并通过混淆矩阵和ROC曲线评估性能。实验结果表明，高斯核SVM达到最高准确率93.1%。研究分析了不同核函数的适用性，指出高斯核最适合处理这种非线性数据，同时提出未来可探索深度学习方法以进一步提升性能。该研究为手写数字识别提供了有效的SVM实现方案，并明确了优化方向。
2025-10-06 01:59:19
827
原创 DNN深度神经网络的参数、结构对比
本文研究了神经网络参数对模型性能的影响，主要包括网络层数、隐含层神经元数量、激活函数和超参数选择四个方面。实验结果表明：1）增加网络深度会减缓收敛速度但能提高准确率；2）隐含层神经元数量增加能提升模型性能；3）ReLU激活函数比Sigmoid具有更好的稳定性和效果；4）学习率需要合理设置，过大过小都会影响收敛效果，而增加迭代次数通常能提升模型表现。这些发现为神经网络的结构设计和参数调优提供了实践指导。
2025-10-06 01:51:44
935
原创 最新，anaconda+Pytorch+Pycharm+jypyterlab深度学习环境搭建！
一定要看的前言：授人以鱼，不如授人以渔。技术飞速发展，许多教程都会过时，我们个人博客记录只是一时，我们不能看2018年的文章来安装2024年版本的东西，会很不一样。所以我们一切要去看官方维护的文档，官方文档会及时更新，学会看这个文档对每个IT人都有好处！
2024-01-11 11:18:04
1535
4
原创 算法笔记 基本数据结构 线性表，可用于严卫敏数据结构c语言版的代码实验！
Macre算法系列笔记是综合严卫敏《数据结构（c语言版）》书籍，以及考研408辅导讲义--王道408计算机考研的内容上，结合罗永浩《算法竞赛》内容，加强编码能力和解决问题的实践能力。感谢以上所提及的个人和机构对计算机教学领域做出的杰出贡献。（应该在有一定编程语言和调试能力下尽量去coding和调试！）。
2024-01-06 17:22:27
548
原创 Python ：MNIST手写数据集识别 + 手写板程序 最详细，直接放心，大胆地抄！跑不通找我，我包教！
利用Python语言编写和调试一个识别手写数字图像的三层深度前馈网络，包括数据预处理，网络模型构建，模型参数初始化和正向推理，反向梯度下降参数寻优，最后模型预测的功能。目的是学会基本的深度网络模型建立、训练和推理过程，理解深度网络的实现原理。
2023-03-03 22:43:36
33179
108
原创 算法竞赛进阶指南 萌新入门！
作为一个想要入坑的算法的小白，期间遇到了很多坑，每个人的水平都是不同的，我很羡慕那些可以看懂算法导论的那些大佬，真的真的！但是我看不懂，嘿嘿。也羡慕那些，高中的早早接触这类比赛的收获了非常非常多经验的大佬。上了大学本着对计算机的热爱报了计算机，被调剂了，然后转专业后，慢慢接触到算法这一个领域，加上自己编程基础薄弱，但是也不想放弃，为自己开一坑，在此做下笔记。 对本书作者 李煜东 致谢之后会对acwing，算法竞赛入门，挑战 开坑😙 本书主要根据CCF-NOI信息学奥林匹克竞赛涉及的知识体系。
2022-09-25 15:14:59
2910
8
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