傻傻de

  博客园  :: 首页  :: 新随笔  :: 联系 :: 订阅 订阅  :: 管理

2020年7月10日

摘要: 运行环境: Windows 10 CMake (cmake-gui) Visual Studio 2015 1. 下载Protobuf源码 在https://github.com/上搜索protobuf,选择第1个,如下图所示。 点击Branch: master,再点击Tags,可以选择不同的版本, 阅读全文
posted @ 2020-07-10 23:47 傻傻de 阅读(3698) 评论(0) 推荐(0) 编辑

2020年3月10日

摘要: 错误描述 今天发现Qt中有奇数个汉字时会报错,如下图。 代码如下: qDebug() 有想见的人,就不算孤身一人。——《夏目友人帐》 阅读全文
posted @ 2020-03-10 19:30 傻傻de 阅读(1204) 评论(0) 推荐(0) 编辑

2020年1月6日

摘要: 本文运行环境: windows 10 Qt 5.9.7 一. 生成依赖dll 我们在Qt中编写程序、测试完成之后,需要打包运行所需的dll文件,才能使生成的exe程序正常运行。 直接双击编译生成的exe文件会报如下错误,这是缺少运行所需的dll文件。 可以使用Qt自带的工具生成依赖的dll,步骤如下 阅读全文
posted @ 2020-01-06 16:55 傻傻de 阅读(1828) 评论(0) 推荐(0) 编辑

2019年12月2日

摘要: 运行环境: Windows 10 Visual Studio 2013 1. 下载安装文件 首先进入NuGet官网 "https://www.nuget.org/" 在搜索栏里输入需要的安装包,例如搜索 。 这里安装第一个 ,注意下方 是否有依赖 。 这个安装包没有依赖,点击右侧的 进行下载。 2. 阅读全文
posted @ 2019-12-02 23:57 傻傻de 阅读(6749) 评论(0) 推荐(0) 编辑

2019年1月17日

摘要: 1.基本形式 线性回归(Linear Regression)是利用数理统计中回归分析,来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。 回归分析中,只包括一个自变量和一个因变量,且二者的关系可用一条直线近似表示,这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变 阅读全文
posted @ 2019-01-17 22:12 傻傻de 阅读(662) 评论(0) 推荐(0) 编辑

摘要: 一、决策树 决策树(decision tree)是一种基本的分类与回归方法,本篇主要讨论用于分类的决策树。 1.决策树模型 分类决策树模型是一种描述对实例进行分类的树形结构。决策树由结点(node)和有向边(directed edge)组成。结点有两种类型:内部结点(internal node)和叶 阅读全文
posted @ 2019-01-17 12:20 傻傻de 阅读(1958) 评论(0) 推荐(0) 编辑

2019年1月16日

摘要: 一、ROC曲线 1、简介 ROC曲线全称是“受试者工作特征曲线 ”(Receiver Operating Characteristic curve),又称为感受性曲线(Sensitivity curve)。 它源于二战中用于敌机检测的雷达信号分析技术,二十世纪六七十年代开始被用于一些心理学、医学检测 阅读全文
posted @ 2019-01-16 15:43 傻傻de 阅读(1171) 评论(0) 推荐(0) 编辑

2018年12月27日

摘要: 朴素贝叶斯(Naive Bayes) 一、简介 首先介绍一下贝叶斯: 贝叶斯(约1702 1761) Thomas Bayes,英国数学家。 约1702年出生于伦敦,做过神甫。1742年成为英国皇家学会会员。1761年4月7日逝世。贝叶斯在数学方面主要研究概率论。 他首先将归纳推理法用于概率论基础理 阅读全文
posted @ 2018-12-27 23:58 傻傻de 阅读(700) 评论(0) 推荐(0) 编辑

2018年12月22日

摘要: 一、交叉验证(Cross Validation) 1. 目的 交叉验证的目的是为了让模型评估更加准确可信。 2. 基本思想 基本思想是将原始数据(dataset)进行分组,一部分做为训练集(train set),另一部分做为验证集(validation set or test set),首先用训练集 阅读全文
posted @ 2018-12-22 17:41 傻傻de 阅读(6051) 评论(1) 推荐(0) 编辑

摘要: 混淆矩阵 混淆矩阵(Confusion Matrix)是评估模型结果的指标,属于模型评估的一部分,混淆矩阵如下图所示。 TP(True Positive): 真实为0,预测也为0 FN(False Negative): 真实为0,预测为1 FP(False Positive): 真实为1,预测为0 阅读全文
posted @ 2018-12-22 12:02 傻傻de 阅读(7263) 评论(0) 推荐(0) 编辑