小森ai小小贾_社区达人页

2024年06月

• 06.21 17:25:00
  发表了文章 2024-06-21 17:25:00

  蓝桥杯分糖果、最小化战斗力差距、小蓝零花钱

  这是一个关于算法问题的集合，包括三个不同的任务： 1. **分糖果**：肖恩有不同种类的糖果要分给学生，目标是使得到糖果字符串的字典序最大且尽量小。给定糖果种类数和一个初始字符串，输出能达到的最小字典序的最大值。 2. **最小化战斗力差距**：小蓝需要将队员分为两组，每组战斗力差距最小。给定队员数量和战斗力值，找出最小的战斗力差距。 3. **小蓝的零花钱**：小蓝要在序列中分割偶数和奇数，每次分割代价是两端元素差的绝对值。目标是在预算内确定最多能进行多少次这样的分割。 每个问题都提供了输入输出示例和相应的C++代码片段来解决这些问题。
• 06.21 17:13:38
  发表了文章 2024-06-21 17:13:38

  线性回归原理（二）

  **线性回归与梯度下降简介：** 梯度下降是一种优化算法，常用于线性回归，模拟下山过程寻找函数最小值。在单变量线性回归中，以函数f(x)=x²为例，从初始点开始，每次迭代沿着负梯度（函数增快的方向相反）移动，通过学习率α控制步长。重复此过程，逐步逼近最小值x=0。在多变量情况下，梯度是一个向量，指向函数增长最快的方向。评估线性回归模型性能的指标有平均绝对误差(MAE)、均方误差(MSE)和均方根误差(RMSE)，它们衡量预测值与实际值的差距，越小表示模型越准确。
• 06.21 17:10:07
  发表了文章 2024-06-21 17:10:07

  线性回归原理（一）

  线性回归用于预测，如房价、销售额和贷款额度。它通过回归方程连接自变量与因变量，例如房价可能依赖于距离和污染水平。在Python的`sklearn`库中，`LinearRegression`用于建模，`coef_`给出回归系数。损失函数衡量预测误差，用于模型优化。
• 06.21 17:03:45
  发表了文章 2024-06-21 17:03:45

  KNN算法原理及应用（二）

  不能将所有数据集全部用于训练，为了能够评估模型的泛化能力，可以通过实验测试对学习器的泛化能力进行评估，进而做出选择。因此需要使用一个测试集来测试学习器对新样本的判别能力。
• 06.21 16:58:22
  发表了文章 2024-06-21 16:58:22

  KNN算法原理及应用（一）

  **KNN算法**是一种监督学习的分类算法，适用于解决分类问题。它基于实例学习，无需训练过程，当新样本到来时，通过计算新样本与已有训练样本之间的距离，找到最近的K个邻居，然后根据邻居的类别进行多数表决（或加权表决）来预测新样本的类别。K值的选择、距离度量方式和分类决策规则是KNN的关键要素。KNN简单易懂，但计算复杂度随样本量增加而增加，适用于小规模数据集。在鸢尾花数据集等经典问题上表现良好，同时能处理多分类任务，并可应用于回归和数据预处理中的缺失值填充。

  
• 06.21 16:58:08
  发表了文章 2024-06-21 16:58:08

  PPT自动化处理

  python-pptx模块
• 06.21 16:52:56
  发表了文章 2024-06-21 16:52:56

  Python文件自动化处理（一）

  `os` 模块是 Python 中用于操作系统交互的核心模块，支持文件和目录的创建、移动、复制等操作，以及处理文件路径和名称。它还提供了 `os.walk()` 函数来遍历目录树，查找文件。字符串方法如 `startswith()` 和 `endswith()` 用于过滤文件名。`glob` 模块则支持使用通配符 (`*`, `?`, `[seq]`) 查找匹配的文件。
• 06.21 16:37:56
  发表了文章 2024-06-21 16:37:56

  Python文件自动化处理（二）

  使用Python自动化处理Excel涉及`openpyxl`库，包括打开和读取表格数据：`load_workbook()`、获取工作表、获取尺寸；读取单元格数据：`sheet['A1']`、`cell.value`；以及写入内容：`sheet['A1']='hello,Python'`、`cell.value='hello,Python'`、`sheet.append()`和插入行/列。此外，`python-docx`模块用于Word处理，支持创建、修改文档，添加标题、段落、文字、图片和表格，并能设置样式和格式。
• 06.21 16:12:46
  发表了文章 2024-06-21 16:12:46

  数组计算模块NumPy(二）

  NumPy教程概要：介绍数组切片、二维数组索引、重塑、转置和数组操作。讨论了切片语法`[start:stop:step]`，二维数组的索引方式，以及reshape方法改变数组形状。涉及转置通过`.T`属性或`transpose()`函数实现，数组增加使用`hstack()`和`vstack()`，删除用`delete()`。还提到了矩阵运算，包括加减乘除，并展示了`numpy.dot()`和`@`运算符的使用。最后提到了排序函数`sort()`、`argsort()`和`lexsort()`，以及NumPy的统计分析函数如均值、标准差等。
• 06.21 16:12:37
  发表了文章 2024-06-21 16:12:37

  数组计算模块NumPy(一）

  NumPy是Python科学计算的核心库，提供高性能的数组和矩阵操作，支持大量数学函数。它包括一维、二维到多维数组，并通过C实现，优化了计算速度。

  
• 06.21 16:04:36
  发表了文章 2024-06-21 16:04:36

  AI ppt生成器 Tome（二）

  Tome 是一个AI PPT生成器，能根据用户输入自动生成内容和图片。用户可通过工具栏与AI对话来调整PPT，支持样式定制。优点包括：AI生成内容（支持中英文）、图片生成、多媒体嵌入及多语言输入。缺点：不支持导出下载和模板有限。
• 06.21 16:04:27
  发表了文章 2024-06-21 16:04:27

  AI ppt生成器 Tome（一）

  Tome是一款AI驱动的幻灯片生成工具，输入标题或描述即可自动生成包含标题、大纲、内容和图片的PPT。它提供丰富的模板、素材库、多语言支持及多种内容类型，如文本、图片、视频等。用户可通过提示栏、DALL-E 2生成图像，并可嵌入网页内容。注册后，用户可以方便地创作高质量PPT，支持视频录制和个性化定制。[链接：Tome | Polished & Professional AI Presentations](https://beta.tome.app/)
• 06.21 15:58:29
  发表了文章 2024-06-21 15:58:29

  Seaborn 可视化（三）

  Seaborn的pairplot用于多变量数据可视化，但上半部分与下半部分重复。可通过PairGrid手动定制，如示例所示，用regplot和kdeplot分别绘制对角线以上和以下的图，histplot画对角线。hue参数增强可视化，比如在violinplot和lmplot中按性别着色，展示不同类别。还能通过点的大小和形状（如markers参数）添加信息。Seaborn提供darkgrid等5种样式，用sns.set_style切换。
• 06.21 15:53:02
  发表了文章 2024-06-21 15:53:02

  Seaborn 可视化（二）

  Seaborn教程展示了如何用`jointplot`创建蜂巢图，以及使用`matplotlib`的`hexbin`函数绘制2D核密度图。此外，它还介绍了2D核密度图，强调其在展示两个变量联合分布上的作用。条形图、箱线图和小提琴图也被讨论，其中箱线图揭示了数据的统计特性，而小提琴图结合了箱线图和核密度图的信息。`pairplot`函数用于可视化数据集中所有变量之间的两两关系。每种图表类型都配有示例图像。
• 06.21 15:52:56
  发表了文章 2024-06-21 15:52:56

  Seaborn 可视化（一）

  Seaborn是Python的一个基于matplotlib的统计图形库，提供交互式界面，便于创建吸引人的统计图表。它与Pandas集成良好，支持直接使用DataFrame数据进行绘图。Seaborn能绘制直方图（distplot）、密度图（核密度估计）、条形图（计数图）以及散点图（regplot、lmplot、jointplot），适用于单变量和双变量数据分析，如展示分布、关系和趋势。例如，`sns.distplot()`用于直方图，`sns.lmplot()`和`sns.jointplot()`则用于绘制散点图并可添加回归线。
• 06.21 15:39:01
  发表了文章 2024-06-21 15:39:01

  Pandas透视表及应用（二）

  这个文本是关于使用Pandas进行数据分析的教程，主要关注会员数据的处理和业务指标的计算。
• 06.21 15:32:14
  发表了文章 2024-06-21 15:32:14

  Pandas透视表及应用（一）

  数据透视表（Pivot Table）是一种交互式的表，可以进行某些计算，如求和与计数等。所进行的计算与数据跟数据透视表中的排列有关。
• 06.21 15:22:21
  发表了文章 2024-06-21 15:22:21

  Pandas数据可视化（二）

  **Pandas数据可视化教程聚焦于双变量分析，如散点图和堆叠图。散点图用于揭示两个变量间的关联，例如价格和评分，较大的点可能表示价格更高的葡萄酒得分更高。当数据过多时，可使用hexplot减少过度绘制，提供密度信息。堆叠图适合展示类别变量的分布，如不同葡萄酒类型的评分分布，显示了Chardonnay等品种的受欢迎程度。**
• 06.21 15:20:36
  发表了文章 2024-06-21 15:20:36

  Pandas数据可视化（一）

  Pandas是Python数据分析的核心库，不仅用于数据加载和转换，还内置了简单的数据可视化功能。通过`.plot()`方法，可以创建条形图、折线图、直方图和饼图等，便于单变量分析。例如，用葡萄酒数据集展示了不同产区的葡萄酒数量，加利福尼亚占比最高。条形图适合比较类别间的差异，折线图则用于显示趋势。直方图用于数值分布，但对倾斜数据（极值影响）敏感。饼图展示类别占比，但不适用于大量分类。Pandas的可视化帮助我们理解数据集的结构和特征。
• 06.21 15:02:31
  发表了文章 2024-06-21 15:02:31

  Matplotlib的详细使用及原理（三）

  这篇文章介绍了如何使用Python的Matplotlib库绘制线条。主要内容包括两种绘制线条的方法：
• 06.21 15:02:07
  发表了文章 2024-06-21 15:02:07

  Matplotlib的详细使用及原理（二）

  Matplotlib是一个Python库，用于创建二维和三维图表，它是NumPy的扩展。使用时，首先创建`Figure`实例，然后在其上添加`Axes`或`Subplot`。每个图表元素（如线、散点、直方图）都是一个`Artist`对象，具有属性如`alpha`、`visible`等，可以通过`get_`和`set_`方法进行访问和修改。`Figure`和`Axes`对象都有对应的`patch`属性，分别代表它们的背景矩形。图形中的线条（`Line2D`）是基本要素之一，可配置颜色、线型、宽度等属性。
• 06.21 14:59:27
  发表了文章 2024-06-21 14:59:27

  Matplotlib的详细使用及原理（一）

  `matplotlib`是Python的数据可视化库，用于生成高质量的2D图形，支持静态、动态和交互式图表。它是pandas和seaborn等库的底层基础。基本绘图通过`pyplot.subplots`创建figure和axes，然后用`plot`函数绘制线条。例如，`plt.plot([1, 2, 3, 4], [1, 4, 2, 3])`可绘制简单折线图。matplotlib有三种API层次，包括FigureCanvas、Renderer和Artist，其中Artist对应具体的图形元素。此外，matplotlib的绘图接口分为显式创建和pyplot隐式创建两种方式。
• 06.21 14:37:19
  发表了文章 2024-06-21 14:37:19

  蓝桥杯宝藏排序题目算法(冒泡、选择、插入)

  以下是内容的摘要： 本文介绍了三种排序算法：冒泡排序、选择排序和插入排序。冒泡排序通过不断交换相邻的逆序元素逐步排序，最坏情况下需要 O(n^2) 次比较。选择排序在每轮中找到剩余部分的最小元素并放到已排序序列的末尾，同样具有 O(n^2) 时间复杂度。插入排序则是将每个元素插入到已排序序列的正确位置，时间复杂度也是 O(n^2)，但空间复杂度为 O(1)。
• 06.21 14:36:11
  发表了文章 2024-06-21 14:36:11

  Pandas的datetime数据类型（二）

  Pandas的datetime数据处理涉及日期运算和Timedelta计算，如计算疫情爆发天数，获取日期的季度和年份。示例中展示如何从Ebola数据集重建疫情爆发第一天，以及如何对银行关闭日期分组统计。此外，演示了如何按日期筛选数据，设置日期为DataFrame索引，并使用`date_range`创建日期序列。还讨论了如何处理不连续日期，以及如何进行时间范围查询，包括在特定时间段内选择数据和按时间间隔过滤。最后，展示了如何高效地在时间序列上选取数据。
• 06.21 14:36:05
  发表了文章 2024-06-21 14:36:05

  Pandas的datetime数据类型（一）

  Python中内置了`datetime`模块，用于处理日期和时间。可以使用`datetime.now()`获取当前时间，或通过`datetime(year, month, day)`创建指定日期。在Pandas中，`pd.to_datetime()`函数用于将数据转换为`Timestamp`或`DatetimeIndex`，如从CSV加载数据时转换日期列。此外，`pd.read_csv()`的`parse_dates`参数可以直接将指定列解析为日期类型。Pandas的`Timestamp`对象还允许提取年、月、日等部分。
• 06.21 14:23:40
  发表了文章 2024-06-21 14:23:40

  Python高级语法与正则表达式(二）

  正则表达式描述了一种字符串匹配的模式，可以用来检查一个串是否含有某种子串、将匹配的子串做替换或者从某个串中取出符合某个条件的子串等。
• 06.21 14:05:59
  发表了文章 2024-06-21 14:05:59

  Python高级语法与正则表达式(一）

  Python提供了 with 语句的写法，既简单又安全。 文件操作的时候使用with语句可以自动调用关闭文件操作，即使出现异常也会自动关闭文件操作。
• 06.21 14:05:24
  发表了文章 2024-06-21 14:05:24

  pytorch张量的创建

  • 张量（Tensors）类似于NumPy的ndarrays ，但张量可以在GPU上进行计算。从本质上来说，PyTorch是一个处理张量的库。一个张量是一个数字、向量、矩阵或任何n维数组。
• 06.21 13:55:37
  发表了文章 2024-06-21 13:55:37

  逻辑回归的介绍和应用

  **逻辑回归简介** 逻辑回归是一种分类模型，尽管名字含“回归”，实际上是用于二分类问题的。它简单易懂，计算高效，适用于许多领域，如医学、社会科学、市场营销等。优点是模型简单，易于实现，具有强解释性。然而，它易受多重共线性影响，可能欠拟合，分类精度有限，尤其对非线性问题和数据不平衡问题处理不佳。在实践中，逻辑回归常作为其他复杂算法的基线，如用于信用卡欺诈检测和点击率预测。通过调整和与其他技术结合，如GBDT，可以提升其性能。
• 06.21 13:32:04
  发表了文章 2024-06-21 13:32:04

  数据结构算法--6 希尔排序和计数排序

  **希尔排序**是插入排序的改进版，通过分组插入来提高效率。它逐步减少元素间的间隔（增量序列），每次对每个间隔内的元素进行插入排序，最终增量为1时进行最后一次直接插入排序，实现整体接近有序到完全有序的过程。例如，对数组`5, 7, 4, 6, 3, 1, 2, 9, 8`，先以间隔`d=4`排序，然后`d=2`，最后`d=1`，完成排序。计数排序则适用于0到100的数值，通过统计每个数出现次数，创建对应计数数组，再根据计数重建有序数组，时间复杂度为`O(n)`。
• 06.21 13:30:32
  发表了文章 2024-06-21 13:30:32

  Linux文件管理命令(二）

  `Linux`文件管理涉及`ls`显示目录内容，`cd`切换目录，`pwd`显示当前目录，`whoami`显示当前用户，`hostname`显示主机名，目录使用正斜杠 `/` 分隔，根目录始于第一个 `/`。`man`命令用于获取命令帮助，如`man ls`，也可用`--help`参数，如`ls --help`。常用快捷键包括`Ctrl+C`取消操作，`Ctrl+L`清屏，`Ctrl+D`退出用户，`Ctrl+A`移动光标到行首，`Ctrl+E`移动到行尾。查看`PATH`环境变量用`echo $PATH`。
• 06.21 12:17:10
  发表了文章 2024-06-21 12:17:10

  Linux文件管理命令(一）

  这是关于Linux命令行的一些内容，主要包括了一些常见的Linux命令及其参数的用法。例如，`ls` 命令用于列出目录内容，不同的参数如 `-a` 显示所有文件（包括隐藏文件），`-l` 以详细模式显示，`-S` 按大小排序等。`mkdir` 命令用于创建目录，`cp` 命令用于复制文件或目录，`mv` 命令用于移动或重命名文件或目录，而`rm` 命令则用于删除文件或目录。在使用这些命令时，可以结合不同的参数来实现不同的操作。
• 06.21 11:54:50
  发表了文章 2024-06-21 11:54:50

  数据结构算法--4堆排序

  堆排序过程概述：建立大根堆，将堆顶最大元素移出并替换为末尾元素，调整保持堆性质，重复此过程直至堆为空，实现排序。时间复杂度为O(nlogn)。Python中可用heapq模块进行堆操作。
• 06.21 11:42:55
  发表了文章 2024-06-21 11:42:55

  数据结构算法--2 冒泡排序，选择排序，插入排序

  **基础排序算法包括冒泡排序、选择排序和插入排序。冒泡排序通过相邻元素比较交换，逐步将最大值“冒”到末尾，平均时间复杂度为O(n^2)。选择排序每次找到剩余部分的最小值与未排序部分的第一个元素交换，同样具有O(n^2)的时间复杂度。插入排序则类似玩牌，将新元素插入到已排序部分的正确位置，也是O(n^2)复杂度。这些算法适用于小规模或部分有序的数据。**
• 06.21 11:25:29
  发表了文章 2024-06-21 11:25:29

  数据结构算法--1 顺序查找二分查找

  **顺序查找时间复杂度为O(n)**，适合无序列表，可以通过`enumerate`或直接遍历索引来实现。**二分查找时间复杂度为O(logn)**，适用于有序列表，利用Python中`left`、`right`指针和`mid`点不断缩小搜索范围。效率上二分查找更优。

2024年05月

• 12.15 17:00:48
  发表了文章 2023-12-15 17:00:48

  MySQL数据库简介

  关系型数据
• 12.15 16:56:06
  发表了文章 2023-12-15 16:56:06

  初识Linux

  Linux 和 操作系统简介

2023年12月

• 12.16 15:40:05
  回答了问题 2023-12-16 15:40:05

  你有哪些低成本又能保持扩展性的套路？

  赞0 踩0 评论0