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

C#连接数据库制作简单登录界面

目标:可视化的登录界面,可实现登录,注册,数据源为SQL server数据库,实现数据库表格内容的读取,写入C#集成开发环境为visual studio2017数据库为SQL server数据库登录界面最终效果如下图:注册界面最终效果如下图:添加按钮事件响应之前,先连接数据库首先在SQL server中新建一个库,以及一个表,SQL语句如下CREATE DATABASE DENGLU;CREAT.

梯度和斜率

梯度的定义如下:梯度是一个方向向量,若α是函数在某点的梯度,那么函数在该点沿着α方向的变化最快那么什么是函数的增长方向?任何函数都可以用以下的表示方式表示:x为自变量,w为参数,y为因变量,我们一般默认函数的增长方向为因变量的增长方向(函数图像中因变量的坐标轴的正方向),所以函数上某点的最快增长方向,是使得因变量增长最快的方向。那么,现在考虑一个三维空间中的球面,其上的一个...

#数学#机器学习
梯度下降法和泰勒公式

第一部分:泰勒公式在高数中,引出相关需求,其描述如下:对于一些较复杂的函数,为了便于研究,往往希望用一些简单的函数来近似表达。由于用多项式表示的函数,只要对自变量进行有限次的加,减,乘三种算数运算,便能求出它的函数值,因此我们经常用多项式近似表达函数。简单说来,就是:在误差允许的前提下,我们用多项式(简单函数)来近似代替复杂函数,使得复杂函数的应用更加方便所以说,泰勒公式是使用多项...

#数学#机器学习
python + pyqt5 QTreeWidget 实现文件资源管理

这是VSCode的文件资源管理或者叫资源文件导航,这是一个树形结构的,我们使用QTreeWidget来实现一下,最终的结果如下:我先把代码贴出来,UI界面的编程,不可能把每一行代码都讲清楚,我只讲一些思路和需要注意的细节吧:第一个文件(fileopen.py),UI设计的文件,是QT Designer设计好的ui文件直接转换为的Python文件:# -*- codi...

鲍鱼数据集数据分析和可视化,线性回归预测鲍鱼年龄(基于TensorFlow)

一:数据集描述NameData Type Meas. Description------------- ----- -----------SexnominalM, F, and I (infant)Lengthcontinuous mm Lo...

#pandas#线性回归
Python+Pyqt5 文件选择对话框

办公类应用软件都有打开文件或文件夹的功能,如下图:让我们使用pyqt5来实现文件选择:首先使用可视化设计工具QTdesigner来创建一个应用窗口并添加一个菜单栏,添加一个菜单选项fileopen。当然大神可以直接敲代码,但是大神还会来看这个文章吗?使用指令pyuic5 -o filename.py filename.ui (filename为你命名的文件名)来将.ui设计文...

#python
凸集

本文参考自清华大学研究生公共课教材——数学系列《最优化理论与算法》(第二版)一:凸集定义:设S为n维欧式空间中中的一个集合,若对S中任意两点,联结它们的线段仍属于S,称这样的集合S是一个凸集。用代数的形式表达为:对S中任意两点,及每个实数,都有称...

机器学习 线性回归模型(Python实现)

本文介绍机器学习中的线性模型的基本形式和求解线性回归方程方法设问题为:判断一个同学对机器学习算法的掌握程度有以下观点:1.数学基础2.高级语言掌握程度...

#机器学习
机器学习 对数几率回归模型(Python实现)

本文介绍对数几率回归模型,是一个典型的二分类任务学习模型书接上回,我们可以对一个数据集得到它的回归方程我们是这样去解读回归方程的:在相关属性下对样例的某一特征的度量我们根据回归方程得到的特征度量是一个连续值,我们可以根据这个度量值进行分类例如:大学的绩点计算,当我们的绩点大于等于2.0才能拿到学位,否则拿不到学位,我们可以认为当度量值达到多少时将样例视为一类,而没达到的样例分为另一...

#机器学习
机器学习 BP神经网络(Python实现)

一个神经元即一个感知机模型,由多个神经元相互连接形成的网络,即神经网络。这里我们只讨论单隐层前馈神经网络,其连接形式入下:神经网络模型的待估参数即,每个神经元的阈值,以及神经元之间的连接权重。对于该模型有如下定义:训练集:D={(x1, y1), (x2, y2), ......, (xm, ym)},x具有d个属性值,y具有k个可能取值则我们的神经网络(单隐层前馈神经网络...

#机器学习
    共 15 条
  • 1
  • 2
  • 请选择