网络编程_进程_线程
网络编程介绍 概述 就是用来实现网络互联的 不同计算机上 运行的程序间 可以进行数据交互. 三要素 IP地址: 设备(电脑, 手机, Ipad…)在网络中的唯一标识 分类: IPV4, 4字节, 十进制. 例如: 192.168.88.100 IPV6, 8字节, 十六进制, 宣传语: 可以让地球上的每一粒沙子都有自己的IP 两个DOS命令: 查看IP: windows: ipconfig Linux, Mac: ifconfig 测试网络连接: ping ip地址 或者 域名 端口号: 程序在设备(电脑, 手机, Ipad…)上的唯一标识. 范围: 0 ~ 65535, 其中0 ~ 1023已经被系统占用或者用作保留端口, 自定义端口时尽量规避这个范围. 协议: 传输规则, 规范. 常用的协议: TCP(这个用的最多) 和 UDP TCP特点: 1.面向有连接 2.采用字节流传输数据, 理论无大小限制. 3.安全(可靠)...
数据结构与算法1
数据结构和算法简介 数据结构 就是存储和组织数据的方式, 分为: 线性结构 和 非线性结构 算法 就是解决问题的思路和发放, 它具有独立性, 即: 它不依赖语言, 而是解决问题的思路. Java能做, Python也能做. 特性 有输入, 有输出, 有穷性, 确定性, 可行性. 如何衡量算法的优劣 ==大O标记法,== 即: 将次要条件都省略掉, 最终形成1个表达式. **主要条件:**随着问题规模变化而==变化==的. **次要条件:**随则问题规模变化而==不变==的. 最优和最坏时间复杂度 如非特殊说明, 我们考虑的都是 最坏时间复杂度, 因为它是算法的一种保证. 而最优时间复杂度是算法的 最理想, 最乐观的状况, 没有太大的参考价值. 常见的时间复杂度如下 从最优到最坏分别是: O(1) -> O(logn) -> O(n) -> O(n logn) -> O(n²) -> O(n³) ...
数据结构与算法
冒泡排序_思路及代码 123456789101112131415161718192021222324252627282930313233343536373839404142"""排序算法稳定性介绍： 概述：排序算法= 把一串数据按照升序或者降序的方式进行排列 方法、思维、方式 分类： 稳定排序算法 排序后，想同元素的相对位置不发生改变 不稳定排序算法 排序后，想同元素的相对位置发生改变 冒泡排序： 原理：相邻元素两两比较，大的往后走，这样第一轮比较厚，最大值在最大索引处 重复该动作，只要排序完毕。 核心： 1：比较的总轮数 列表的长度-1 2：每轮比较的总次数 列表的长度-1-当前轮数的索引 3：谁和谁比较 ？ 列表[j]和列表[j+1] 分析流程： 假设元素个数5个 ，具体如下： [5,3,4,7,2] 长度为5 比较的轮数,i...
线性回归
线性回归 线性回归介绍学习目标： 1.理解线性回归是什么？ 2.知道一元线性回归和多元线性回归的区别 3.知道线性回归的应用场景 【理解】举个栗子假若有了身高和体重数据，来了播仔的身高，你能预测播仔体重吗? 这是一个回归问题，该如何求解呢? 思路:先从已知身高X和体重Y中找规律，再预测 •数学问题：用一条线来拟合身高和体重之间的关系，再对新数据进行预测 方程 Y = kX + b k160 + b = 56.3 – (1) k166 + b = 60.6 –- (2) 。。。。 k: 斜率 b:截距 若：y = 0.9 x + (-93) 0.9*176 +（-93）= ? 【理解】线性回归线性回归(Linear regression)是利用 回归方程(函数) 对 一个或多个自变量(特征值)和因变量(目标值)之间 关系进行建模的一种分析方式。 注意事项： 1 为什么叫线性模型？因为求解的w，都是w的零次幂（常数项）所以叫成线性模型 2 在线性回归中，从数据中获取的规律其实就是学习权重系数w 3 某一...
生成器_正则
多线程特点_随机性12345678910111213141516171819202122import threading# 使用多线程来模拟小明一边编写num行代码，一边听count首音乐功能实现。def coding(name, num): for i in range(num): print(f"{name}正在敲{i}行代码")def music(name, count): for i in range(count): print(f"{name}正在听{i}遍音乐")# args 元组# kwargs 字典if __name__ == '__main__': t1 = threading.Thread(target=coding, args=("小明", 100)) t2 = threading.Thread(target=music, args=("小...
朴素贝叶斯
朴素贝叶斯朴素贝叶斯介绍 复习常见概率的计算 知道贝叶斯公式 了解朴素贝叶斯是什么 了解拉普拉斯平滑系数的作用 【知道】常见的概率公式 条件概率： 表示事件A在另外一个事件B已经发生条件下的发生概率，P(A|B) 在女神喜欢的条件下，职业是程序员的概率？ 女神喜欢条件下，有 2、3、4、7 共 4 个样本 4 个样本中，有程序员 3、4 共 2 个样本 则 P(程序员|喜欢) = 2/4 = 0.5 联合概率： 表示多个条件同时成立的概率，P(AB) = P(A) P(B|A)特征条件独立性假设：P(AB) = P(A) P(B) 职业是程序员并且体型匀称的概率？ 数据集中，共有 7 个样本 职业是程序员有 1、3、4 共 3 个样本，则其概率为：3/7 在职业是程序员，体型是匀称有 3 共 1 个样本，则其概率为：1/3 则即是程序员又体型匀称的概率为：3/7 * 1/3 = 1/7 联合概率 + 条件概率： 在女神喜欢的条件下，职业是程序员、体...
Python编程_文件与异常
大纲 文件的概念与基本操作 Python异常处理方式【掌握】 内置模块与自定义模块的应用【活学活用】 学生管理系统 文件的概念学习目标 理解文件的相关概述 理解文件的作用 什么是文件内存中存放的数据在计算机关机后就会消失。要长久保存数据，就要使用硬盘、光盘、U 盘等设备。为了便于数据的管理和检索，引入了==“文件”==的概念。 一篇文章、一段视频、一个可执行程序，都可以被保存为一个文件，并赋予一个文件名。操作系统以文件为单位管理磁盘中的数据。一般来说，==文件可分为文本文件、视频文件、音频文件、图像文件、可执行文件等多种类别。== 思考：文件操作包含哪些内容呢？在日常操作中，我们对文件的主要操作：创建文件、打开文件、文件读写、文件备份等等 文件操作的作用文件操作的作用就是==把一些内容(数据)存储存放起来==，可以让程序下一次执行的时候直接使用，而不必重新制作一份，省时省力。 总结Q1: 文件操作包括哪些内容? 打开文件 读写操作 关闭文件 ...
面向对象进阶
子类重写父类的功能12345678910111213141516171819202122232425262728293031323334353637# 小明掌握了老师傅和黑马的技术后，# 自己潜心钻研出一套自己的独门配方的全新摊煎饼果子技术。"""重写解释： 概念：重写也叫覆盖，即子类出现和父类【重名】的属性或者方法 。称之为重写 调用层次：就近原则 子类用子类的，没有就去找父类的，依次按照继承顺序去找其他父类"""class Master: def __init__(self): self.kongfu = "[古法煎饼果子配方]" def make_cake(self): print(f"运用{self.kongfu}制作煎饼果子")class School: def __init__(self): self.kongfu = "[黑马AI煎饼果子配方]" de...
Python编程_推导式与函数
今日内容大纲 Python推导式定义与应用 函数定义与嵌套 ※※ 变量的作用域 函数参数进阶 ※※ lambda函数应用场景 推导式学习目标 掌握推导式的相关用法 什么是推导式推导式comprehensions（又称解析式），是Python的一种独有特性。推导式是可以从一个数据序列构建另一个新的数据序列（一个有规律的列表或控制一个有规律列表）的结构体。 共有三种推导：列表推导式、集合推导式、字典推导式。 为什么需要推导式案例：创建一个0-9的列表 while循环： 123456789# 初始化计数器i = 0list1 = []# 编写循环条件while i <= 9: list1.append(i) # 更新计数器 i += 1print(list1) for循环： 12345list1 = []# 编写for循环for i in range(0, 10): list1.append(i)print(list1) 思考：我们能不能把以上代码简化为一行代码搞定这个程序呢？ 答：可以，使用推导式 列表推导式基本语法： 123...
逻辑回归
逻辑回归逻辑回归简介学习目标： 1.知道逻辑回归的应用场景 2.复习逻辑回归应用到的数学知识 【了解】应用场景 逻辑回归是解决二分类问题的利器 【熟悉】数学知识【知道】sigmoid函数 【理解】概率 【理解】极大似然估计核心思想： 设模型中含有待估参数w，可以取很多值。已经知道了样本观测值，从w的一切可能值中（选出一个使该观察值出现的概率为最大的值，作为w参数的估计值，这就是极大似然估计。（顾名思义：就是看上去那个是最大可能的意思） 举个例子： 假设有一枚不均匀的硬币，出现正面的概率和反面的概率是不同的。假定出现正面的概率为𝜃， 抛了6次得到如下现象 D = {正面，反面，反面，正面，正面，正面}。每次投掷事件都是相互独立的。 则根据产生的现象D，来估计参数𝜃是多少? 1234P(D|𝜃) = P {正面，反面，反面，正面，正面，正面} = P(正面|𝜃) P(正面|𝜃) P(正面|𝜃) P(正面|𝜃) P(正面|𝜃) P(正面|𝜃)=𝜃 *(1-𝜃)*(1-𝜃)𝜃*𝜃*𝜃 = 𝜃4(1 − 𝜃) 问题转化为...
