摘要：
有两个数据库表，社团表和一个社团分类表，后来突然想加个 各个社团种类下的社团数 这样一个字段count，于是用到了存储过程 navicat中编写存储过程可以直接点上方的函数然后选择存储过程 1 CREATE DEFINER=`root`@`localhost` PROCEDURE `countcat 阅读全文
posted @ 2021-03-02 00:29
xiaoAP
阅读(39)
评论(0)
推荐(0)
2021年3月2日
2020年12月9日
摘要：
通过查阅，在下面这篇博文找到答案，与PageHelper.startPage这行代码的位置有关 https://segmentfault.com/a/1190000020986481?utm_source=tag-newest 阅读全文
posted @ 2020-12-09 15:49
xiaoAP
阅读(914)
评论(0)
推荐(0)
2020年8月15日
摘要：
学习过程中，本来项目运行得好好的，再一次启动时突然出现 Error : java 不支持发行版本5 的错误 经排查，发现pom.xml内也没有设定java版本 百度后，根据该博文（https://www.jianshu.com/p/bfb358952493），进行下图中的修改，解决 还不行？这里也要 阅读全文
posted @ 2020-08-15 15:11
xiaoAP
阅读(183)
评论(0)
推荐(0)
2020年6月23日
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。 二、实践方案 简要说明理由。 三、实践任务分解 根据所选的题目，明确实验步骤，分解任务到每天。 四、实践计划 按任务分解撰写计划表，每天按计划表开展工作。 第天根据实际情况更新计划表，有必要时调整。 1. 阅读全文
posted @ 2020-06-23 20:42
xiaoAP
阅读(124)
评论(0)
推荐(0)
2020年6月14日
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 @ 2020-06-14 16:04
xiaoAP
阅读(271)
评论(0)
推荐(0)
2020年6月6日
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。 从上图中可以看出，三者之间其实是一种包含的关系，即深度学习是实现机器学习的技术，而机器学习又是实现人工智能的方法。 2. 全连接神经网络与卷积神经网络的联系与区别。 全连接神经网络 卷积神经网络 从以上两图是两种网络的结构，两种网络都是由一层一 阅读全文
posted @ 2020-06-06 17:47
xiaoAP
阅读(355)
评论(0)
推荐(0)
2020年5月23日
摘要：
1.读取 2.数据预处理 数据预处理函数： 词性标记函数 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_spli 阅读全文
posted @ 2020-05-23 03:16
xiaoAP
阅读(216)
评论(0)
推荐(0)
2020年5月17日
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 @ 2020-05-17 16:03
xiaoAP
阅读(176)
评论(0)
推荐(0)
2020年5月13日
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。 联系：均是用于对数据进行分类的机器学习方法 区别： 分类 聚类 监督学习 无监督学习 有标签的和无标签的都有 数据无标签 简述什么是监督学习与无监督学习。 2.朴素贝叶斯分类算法 实例 利用关于心脏病患者的临床历史数据集，建立 阅读全文
posted @ 2020-05-13 20:41
xiaoAP
阅读(291)
评论(0)
推荐(0)
2020年5月4日
摘要：
一、用自己的话描述出其本身的含义： 1、特征选择 特征选择就是在进行机器学习的模型训练和预测过程中，在面对大量的特征数据前，去掉无关的特征，实现数据的降维。举个例子，预测某一天出去玩的概率，如果数据中有类似衣服颜色、袜子颜色等无用的数据，就可人工把这些特征数据去掉。这样不仅提高了模型训练的速度，也提 阅读全文
posted @ 2020-05-04 15:34
xiaoAP
阅读(175)
评论(0)
推荐(0)
浙公网安备 33010602011771号