<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[魔芋小灰菜]]></title><description><![CDATA[学习 交流  分享]]></description><link>https://blog.youkuaiyun.com/u014185088</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; u014185088]]></copyright><item><title><![CDATA[Python环境管理和离线安装指南（粗糙版）]]></title><link>https://blog.youkuaiyun.com/u014185088/article/details/155094475</link><guid>https://blog.youkuaiyun.com/u014185088/article/details/155094475</guid><author>u014185088</author><pubDate>Fri, 21 Nov 2025 10:01:33 +0800</pubDate><description><![CDATA[【代码】Python环境管理和离线安装指南（粗糙版）]]></description><category></category></item><item><title><![CDATA[Python环境管理和离线安装指南（粗糙版）]]></title><link>https://blog.youkuaiyun.com/u014185088/article/details/155094431</link><guid>https://blog.youkuaiyun.com/u014185088/article/details/155094431</guid><author>u014185088</author><pubDate>Fri, 21 Nov 2025 10:00:45 +0800</pubDate><description><![CDATA[【代码】Python环境管理和离线安装指南（粗糙版）]]></description><category></category></item><item><title><![CDATA[wireshark抓包并进行Eigrp网络协议分析]]></title><link>https://blog.youkuaiyun.com/u014185088/article/details/134372396</link><guid>https://blog.youkuaiyun.com/u014185088/article/details/134372396</guid><author>u014185088</author><pubDate>Mon, 13 Nov 2023 10:54:33 +0800</pubDate><description><![CDATA[​		EIGRP:Enhanced Interior Gateway Routing Protocol 即 增强内部网关路由协议。也翻译为。EIGRP是Cisco公司的私有协议（2013年已经公有化）。EIGRP结合了和的Cisco专用协议，采用弥散修正算法（）来实现快速收敛，可以以减少带宽的占用，支持Appletalk、IP、Novell和NetWare等多种网络层协议。该协议是一个内部网关协议。]]></description><category></category></item><item><title><![CDATA[记录一次bug：manager_pyplot_show = vars(manager_class).get(“pyplot_show“) TypeError: vars() argument must]]></title><link>https://blog.youkuaiyun.com/u014185088/article/details/129542692</link><guid>https://blog.youkuaiyun.com/u014185088/article/details/129542692</guid><author>u014185088</author><pubDate>Tue, 14 Mar 2023 23:29:06 +0800</pubDate><description><![CDATA[进入pycharm设置Settings | Tools | Python Scientific | Show plots in tool window关闭它。关闭后print(mpl.get_backend()) 打印的值为。]]></description><category></category></item><item><title><![CDATA[微信小程序反编译]]></title><link>https://blog.youkuaiyun.com/u014185088/article/details/125923164</link><guid>https://blog.youkuaiyun.com/u014185088/article/details/125923164</guid><author>u014185088</author><pubDate>Thu, 21 Jul 2022 23:32:37 +0800</pubDate><description><![CDATA[微信小程序反编译，提取微信小程序源代码]]></description><category></category></item><item><title><![CDATA[fiddler使用教程+抓包实践+filder抓包APP+HTTPS,PC微信小程序公众号抓包笔记，fidder插件]]></title><link>https://blog.youkuaiyun.com/u014185088/article/details/125919242</link><guid>https://blog.youkuaiyun.com/u014185088/article/details/125919242</guid><author>u014185088</author><pubDate>Thu, 21 Jul 2022 19:22:10 +0800</pubDate><description><![CDATA[fiddler抓包教程+APP抓包+微信小程序抓包]]></description><category></category></item><item><title><![CDATA[双人成行本地安装&X360ce模拟手柄教程&xpadder手柄模拟键盘鼠标]]></title><link>https://blog.youkuaiyun.com/u014185088/article/details/125880230</link><guid>https://blog.youkuaiyun.com/u014185088/article/details/125880230</guid><author>u014185088</author><pubDate>Tue, 19 Jul 2022 20:28:51 +0800</pubDate><description><![CDATA[由于手柄是杂牌，导致不能通过x360ce模拟两个手柄，在双人成行中，可以支持一个手柄和一个键盘。勾选后，游戏就可以正常打开并使用这个手柄了，同理添加另一个手柄一致，直接在另一个controller下就行。此时两个白色的框表示两个手柄，选择你要将键盘模拟成手柄的那个手柄。按键开关，会导致方向键和滚轮键同步，或者其他潜在的风险存在，要自行摸索。点击controller然后add设备，将手柄设备加入。保存后，点击确定，进入键盘和布局对应页面。在配置手柄时要注意，有的手柄是有。按照提示，将手柄按键一一对应。...]]></description><category></category></item><item><title><![CDATA[github访问不进去，浏览器证书不安全，访问失败，证书失效，证书颁发者为VMware，谷歌浏览器小bug]]></title><link>https://blog.youkuaiyun.com/u014185088/article/details/125620740</link><guid>https://blog.youkuaiyun.com/u014185088/article/details/125620740</guid><author>u014185088</author><pubDate>Tue, 05 Jul 2022 15:24:35 +0800</pubDate><description><![CDATA[你的电脑不信任此网站的安全证书、访问404。证书失效，颁发者是Vmware.edge://net-internals/#hsts删除该网站清楚浏览器缓存再次查询，如果还有就是删除失败，方法失效！按下win+r调出运行窗口,输入certmgr.msc,点击确定，找不到这个证书。导出这个证书，然后双击安装到受信任的站点下选择高级，找到下图。原因：vmware-hosted  开启了443的代理，导致所有的ssl请求被拦截到VM。关闭这个共享。解决成功！...]]></description><category></category></item><item><title><![CDATA[学习pytorch——了解深度学习一般框架]]></title><link>https://blog.youkuaiyun.com/u014185088/article/details/125067294</link><guid>https://blog.youkuaiyun.com/u014185088/article/details/125067294</guid><author>u014185088</author><pubDate>Tue, 31 May 2022 15:47:09 +0800</pubDate><description><![CDATA[学习pytorch——了解深度学习一般框架
python的安装–anaconda
1 下载anaconda
环境配置
Anaconda_Home
E:\dev\Anaconda3

path:
%Anaconda_Home%

%Anaconda_Home%\Library\bin

%Anaconda_Home%\Scripts

%Anaconda_Home%\Library\mingw-w64\bin

常用命令
查看所有虚拟环境： conda info -e
查看当前环境的包：conda list
]]></description><category></category></item><item><title><![CDATA[python实现EM聚类算法]]></title><link>https://blog.youkuaiyun.com/u014185088/article/details/125066889</link><guid>https://blog.youkuaiyun.com/u014185088/article/details/125066889</guid><author>u014185088</author><pubDate>Tue, 31 May 2022 15:40:47 +0800</pubDate><description><![CDATA[python实现EM聚类算法
实验结果

当前的分类概率参数：PI_1：0.33334922292091，PI_2：0.66665077707909
当前的分类值： [0 0 1 0 1 1 1 1 1]
分类1 ['T100' 'T200' 'T400']
分类2 ['T300' 'T500' 'T600' 'T700' 'T800' 'T900']

基于下面的数据，采用EM算法将下面的数据聚成2类


E步公式：

M步公式：
​                   
1 数据工程：
创建datase]]></description><category></category></item><item><title><![CDATA[数据结构笔记--王道]]></title><link>https://blog.youkuaiyun.com/u014185088/article/details/124796875</link><guid>https://blog.youkuaiyun.com/u014185088/article/details/124796875</guid><author>u014185088</author><pubDate>Mon, 16 May 2022 12:07:20 +0800</pubDate><description><![CDATA[数据结构笔记–王道-2021年3月















































]]></description><category></category></item><item><title><![CDATA[Property ‘sqlSessionFactory‘ or ‘sqlSessionTemplate‘ are required springSecurity]]></title><link>https://blog.youkuaiyun.com/u014185088/article/details/124132579</link><guid>https://blog.youkuaiyun.com/u014185088/article/details/124132579</guid><author>u014185088</author><pubDate>Tue, 12 Apr 2022 20:08:22 +0800</pubDate><description><![CDATA[云E办，yeb项目中，写了mail后，发现启动失败，因为存在数据源的配置问题
报错：If you want an embedded database (H2, HSQL or Derby), please put it on the
classpath.
报错：“Failed to configure a DataSource: ‘url’ attribute is not specified and no embedded datasource could be configured.”
配置数据源（配置]]></description><category></category></item><item><title><![CDATA[知苗易约微信小程序部分分析笔记]]></title><link>https://blog.youkuaiyun.com/u014185088/article/details/123486837</link><guid>https://blog.youkuaiyun.com/u014185088/article/details/123486837</guid><author>u014185088</author><pubDate>Wed, 30 Mar 2022 22:58:43 +0800</pubDate><description><![CDATA[知苗易约
修改个人信息
https://cloud.cn2030.com/sc/wx/HandlerSubscribe.ashx?act=Reg&amp;sex=2&amp;birthday=1995-10-07&amp;cname=姓名&amp;doctype=1&amp;idcard=身份证号&amp;tel=手机号



Accept: */*
Accept-Encoding: gzip, deflate, br
Connection: keep-alive
content-type: applica]]></description><category></category></item><item><title><![CDATA[浙江大学-机器学习-ppt截图]]></title><link>https://blog.youkuaiyun.com/u014185088/article/details/123488031</link><guid>https://blog.youkuaiyun.com/u014185088/article/details/123488031</guid><author>u014185088</author><pubDate>Mon, 14 Mar 2022 20:48:07 +0800</pubDate><description><![CDATA[https://gitee.com/zzhzwh/ZJU_Machine_Learning/tree/main
多层神经网络




















梯度下降







后向传播













一般的后向











后向传播算法的应用和改进
非线性改进


阶跃函数在0处没有导数、




目标函数第二个改进----输出不止一个

原来的

改进的








原来的梯度下降缓慢的运行，而采用随机梯度




人工神经网络的建议















]]></description><category></category></item><item><title><![CDATA[机器学习_吴恩达-总]]></title><link>https://blog.youkuaiyun.com/u014185088/article/details/123487824</link><guid>https://blog.youkuaiyun.com/u014185088/article/details/123487824</guid><author>u014185088</author><pubDate>Mon, 14 Mar 2022 20:44:51 +0800</pubDate><description><![CDATA[机器学习
个人总结：机器学习就是通过数据以及对应的算法让数据变得有规律可循，并应用于生活

机器学习分类：有监督学习和无监督学习
有监督学习：有辅助性的人为操作，帮助机器更好的算出目标值。如数据标注
无监督学习：给一大堆数据，让机器自己去寻找当中的规律

_2021级_ 第7周_学习总结

21.10.18-21.10.24

👉周学习任务：


 100% 回顾吴恩达机器学习前4章节


 10%   神经网络学习


​
​
一、回顾机器学习前4章节

机器学习：用已知的数据集通过数学模型使得程序能够像]]></description><category></category></item><item><title><![CDATA[机器学习—吴恩达_ 第12周_学习总结]]></title><link>https://blog.youkuaiyun.com/u014185088/article/details/123487788</link><guid>https://blog.youkuaiyun.com/u014185088/article/details/123487788</guid><author>u014185088</author><pubDate>Mon, 14 Mar 2022 20:37:11 +0800</pubDate><description><![CDATA[机器学习—吴恩达_ 第12周_学习总结

21.11.22-21.11.28

推荐系统
协同过滤Collaborative filtering, CF
CF有两种基本方法：基于用户的协同过滤和基于项目的协同过滤。 步骤：

了解数据库中有多少用户/项目与给定的用户/项目相似。
考虑到与它类似的用户/项目的总权重，评估其他用户/项目，来预测你会给该产品用户的打分。

在协同过滤从算法中，通常不使用方差项，算法会自动学得。
协同过滤优化目标：

给定x(1),...,x(nm)x^{(1)},...,x^{(]]></description><category></category></item><item><title><![CDATA[机器学习—吴恩达_ 第11周_学习总结]]></title><link>https://blog.youkuaiyun.com/u014185088/article/details/123487753</link><guid>https://blog.youkuaiyun.com/u014185088/article/details/123487753</guid><author>u014185088</author><pubDate>Mon, 14 Mar 2022 20:36:09 +0800</pubDate><description><![CDATA[机器学习—吴恩达_ 第11周_学习总结

21.11.15-21.11.21

Pyhton
赋值

Python语言中，“=”表示“赋值”，将右侧的计算结果赋给左侧变量
同步赋值语句：可同时给多个变量赋值

&lt;变量1&gt;,…,&lt;变量N&gt;=&lt;表达式1&gt;,…,&lt;表达式N&gt;

分支语句
if&lt;条件1&gt;：
　　　　&lt;语句块1&gt;

elif&lt;条件2&gt;：
　　　　&lt;语句块2&gt;
…
else：
　　　　&lt;语句块N&gt;]]></description><category></category></item><item><title><![CDATA[机器学习—吴恩达_ 第10周_学习总结]]></title><link>https://blog.youkuaiyun.com/u014185088/article/details/123487723</link><guid>https://blog.youkuaiyun.com/u014185088/article/details/123487723</guid><author>u014185088</author><pubDate>Mon, 14 Mar 2022 20:34:58 +0800</pubDate><description><![CDATA[机器学习—吴恩达_ 第10周_学习总结

21.11.8-21.11.14

一、无监督学习

在原有的监督学习中，无监督学习和监督学习相比监督学习有标签信息，但是无监督学习是没有标签信息的，我们需要使用特有的函数方法使数据集寻找数据中间的内在关系，如将上图分为两个点集（簇）的算法被称为聚类算法。
K-均值算法

算法接收没有标记的数据集，然后将数据聚类成不同的组。
是一个迭代算法，使用该算法的一般步骤为：

确定需要分的类数量n
选择K个随机的点，称为***聚类中心*** cluster centroid]]></description><category></category></item><item><title><![CDATA[机器学习—吴恩达_ 第9周_学习总结]]></title><link>https://blog.youkuaiyun.com/u014185088/article/details/123487650</link><guid>https://blog.youkuaiyun.com/u014185088/article/details/123487650</guid><author>u014185088</author><pubDate>Mon, 14 Mar 2022 20:32:16 +0800</pubDate><description><![CDATA[机器学习—吴恩达_ 第9周_学习总结

21.11.1-21.11.6

👉周学习任务：

 90% SVM

一、SVM（支持向量机）
支持向量机是在二分类的问题中找到一个最有把握把两类样本分开的一个超平面(最优超平面)， 既然是最优问题，就需要先把找最优超平面的问题用数学的方式表示出来，得到了原始的优化目标(SVM原始问题)，但是该原始问题对于参数会有约束，不太好求出最优超平面，于是转成无约束问题，并借助凸优化的相关理论把其转成等价的对偶问题，最后通过求对偶问题的解得到最终的超平面。




SVM优缺]]></description><category></category></item><item><title><![CDATA[机器学习—吴恩达_ 第8周_学习总结]]></title><link>https://blog.youkuaiyun.com/u014185088/article/details/123487474</link><guid>https://blog.youkuaiyun.com/u014185088/article/details/123487474</guid><author>u014185088</author><pubDate>Mon, 14 Mar 2022 20:28:38 +0800</pubDate><description><![CDATA[机器学习—吴恩达_ 第8周_学习总结

21.10.25-21.10.31

👉周学习任务：


 100% 回顾吴恩达机器学习：分类算法


 80%   神经网络学习
[TOC]


一、回顾机器学习

机器学习：用已知的数据集通过数学模型使得程序能够像人一样的去思考，然后对未知数据做出预测


1.机器学习分类：有监督学习 &amp; 无监督学习

有监督学习：有明确的数据，有明确的答案。常用于分类问题以及回归问题。




无监督学习：不会告诉什么是错什么是对，只是被告知一堆数据，但是不知道干嘛，不]]></description><category></category></item></channel></rss>