logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

微信小程序中wxml和wxss的样式,彻底搞定布局排版

对于css不熟悉的程序员来说,开发微信小程序面临的一个比较困难的问题就是界面的排版了。微信小程序的排版就跟wxml和wxss有关了,它们两者相当于布局文件,其中wxml指定了界面的框架结构,而wxss指定了界面的框架及元素的显示样式。一、wxml界面结构wxmL比较容易理解,主要是由八大类基础组件构成:一、视图容器(View Container):二、基础内容(Basic Co...

#微信小程序
PageRank算法原理与Python实现

1 PageRank算法简介PageRank算法,即网页排名算法,由Google创始人Larry Page在斯坦福上学的时候提出来的。该算法用于对网页进行排名,排名高的网页表示该网页被访问的概率高。该算法的主要思想有两点:a. 如果多个网页指向某个网页A,则网页A的排名较高。b. 如果排名高A的网页指向某个网页B,则网页B的排名也较高,即网页B的排名受指向其的网页的排名的影响。...

#数据挖掘#python#算法 +1
常见的状态码:HTTP Status Code

HTTP状态码(HTTP Status Code) 是当我们访问网页服务器,服务器做出相应的状态的3位数的数字代码。主要包括“1xx”(消息)、“2xx”(成功)、“3xx”(重定向)、“4xx”(请求错误)和“5xx”或“6xx”(服务器错误)五种不同类型。 比较常见的状态码有:HTTP: Status 200 – 服务器成功返回网页HTTP: Status 404 – 请求的网...

Linux 下 you need to be root to perform this command

在linux 终端执行某条命令时提示一下错误you need to be root to perform this command是提示要获取root权限输入su 回车输入密码(密码不显示,输入的时候没有效果,但其实已经输入)即可解决exit 命令退出root权限...

Linux创建并挂载NAS

在Linux服务器1上创建nas服务器,并指定可读写目录在Linux服务器2上挂载上述nas磁盘在Linux服务器2上设置开机自动挂载nas磁盘

#linux#运维
机器学习 - 特征工程知识点总结

* 人工智能:50年代:机械自动化生产* 机器学习:80年代:邮件分类* 深度学习:最近十年:图像识别* 机器学习定义:* 数据* 自动分析获得规律* 对未知数据进行预测* 为什么需要机器学习* 提高生产效率* 机器学习应用场景* 用在挖掘、预测领域* 用在图像领域* 用在自然语言处理领域(语音)* 特征工程...

机器学习 - 特征预处理

学习目标了解数值型数据、类别型数据特点应用MinMaxScaler实现对特征数据进行归一化应用StandardScaler实现对特征数据进行标准化1、什么是特征预处理特征预处理:通过一些转换函数将特征数据转换成更加适合算法模型的特征数据过程可以通过上面那张图来理解1.1 包含内容数值型数据的无量纲化:归一化标准化1.2 特征预处理APIsklear...

pandas - 文件读取与存储

学习目标了解Pandas的几种文件读取存储操作应用CSV方式和HDF方式实现文件的读取和存储应用:实现股票数据的读取存储我们的数据大部分存在于文件当中,所以pandas会支持复杂的IO操作,pandas的API支持众多的文件格式,如CSV、SQL、XLS、JSON、HDF5。注:最常用的HDF5和CSV文件1 数据读取存储API1.1 read_csv与to_cs...

分类算法 - 数据集介绍与划分

学习目标知道数据集的分为训练集和测试集知道sklearn的分类、回归数据集思考:拿到的数据是否全部都用来训练一个模型?1 数据集的划分机器学习一般的数据集会划分为两个部分:训练数据:用于训练,构建模型测试数据:在模型检验时使用,用于评估模型是否有效划分比例:训练集:70% 80% 75%测试集:30% 20% 25%APIsklearn.model_se...

朴素贝叶斯算法原理与Python实现

朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法[1]。最为广泛的两种分类模型是决策树模型(Decision Tree Model)和朴素贝叶斯模型(Naive Bayesian Model,NBM)。和决策树模型相比,朴素贝叶斯分类器(Naive Bayes Classifier 或 NBC)发源于古典数学理论,有着坚实的数学基础,以及稳定的分类效率。同时,NBC模型所需估计的参数很少,

#算法#python#数据挖掘
暂无文章信息