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

股票预测Python实战包:LR/LSTM/ARIMA/KNN/Prophet/确定性过程6模型+回测图表一键运行

直接跑通就能出结果的股票价格预测代码包,用AMZN真实股价数据实测,内置线性回归、LSTM神经网络、ARIMA时序模型、K近邻、Facebook Prophet和确定性过程共6种算法。每个模型都配齐数据预处理、训练、预测、误差评估(MAE/RMSE)和可视化环节:趋势分解、自相关图、周期谱、月度分布、滚动均值、季节性拆解等图像全都有,还生成每日资金曲线和不同持有期的收益对比图。代码分模块管理——m

Python脚本自动化:ArcGIS中批量栅格数据转换与统计计算实战

本文详细介绍了如何利用Python脚本在ArcGIS中实现栅格数据的批量化处理。通过实战案例,演示了批量将TIFF格式栅格转换为ASCII文本,以及结合跳跃因子高效计算栅格统计值(如平均值、最大值)的方法。文章还分享了脚本的错误处理、日志记录及封装为ArcGIS工具箱工具的进阶技巧,旨在帮助GIS从业者大幅提升数据处理效率与自动化水平。

图像处理中的高频与低频信号:如何用Python+OpenCV实现边缘检测与平滑处理

本文从频域视角解析图像处理,深入探讨高频信号与低频信号的核心概念。通过Python与OpenCV实战,详细演示了如何利用Sobel、Canny等算法实现边缘检测以捕捉高频信息,并运用高斯模糊、双边滤波等技术进行平滑处理以保留低频主体。文章提供了完整的代码示例和参数调优心得,帮助开发者理解并掌握图像锐化、去噪等综合应用背后的频率操控原理。

Python写的柯南风贪吃蛇游戏,双击就能玩,带背景图和运行效果预览

直接运行main.py就能启动的贪吃蛇小游戏,界面已替换为名侦探柯南风格背景图(kenan.jpg),游戏标题也同步改为‘贪吃蛇(名侦探柯南)’。包里附带运行结果.gif,点开就能看到实际运行效果,不用跑代码也能确认功能完整。代码用标准Python 3.6+编写,没用复杂第三方库,只有基础tkinter绘图和事件响应,结构清晰、注释到位,适合刚学完循环和函数的初学者上手理解游戏主循环、键盘控制、碰

别再混淆了!一文搞懂深度学习分类中的准确率、精确率、召回率(附Python代码示例)

本文深入解析深度学习分类中的核心评估指标——准确率、精确率和召回率,帮助开发者避免常见误区。通过Python代码示例和实际业务场景分析,揭示各类指标的适用条件与优化策略,特别强调在医疗诊断、金融风控等关键领域如何正确选择评估标准。

#深度学习
GLM-4.6实战:从零构建TCP可视化工具,国产模型如何颠覆前端开发?

本文探讨了GLM-4.6在构建TCP可视化工具中的革命性应用,展示了国产模型如何简化前端开发流程。通过实际案例,文章详细解析了GLM-4.6在代码生成、架构设计和调试优化中的卓越表现,特别强调了其在理解设计意图和保持工程规范方面的优势。对于后端开发者而言,GLM-4.6是一个强大的全栈开发助手。

GLM-4.6实战:从零构建TCP可视化工具,国产模型如何颠覆前端开发?

本文探讨了GLM-4.6在构建TCP可视化工具中的革命性应用,展示了国产模型如何简化前端开发流程。通过实际案例,文章详细解析了GLM-4.6在代码生成、架构设计和调试优化中的卓越表现,特别强调了其在理解设计意图和保持工程规范方面的优势。对于后端开发者而言,GLM-4.6是一个强大的全栈开发助手。

从零排查:windsurf+MCP集成报错的5种常见原因及解决方案

本文深入解析了在Windsurf中集成MCP服务器时常见的“TransformStream is not defined”错误的根源。该错误通常源于Node.js版本过低(低于v18),导致Web Streams API不可用。文章提供了从环境诊断、使用nvm升级Node.js,到配置IDE和排查依赖冲突的完整解决方案,帮助开发者从根本上解决这一集成难题。

#MCP
Codex CLI 进阶实战:从React Hooks到数据库迁移的5个高效场景

本文深入探讨了Codex CLI在五个高效开发场景中的进阶应用。从自动化重构React类组件为Hooks函数组件,到智能生成安全的数据库迁移脚本;从快速生成覆盖全面的单元测试,到安全执行批量文件操作与路径更新,再到将复杂的正则表达式需求翻译为可执行代码。文章通过具体命令示例,展示了如何利用自然语言指令,让Codex CLI成为提升编码效率、保障代码质量的智能开发伙伴。

#单元测试
ONNXRuntime实战:FP16和INT8数据类型转换的5个常见坑点及解决方案

本文深入剖析了在ONNXRuntime中使用FP16和INT8数据类型进行模型推理优化时,开发者常遇到的五个核心陷阱,包括内存布局混淆、精度损失、量化参数错配、执行提供程序兼容性以及类型校验疏忽。文章不仅揭示了问题根源,更提供了从数据准备、API正确调用到性能调试的完整解决方案,帮助开发者有效规避错误,充分发挥低精度数据类型的性能优势。

    共 34 条
  • 1
  • 2
  • 3
  • 4
  • 请选择