- 博客(18)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 电脑睡眠下恢复未保存的word文档
昨天晚上写了两千字的项目设计手册，电脑开了睡眠模式，再打开全没了，心态都崩了。。。。。发现word可以默认保存未保存的文档，然后我就解决了。首先点击右上角 文件------> 选项------->保存查看word默认保存的位置二、然后找到该目录发现昨天的文档就在那里等着我恢复，哈哈然后再次点击word右上角文件—>信息----->管理文档找到该目录恢复即可我已经恢复...
2020-07-22 11:59:47
730
1
原创 VMware Workstation与Device/Credential Guard不兼容。在禁用Device/Credential Guard后，可以运行 VMware Workstation.有
几个星期没打开过VMware，今天打开发现报错，可能和最近更新win10系统有关。注意：我们错误是否相同注意：我们错误是否相同注意：我们错误是否相同错误提示：解决办法：以管理员身份打开cmd，然后输入bcdedit /set hypervisorlaunchtype off 回车，提示操作成功后，重启电脑，再次打开VMware成功运行。链接：https://tieba.baidu.com/p/6506381795...
2020-06-11 22:49:39
289
1
原创 机器学习之特征距离
一、欧氏距离欧式距离或欧几里得距离实际就是（xix_ixi,yiy_iyi）,（xjx_jxj,yjy_jyj）两点之间的直线距离。用公式表示为：ρ=(xi−xj)2+(yi−yj)2\rho = \sqrt{(x_i - x_j)^2 + (y_i - y_j)^2}ρ=(xi−xj)2+(yi−yj)2其中ρ\rhoρ为点xix_ixi,yiy_iyi）与点（...
2020-04-21 10:46:01
2014
原创 K-紧邻算法
一、基本原理k-紧邻算法（KNN）是最简单的机器学习算法之一，其基本思路与“近朱者赤，近墨者黑”的原理相似，当对未分类样本进行分类时，首先判断其与已分类样本的特征相似度，然后将其划分到大多数已分类样本所属的类别中。（K-紧邻算法采用测量不同特征值之间的距离方法进行分类）简单点说就是存在一个样本数据集合，也称作训练样本集，并且训练样本集中每个数据的都存在标签，即我们知道样本集中每一数据与所属分类...
2020-04-21 09:25:12
435
原创 Linux用户家目录与根目录
linux系统的根目录为：/用户的家目录为：/home/user_name特别的~表示用户的家目录：对于一般用户，~表示/home/user_name对于系统管理员，~表示/root我们可以使用pwd命令验证：首先我们先切换到~目录下，利用pwd查看当前目录。...
2020-04-20 16:48:53
6579
原创 机器学习之朴素贝叶斯
朴素贝叶斯–>1朴素贝叶斯–>2一、高斯朴素贝叶斯GaussianNB实现了高斯朴素贝叶斯分类算法，假设特征的可能性是高斯的：P(xi∣y)=12πσy2exp(−(xi−μy)22σy2)P(x_i|y) = \frac{1}{\sqrt{2\pi\sigma_y^2}\exp(-\frac{(x_i- \mu_y)^2}{2\sigma_y^2})}P(xi∣y)=2π...
2020-04-15 20:57:38
247
原创 Ubuntu切换到root用户及认证失败、vim编辑器问题
一、Ubuntu切换到root用户失败新手在学习Ubuntu时，在终端下用su命令切换到root用户时一般会有认证失败的提示，其根本原因是我们在初次安装Ubuntu时，root用户还没有被创建。1、首先打开终端，显示的是用户名@电脑名：~$，符号$就表示现在处于普通用户权限，输入su结果是：2、然后输入：sudo passwd root，终端会显示请输入当前用户密码：，紧接着设置root用...
2020-04-14 15:40:24
801
转载 机器学习之梯度下降法
一、梯度下降法我们使用梯度下降法是为了求目标函数最小值f(x)f(x)f(x)对应的xxx，那么我们怎么求最小值点x呢？注意我们的X不一定是一维的，可以是多维的，是一个向量。我们先把f(x)f(x)f(x)进行泰勒展开：f(x+αd)=f(x)+agTd+o(α)f(x + \alpha d) = f(x)+ag^Td + o(\alpha)f(x+αd)=f(x)+agTd+o(α)这里的α...
2020-04-08 17:21:30
208
原创 机器学习之逻辑回归
一、前言：logistic回归又称为逻辑回归，是经典的二分类算法，虽然其名称中含有“回归”一词，但其并不是用于回归，而是主要用于分类，其决策边界可以是非线性的。二、Sigmoid函数公式：g(z)=11+e(−zi)(1)g(z) = \frac{1}{1 + e ^{(-z_i)} } \tag{1}g(z)=1+e(−zi)1(1)其中·e为欧拉常数，ziz_izi为样本值，...
2020-04-07 22:38:40
241
原创 MongoDB补充
一、 $not(不等于)条件查询语法：{ field: { $not: { < expression1> } } }注：$not操作符不能独立使用，必须跟其他操作条件一起使用（除$regex），否则报错错误：db.stu.find({"age":{$not: "20"}})正确：db.stu.find({"age":{$not:{$gt:"20"}}})，查询年龄不等于大于20...
2020-04-03 21:59:55
263
1
原创 MongoDB高级操作（管道聚合）
一、 聚合aggregate聚合（aggerate）主要用于计算数据，类似于SQL中的sum(),avg(),聚合aggregate是基于数据处理的聚合管道，每个文档通过一个由多个阶段（stage）组成的管道，可以对每个阶段的管道进行分组、过滤等功能，然后经过一系列的处理，输出相应的结果。方法：db.stu.aggergate({管道:{表达式}})，如图：二、管道（grep）在Mon...
2020-04-03 21:55:39
1530
1
原创 MongoDB高级查询
MongoDB增删改查一、 MongoDB插入数据insert、save(stu为集合名称)db.stu.insert({})插入数据，_id存在就报错，否则插入数据。db. stu.save({})插入数据，_id存在会更新，否则插入数据。二、 MongoDB的更新操作update- 方法：db.stu.update(<query>,<upate>,{mu...
2020-04-03 21:20:29
2377
1
原创 MongoDB笔记
MongoDB简介： MongoDB使用了类似JOSN的BSON这种格式来存储数据和网络交换，把这种格式转化成文档（document）这个概念 ，支持内嵌文档对象和数据对象，一个Document也可以理解成关系数据库中的一条记录（record）。只是这里的Document的变化更丰富一些，如Document也可以嵌套，MongoDB以BSON做为其存储结构的一种重要原因是其可遍历性。终端命令...
2020-04-03 17:56:48
180
原创 Numpy下arr[2]，arr[2,:]，arr[2:,:]的区别
numpy切片arr[2]，arr[2,:]，arr[2:,:]，在shape函数下的区别import numpy as npX = np.arange(1,10)a = X.reshape(3,3)运行：print(a)>>> [[1 2 3] [4 5 6] [7 8 9]]a数组为一个三行三列的二维数组print(a[2])>&...
2020-03-07 10:38:33
3596
原创 numpy.random用法
关于这个numpy函数每次用，每次都要查资料，所以就记下笔记，在用就来查自己的笔记~~一、NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。np.random.rand(d0,d1,…dn),生成一个[0,1）之间的均匀分布随机数或n维数组import numpy as npX...
2020-03-04 12:20:58
1273
原创 python中Random的用法
一、简介：Python标准库中的random函数，可以生成随机浮点数、整数，从可迭代对象中随机选择元素、打乱序列等random.random()用于生成0~1之间的浮点数，不包含0和1import randomfor i in range(5): a = random.random() print(a)运行结果：0.29618245235341980.78953...
2020-03-03 21:51:55
1123
原创 subplot画子图
代码如下：import matplotlib.pyplot as pltimport numpy as npX = np.arange(0,7,2)Y = 2.1*X + 6plt.figure()# 折线图plt.subplot(1,2,1) #将窗口分成两行一列，在第一个窗口作图plt.plot(X,Y)plt.ylim(5,19)#sin()正弦函数图plt.su...
2020-03-03 19:21:20
208
转载 插入排序
博客来源插入排序主要思路：插入排序是最简单常用的方法，将数组分为两部分，排好序的数列，以及未排序的数列，将未排序的数列中的元素 与排好序的数列进行比较，然后将该元素插入到已排序列的合适位置中。如3、1、5、2四个数第一步：1和3先比较得1、3、5、2第二步：5和3比较，不变得1、3、5、2第三步：2和5比较，交换，然后2和3比较，交换，2和1比较，不变得1、2、3、5代码如下：#i...
2020-03-03 14:34:48
130
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人