2024 年 2月随笔档案 - leviliang

Java JDK11 在Linux上的安装和配置

摘要： ↵ Linux系统上安装和配置Java JDK 11可以通过多种方式完成，包括使用包管理器（如apt-get或yum，取决于Linux发行版）或手动安装。Linux发行版的包管理器没有提供Java JDK 11，或者需要更精细的安装控制，可以手动下载并安装JDK。参考文档：Java JDK11 阅读全文

posted @ 2024-02-28 21:22 leviliang 阅读(659) 评论(0) 推荐(0) 编辑

Python 机器学习决策树文本特征的处理

摘要： Python机器学习中，决策树是一种常用的分类和回归模型。决策树可以处理数值型特征和类别型特征。对于文本特征，决策树通常使用词袋模型 (BOW) 或 TF-IDF 模型进行处理。在处理文本特征时，决策树（和机器学习算法通常）不能直接处理原始文本。文本必须首先转换成算法能理解的数值形式。参考文档阅读全文

posted @ 2024-02-28 21:16 leviliang 阅读(77) 评论(0) 推荐(0) 编辑

Python 机器学习决策树类别型特征的处理

摘要： Python 机器学习中，特别是在决策树算法的应用中，处理类别型特征是一个非常重要的步骤。类别型特征（也称为分类变量）是指那些取值为固定几个类别的特征，例如性别（男/女）、颜色（红/蓝/绿）等。相对于数值型特征，类别型特征不能直接用于大多数机器学习模型的数学计算，因此需要通过某些方法转换成模型能阅读全文

posted @ 2024-02-27 22:14 leviliang 阅读(112) 评论(0) 推荐(0) 编辑

Python numpy.zeros函数方法的使用

摘要： NumPy（Numerical Python的缩写）是一个开源的Python科学计算库。使用NumPy，就可以很自然地使用数组和矩阵。NumPy包含很多实用的数学函数，涵盖线性代数运算、傅里叶变换和随机数生成等功能。numpy.zeros 函数用于创建一个指定形状（shape）和数据类型（dty 阅读全文

posted @ 2024-02-27 22:08 leviliang 阅读(116) 评论(0) 推荐(0) 编辑

Python 机器学习决策树数值型特征的处理

摘要： Python 机器学习中，特征提取是将原始数据转换为能够被模型有效利用的格式的过程。对于决策树模型而言，特征提取尤其重要，因为好的特征可以显著提升模型的预测性能。在实际应用中，需要根据具体情况选择合适的特征提取方法。数值型特征是机器学习中常见的一种特征类型，它指的是可以表示为数字的特征。特别是在阅读全文

posted @ 2024-02-26 23:15 leviliang 阅读(91) 评论(0) 推荐(0) 编辑

Python numpy.full函数方法的使用

摘要： NumPy（Numerical Python的缩写）是一个开源的Python科学计算库。使用NumPy，就可以很自然地使用数组和矩阵。NumPy包含很多实用的数学函数，涵盖线性代数运算、傅里叶变换和随机数生成等功能。本文主要介绍一下NumPy中full方法的使用。参考文档：Python num 阅读全文

posted @ 2024-02-26 23:04 leviliang 阅读(93) 评论(0) 推荐(0) 编辑

Java JDK11 在windows上的安装和环境变量配置

摘要： Java Development Kit (JDK) 11，是Java平台的一个主要升级版，属于长期支持（LTS）版本，由Oracle公司于2018年9月发布。作为一个LTS版本，JDK 11将会得到长期的支持和更新，这使得它适用于那些寻求稳定性和长期支持的企业和应用程序。JDK 11的发布标志阅读全文

posted @ 2024-02-25 19:41 leviliang 阅读(1166) 评论(0) 推荐(0) 编辑

Python 机器学习决策树 cart剪枝

摘要： Python 机器学习中，CART（Classification And Regression Trees）算法用于构建决策树，用于分类和回归任务。剪枝（Pruning）是一种避免决策树过拟合的技术，通过减少树的大小来提高模型的泛化能力。CART剪枝分为预剪枝和后剪枝两种主要方式。参考文档：P 阅读全文

posted @ 2024-02-25 19:34 leviliang 阅读(145) 评论(0) 推荐(0) 编辑

Python 机器学习基尼指数

摘要： Python 机器学习中，基尼指数是衡量数据集分割纯度的一个重要指标，特别是在构建分类决策树时。基尼指数可以帮助我们确定最佳的特征和特征值来分割数据集，从而构建出高效准确的决策树模型。在构建决策树时，选择最佳的分割特征和分割点是非常关键的，这通常是通过一些准则来评估的，如信息增益（基于熵）或基尼阅读全文

posted @ 2024-02-25 00:03 leviliang 阅读(223) 评论(0) 推荐(0) 编辑

Python 机器学习逻辑回归算法

摘要： 1、理解逻辑回归逻辑回归建立在线性回归之上。在线性回归中，模型预测的是一个连续的数值。而在逻辑回归中，线性回归的输出被输入到Sigmoid函数中，用于预测某个类别的概率。Sigmoid函数是一个S形的曲线，它将任意实数映射到(0, 1)区间，适合用来表达概率。逻辑回归广泛应用于各种二分类问题阅读全文

posted @ 2024-02-17 21:54 leviliang 阅读(32) 评论(0) 推荐(0) 编辑

Java中split()分割拆分字符串的方法

摘要：1、split()方法 split()方法是String类的一个方法，用于根据给定的正则表达式将字符串分割成子字符串数组。这个方法非常有用，特别是在需要解析和处理来自文件、用户输入或其他源的文本数据时。 public String[] split(String regex)根据匹配给定正则表达式的部阅读全文

posted @ 2024-02-17 21:47 leviliang 阅读(5093) 评论(0) 推荐(0) 编辑

Python 机器学习模型保存和加载

摘要： Python 机器学习中，模型保存和加载是两个非常重要的操作。模型保存可以将训练好的模型保存到文件，以便以后使用。模型加载可以将保存的文件加载到内存，以便进行预测或评估。最常用保存和加模型的库包括pickle和joblib，另外在使用特定的机器学习库，如scikit-learn、TensorFl 阅读全文

posted @ 2024-02-16 21:59 leviliang 阅读(127) 评论(0) 推荐(0) 编辑

Java中正则表达式(regex)匹配多行(Pattern.MULTILINE和Pattern.DOTALL模式)

摘要： Java中，正则表达式（regex）的处理是通过Pattern类实现的。Pattern类提供了多种标志（flags）来修改正则表达式的行为。其中，Pattern.MULTILINE和Pattern.DOTALL是两个常用的模式，它们分别用于处理多行文本和让.匹配包括行终止符在内的任意字符。参考阅读全文

posted @ 2024-02-16 21:52 leviliang 阅读(169) 评论(0) 推荐(0) 编辑

Python 机器学习线性回归正则化线性模型

摘要： Python 机器学习中，正则化是一种减少模型过拟合的技术，通过在损失函数中添加一个正则化项来实现。对于线性回归模型，常见的正则化方法有Lasso回归（L1正则化）、岭回归（L2正则化）和弹性网络回归（同时使用L1和L2正则化）。这些方法可以调整模型的复杂度，提高模型的泛化能力。 1、欠拟合（U 阅读全文

posted @ 2024-02-15 13:32 leviliang 阅读(65) 评论(0) 推荐(0) 编辑

.NET(C#)中new Dictionary(字典)初始化值(initializer默认值)

摘要： .NET(C#)中，当使用new Dictionary<TKey, TValue>()初始化一个字典时，可以通过集合初始化器语法直接为字典添加初始键值对。如需要为字典设置默认值，通常是指为尚未在字典中明确设置的键提供一个默认返回值。Dictionary<TKey, TValue> 类本身不直接支阅读全文

posted @ 2024-02-15 13:26 leviliang 阅读(211) 评论(0) 推荐(0) 编辑

Python 机器学习线性回归和岭回归

摘要： Python 机器学习中，机器学习领域的线性回归和岭回归是两种常用的回归分析方法，用于预测一个或多个自变量（或称为特征）和因变量（或称为目标变量）之间的关系。这两种方法都试图找到最佳的线性组合来预测目标变量，但它们在处理数据的方法上有所不同。线性回归和岭回归都是常用的线性回归模型。线性回归简单易阅读全文

posted @ 2024-02-12 11:10 leviliang 阅读(77) 评论(0) 推荐(0) 编辑

.NET(C#)遍历(for,foreach,while)字典(Dictionary)的几种方法

摘要： .NET (C#) 中，Dictionary<TKey, TValue> 是一种非常实用的集合类型，用于存储键值对的集合。遍历 Dictionary 的方法有多种，包括使用 for 循环、foreach 循环和 while 循环。使用 foreach 循环是遍历 Dictionary 中所有键值阅读全文

posted @ 2024-02-12 11:06 leviliang 阅读(420) 评论(0) 推荐(0) 编辑

Python 机器学习线性回归梯度下降法优化损失函数

摘要： Python 机器学习中，梯度下降法是一种用于优化线性回归模型（以及其他机器学习算法）的损失函数的通用算法。目的是通过迭代地调整模型的参数（权重和截距），以最小化损失函数，例如均方误差（MSE）。梯度下降的基本思想是计算损失函数相对于每个参数的梯度（即偏导数），然后朝着减少损失的方向调整参数。这阅读全文

posted @ 2024-02-11 21:32 leviliang 阅读(46) 评论(0) 推荐(0) 编辑

Python通过Lxml库解析网络爬虫抓取到的html

摘要： Lxml是基于 libxml2解析库的Python封装。libxml2是使用C语言编写的，解析速度很好，不过安装起来稍微有点复杂。安装说明可以参考(http: //Lxml.de/installation.html)，在CentOS7上中文安装说明(http://www.cjavapy.com/ 阅读全文

posted @ 2024-02-11 21:23 leviliang 阅读(114) 评论(0) 推荐(0) 编辑

Python 机器学习线性回归正规方程优化损失函数

摘要： Python 机器学习中，线性回归模型的参数可以通过正规方程（Normal Equation）直接计算得到，无需使用迭代优化算法如梯度下降。正规方程提供了一种找到成本函数最小值的解析解，从而直接计算出模型参数（系数和截距）。正规方程是一种简单有效的方法，可以用于求解线性回归模型的参数。其优点是计阅读全文

posted @ 2024-02-09 10:25 leviliang 阅读(52) 评论(0) 推荐(0) 编辑

Java中String、StringBuffer、StringBuilder的区别以及使用场景总结

摘要：Java中，String、StringBuffer和StringBuilder都用于处理字符串，但在功能和性能上有显著的区别。了解这些区别有助于选择最适合特定情境的类型。在选择使用String、StringBuffer或StringBuilder时，应根据字符串操作的性能需求和线程安全要求来做出决定阅读全文

posted @ 2024-02-09 10:18 leviliang 阅读(80) 评论(0) 推荐(0) 编辑

Python生成器表达式和生成器(yield)用法总结

摘要： Python 中,在处理一个新序列，不想在内存中放置一个新的列表、集合或者字典。因为可能数据量比较大，不能将所有数据都放到内存中。可能只做一次遍历，而不关心是否要创建一个最终的对象容器。此时就可以使用生成器了。生成器是一种使用简洁的语法创建迭代器的工具。主要有两种方式来创建生成器：使用生成器表达阅读全文

posted @ 2024-02-06 22:09 leviliang 阅读(23) 评论(0) 推荐(0) 编辑

Python 机器学习特征预处理

摘要：1、缩放特征（Feature Scaling）特征预处理是一个重要的步骤，而特征缩放（Feature Scaling）是其中的一个关键环节。特征缩放通常用于标准化数据集中各个特征的范围，使它们在相似的尺度上。这一步骤对于许多机器学习算法特别重要，尤其是那些基于距离的算法（如 K-近邻）和梯度下降法阅读全文

posted @ 2024-02-05 20:39 leviliang 阅读(40) 评论(0) 推荐(0) 编辑

Python中利用all()来优化减少判断的代码

摘要： Python 中，all() 函数是一个非常实用的内置函数，用于检查可迭代对象中的所有元素是否都满足某个条件。当你需要对多个条件进行逻辑与（AND）操作时，使用 all() 可以使代码更加简洁和可读。参考文档：Python中利用all()来优化减少判断的代码-CJavaPy 1、使用 all( 阅读全文

posted @ 2024-02-05 20:33 leviliang 阅读(15) 评论(0) 推荐(0) 编辑

Python 机器学习数据集分布可视化

摘要： Python 的机器学习项目中，可视化是理解数据、模型和预测结果的重要工具。通过可视化可以观察数据集的分布情况，了解数据的特征和规律，可以评估模型的性能，发现模型的优缺点，分析预测结果，解释模型的预测过程。可视化数据集的分布和预测结果是整个过程中一个重要的步骤。通常可视化可以用Seaborn实现阅读全文

posted @ 2024-02-04 23:05 leviliang 阅读(58) 评论(0) 推荐(0) 编辑

Java Integer包装类缓存(cache)

摘要： Java的Integer类有一个内部的缓存机制，主要用于优化自动装箱（autoboxing）和拆箱（unboxing）的性能。这个特性首次引入于Java 5，旨在减少对频繁使用的小整数值的重复对象创建，从而提高性能和减少内存使用。参数文档：Java Integer包装类缓存(cache)-CJ 阅读全文

posted @ 2024-02-04 22:58 leviliang 阅读(157) 评论(0) 推荐(0) 编辑

Python 机器学习 K-近邻算法鸢尾花种类预测

摘要： K-近邻算法（K-Nearest Neighbors, KNN）是一种简单而强大的机器学习算法，适用于分类和回归任务。可以使用scikit-learn库的KNN算法来预测鸢尾花（Iris）的种类。鸢尾花数据集是机器学习领域中常用的一个数据集，包含了150个鸢尾花样本，每个样本有四个特征：萼片长度阅读全文

posted @ 2024-02-03 23:18 leviliang 阅读(250) 评论(0) 推荐(0) 编辑

iText PDF Java API 入门介绍教程

摘要： iText是一个非常强大的Java库，用于创建和操作PDF文档。可以在Java应用程序中生成PDF文档，包括文本、表格、图像等丰富的内容。iText具有强大的功能，如PDF/A、数字签名、加密等，适用于复杂的PDF处理需求。iText是一个非常灵活和强大的库，可以根据具体需求进行大量的定制和扩展阅读全文

posted @ 2024-02-03 23:13 leviliang 阅读(243) 评论(0) 推荐(0) 编辑

Python 机器学习 K-近邻算法 KD树

摘要：在使用K-近邻（KNN）算法时，kd树（k-dimensional tree）是一种用于减少计算距离次数从而提高搜索效率的数据结构。kd树是一种特殊的二叉树，用于存储k维空间中的数据点，使得搜索最近邻点更加高效。KD树的构造过程是将数据分割成更小的区域，直到每个区域满足特定的终止条件。 1、构建KD 阅读全文

posted @ 2024-02-02 21:12 leviliang 阅读(159) 评论(0) 推荐(0) 编辑

.NET(C#)自动属性提供默认值的方法

摘要： .NET（C#）中，自动属性（Auto-Implemented Properties）提供了一种简洁的方式来实现属性而无需显式定义字段。但直到C# 6.0版本之前，不能在自动属性的声明中直接为其指定默认值。从C# 6.0开始，可以在自动属性声明中直接初始化默认值。参考文档：.Net(C#)自动阅读全文

posted @ 2024-02-02 21:06 leviliang 阅读(124) 评论(0) 推荐(0) 编辑

Python 机器学习 K-近邻算法 K值的选择

摘要：1、选择说明 K-近邻算法通过查找测试数据点的K个最近的邻居来进行预测。这些邻居的类别（对于分类问题）或值（对于回归问题）用于决定测试点的类别或值。K是一个正整数，通常较小。 1）避免过小的K值 K值过小可能会导致模型过于复杂，容易受到数据中噪声的影响，从而导致过拟合。避免在K-近邻算法中选择过小的阅读全文

posted @ 2024-02-01 22:00 leviliang 阅读(160) 评论(0) 推荐(0) 编辑

ASP.NET Core中JsonResult和ObjectResult的用法

摘要：在ASP.NET Core中，JsonResult和ObjectResult是两种用于返回数据的ActionResult类型，它们在控制器中用来生成HTTP响应。选择使用JsonResult还是ObjectResult取决于具体需求。如只需要返回JSON格式的数据，JsonResult是一个简单阅读全文

posted @ 2024-02-01 21:56 leviliang 阅读(201) 评论(0) 推荐(0) 编辑

02 2024 档案

公告