2021年1月9日

vue注意

摘要: 完全删除mysql https://www.cnblogs.com/winter-bamboo/p/10837949.html vue表单绑定及css部分https://www.jianshu.com/p/0ccad24f6f03 export default暴露接口用法https://www.cn 阅读全文

posted @ 2021-01-09 09:06 321木头人123 阅读(57) 评论(0) 推荐(0) 编辑

2021年1月6日

超市存销管理系统

摘要: 使用技术:vue node mysql(使用阿里云数据库) ElementUI 等部分组件 超市存销系统默认页面 现有功能:供应商管理,商品需求管理,商品计划生成,货架管理(没有完成),仓库管理(没有开始),商品入仓上架功能(没想出方案未开始),角色权限(没有开始) ①供应商管理 支持excel导入 阅读全文

posted @ 2021-01-06 19:13 321木头人123 阅读(88) 评论(0) 推荐(0) 编辑

2020年6月23日

大数据应用技术课程实践--选题与实践方案

摘要: 一、选题与意义 1.Hadoop平台应用 2.Kaggle分析数据项目 简要说明理由与意义。 选题:Kaggle分析数据项目--泰坦尼克号-从灾难中学习机器 https://www.kaggle.com/c/titanic 理由:电脑配置缘故,进行hadoop平台应用太费时间,故选择第二题, 由于期 阅读全文

posted @ 2020-06-23 17:50 321木头人123 阅读(189) 评论(0) 推荐(0) 编辑

2020年6月11日

15 手写数字识别-小数据集

摘要: 1.手写数字数据集 from sklearn.datasets import load_digits digits = load_digits() 2.图片数据预处理 x:归一化MinMaxScaler() y:独热编码OneHotEncoder()或to_categorical 训练集测试集划分 阅读全文

posted @ 2020-06-11 10:37 321木头人123 阅读(140) 评论(0) 推荐(0) 编辑

2020年6月6日

14 深度学习-卷积

摘要: 1.简述人工智能、机器学习和深度学习三者的联系与区别。 要解释这三者之间的关系和应用,最简单的方法就是画一个同心圆,如下图,人工智能是最早出现的,也是最大、最外侧的同心圆;其次是机器学习,稍晚一点;最内侧,是深度学习,也是当今人工智能大爆炸的核心驱动。 2. 全连接神经网络与卷积神经网络的联系与区别 阅读全文

posted @ 2020-06-06 16:05 321木头人123 阅读(223) 评论(0) 推荐(0) 编辑

2020年5月23日

13-垃圾邮件分类2

摘要: 1.读取 2.数据预处理 3.数据划分—训练集和测试集数据划分 from sklearn.model_selection import train_test_split x_train,x_test, y_train, y_test = train_test_split(data, target, 阅读全文

posted @ 2020-05-23 05:08 321木头人123 阅读(90) 评论(0) 推荐(0) 编辑

2020年5月16日

12.朴素贝叶斯-垃圾邮件分类

摘要: 1. 读邮件数据集文件,提取邮件本身与标签。 列表 numpy数组 2.邮件预处理 邮件分句 句子分词 大小写,标点符号,去掉过短的单词 词性还原:复数、时态、比较级 连接成字符串 2.1 传统方法来实现 2.2 nltk库的安装与使用 pip install nltk import nltk nl 阅读全文

posted @ 2020-05-16 18:19 321木头人123 阅读(111) 评论(0) 推荐(0) 编辑

2020年5月9日

11.分类与监督学习,朴素贝叶斯分类算法

摘要: 1.理解分类与监督学习、聚类与无监督学习。 简述分类与聚类的联系与区别。 对于分类来说,在对数据集分类时,我们是知道这个数据集是有多少种类的;而对于聚类来说,在对数据集操作时,我们是不知道该数据集包含多少类,我们要做的,是将数据集中相似的数据归纳在一起。他们都是对数据集的归纳。 简述什么是监督学习与 阅读全文

posted @ 2020-05-09 00:48 321木头人123 阅读(135) 评论(0) 推荐(0) 编辑

2020年4月30日

9、主成分分析

摘要: 一、用自己的话描述出其本身的含义: 1、特征选择 特征选择能剔除不相关或冗余的特征,从而达到减少特征个数,提高模型精确度,减少运行时间的目的。 另一方面,选取出真正相关的特征简化模型,协助理解数据产生的过程。 2、PCA 把多个指标转化为少数几个综合指标,同时保留住较多的原数据点的特性,使数据能更好 阅读全文

posted @ 2020-04-30 23:04 321木头人123 阅读(133) 评论(0) 推荐(0) 编辑

8、特征选择

摘要: 用过滤法对以下数据进行特征选择: [[0,2,0,3], [0,1,4,3], [0,1,1,3]] 要求: 1、Variance Threshold(threshold =1.0) 2、将结果截图放上来(没有条件的备注说明原因)注意:每个人的电脑ID是不一样的 阅读全文

posted @ 2020-04-30 22:30 321木头人123 阅读(104) 评论(0) 推荐(0) 编辑

导航