
python
文章平均质量分 51
_乐多_
记录python数据处理、cesium、vue网页开发、机器学习、深度学习、时间序列分析算法的笔记。
展开
-
python:将白色背景的png转化为透明背景的png并改变尺寸
【代码】python:将白色背景的png转化为透明背景的png并改变尺寸。原创 2025-04-11 15:23:21 · 252 阅读 · 0 评论 -
python:将mp4视频快进播放,并保存新的视频
本文将介绍将mp4视频快进播放,并保存新的视频的python代码。原创 2025-03-28 15:35:43 · 389 阅读 · 0 评论 -
python:MP4视频压缩
本文将介绍将mp4视频按一定比例压缩,并输出新视频的代码。原创 2025-03-28 15:33:50 · 257 阅读 · 0 评论 -
python:将mp4视频转换成gif格式
本文将介绍使用python将mp4视频转换成gif格式的代码。原创 2025-03-28 13:55:18 · 260 阅读 · 0 评论 -
python:图片压缩脚本
本教程记录了将图片进行压缩的python脚本,可以输入一张图片,进行压缩,返回一个新的压缩后的图片。原创 2025-03-03 15:46:30 · 181 阅读 · 0 评论 -
python:本机摄像头目标检测实时推理(使用YOLOv8n模型)
本文将介绍如何使用本机摄像头进行目标检测实时推理的python代码。原创 2024-07-21 01:33:58 · 1036 阅读 · 0 评论 -
OpenCV:使用cv2进行实时获取摄像头数据
使用cv2进行实时获取摄像头数据。原创 2024-07-21 01:19:28 · 1220 阅读 · 0 评论 -
fbprophet 安装流程
第三步:装pystan:conda install pystan,因为fbprophet依赖pystan。解决办法:修改site-packages\fbprophet路径下forecaster.py文件,把np.float改成np.float64,np.int改成np.int64就好。第四步:安装fbprophet:conda install -c conda-forge fbprophet,过程略漫长,耐心等待。第一步:先装好anaconda,过程不再赘述。原创 2023-11-29 10:04:30 · 1253 阅读 · 1 评论 -
python:代码加密
打开网站,把代码复制进去,右侧自动出现加密代码,加密的代码在python编译器中一样可以直接运行。先读取本机机器码,如果本机机器码不等于加密的机器码解密后的码,那么代码返回None。只有机器码等于解密后的码,代码才可以运行下去。加密机器码输出:‘QlJDDFFSMw==’原始机器码输入:‘BRRWQZ8’原创 2023-10-17 20:14:49 · 381 阅读 · 0 评论 -
python:代码加密流水线
通过以下五步,将python代码加密,且只能在指定电脑上运行。三层加密。只加密核心函数。将参数暴露在外。都可以实现。原创 2023-10-17 20:14:21 · 267 阅读 · 0 评论 -
cmd:读取电脑硬件序列号
在没有使用第三方库的情况下,要读取电脑的硬件序列号通常需要使用操作系统提供的工具或命令行。打开命令提示符(Command Prompt):按下Win + R,输入 cmd,然后按Enter。原创 2023-10-16 21:12:28 · 4418 阅读 · 0 评论 -
python:岭回归(Ridge Regression)、Lasso回归(Lasso Regression)
本文将介绍岭回归(Ridge Regression)、Lasso回归(Lasso Regression)和普通最小二乘法(OLS,Ordinary Least Squares),并记录了它们的代码脚本。原创 2023-07-25 09:34:18 · 1219 阅读 · 0 评论 -
处理时间序列数据中缺失值的 4 种技术
本文将讨论 4 种可用于估算时间序列数据集中缺失值的技术。最后观测值前向填充(LOCF)、下一个观测值后向填充(NOCB)、滚动统计、插值。原创 2023-07-21 11:00:48 · 6950 阅读 · 1 评论 -
使用 Facebook Prophet 模型提高时间序列预测性能
在本文中,我们将讨论并实施如何使用Facebook Prophet模型的特征来提高监督式时间序列模型的性能。即使在加入tsfresh和外部特征后,有时候时间序列模型仍然无法达到业务预期的预测结果。原创 2023-07-21 10:38:58 · 403 阅读 · 1 评论 -
每位数据科学家应该了解的5种异常点(变化点)检测算法
本文将讨论并实施5种异常点(突变点)检测技术,并对它们的性能进行基准测试。原创 2023-07-21 10:17:58 · 9417 阅读 · 2 评论