当前位置：首页 > news >正文

机器学习——逻辑回归ROC练习

news 来源：原创 2025/8/14 2:46:00

一、

题目要求：

给定以下二分类模型的预测结果，手动绘制ROC曲线并计算AUC值：

y_true = [0, 1, 0, 1, 0, 1] # 真实标签（0=负类，1=正类）

y_score = [0.2, 0.7, 0.3, 0.6, 0.1, 0.8] # 模型预测得分

代码展示：

import matplotlib.pyplot as plt
from sklearn.metrics import roc_curvey_true = [0,1,0,1,0,1]
y_score = [0.2,0.7,0.3,0.6,0.1,0.8]fpr,tpr,_ = roc_curve(y_true,y_score)plt.figure(figsize=(8,9))
plt.plot(fpr,tpr,color="b")
plt.plot([0,1],[0,1],color="r",linestyle="--")
plt.xlabel("fpr")
plt.ylabel("tpr")
plt.grid()
plt.show()

结果展示：

二、

题目要求

处理有相同预测得分的情况：

y_true = [1, 0, 0, 1, 1, 0, 1, 0]

y_score = [0.8, 0.5, 0.5, 0.7, 0.6, 0.5, 0.9, 0.3]

代码展示：

import matplotlib.pyplot as plt
from sklearn.metrics import roc_curvey_true = [1, 0, 0, 1, 1, 0, 1, 0]
y_score = [0.8, 0.5, 0.5, 0.7, 0.6, 0.5, 0.9, 0.3]fpr,tpr,_ = roc_curve(y_true,y_score)plt.figure(figsize=(8,9))
plt.plot(fpr,tpr,color="b")
plt.plot([0,1],[0,1],color="r",linestyle="--")
plt.xlabel("fpr")
plt.ylabel("tpr")
plt.grid()
plt.show()

结果展示：

三、

题目背景

在信用卡欺诈检测中，正常交易（负类）远多于欺诈交易（正类）。给定以下模拟数据：

y_true = [0, 0, 0, 0, 0, 0, 1, 0, 1, 0] # 2个欺诈（正类），8个正常（负类）

y_score = [0.1, 0.2, 0.15, 0.05, 0.3, 0.25, 0.9, 0.4, 0.6, 0.1] # 模型输出的欺诈概率

题目要求

手动计算所有(FPR, TPR)点
绘制ROC曲线
观察类别不平衡对曲线形状的影响

代码展示：

import matplotlib.pyplot as plt
from sklearn.metrics import roc_curvey_true = [0, 0, 0, 0, 0, 0, 1, 0, 1, 0]  # 2个欺诈（正类），8个正常（负类）
y_score = [0.1, 0.2, 0.15, 0.05, 0.3, 0.25, 0.9, 0.4, 0.6, 0.1]  # 模型输出的欺诈概率fpr,tpr,_ = roc_curve(y_true,y_score)plt.figure(figsize=(8,9))
plt.plot(fpr,tpr,color="b")
plt.plot([0,1],[0,1],color="r",linestyle="--")
plt.xlabel("fpr")
plt.ylabel("tpr")
plt.grid()
plt.show()

结果展示：

四、

使用Kaggle上的“Pima Indians Diabetes Database”数据集来进行逻辑回归的练习。该数据集的链接如下：Pima Indians Diabetes Database

‌练习场景描述‌：

你是一家医疗机构的数据分析师，你的任务是分析Pima Indians Diabetes Database数据集，以预测患者是否患有糖尿病。数据集包含了一系列与患者健康相关的指标，如怀孕次数、葡萄糖浓度、血压等。你需要使用逻辑回归模型来训练一个分类器，以根据这些指标预测患者是否患有糖尿病。

‌具体步骤‌：

使用pandas库加载数据集，并进行初步的数据探索，了解数据集的字段和分布情况。
对数据进行预处理，包括处理缺失值、标准化或归一化特征值等。
使用numpy库进行特征选择或特征工程，以提高模型的性能。
划分训练集和测试集，使用训练集训练逻辑回归模型，并使用测试集评估模型的性能。
使用matplotlib库绘制ROC曲线或混淆矩阵，以直观展示模型的分类效果。
根据评估结果调整模型的参数，以提高模型的性能。

‌题目‌：

基于上述练习场景，请完成以下任务：

加载Pima Indians Diabetes Database数据集，并进行初步的数据探索。
对数据进行预处理，包括处理缺失值和标准化特征值。
使用逻辑回归模型进行训练，并评估模型的性能。
绘制ROC曲线，展示模型的分类效果。
根据你的理解，提出至少一个改进模型性能的方法，并尝试实现。

代码展示：

import matplotlib.pyplot as plt
import pandas as pd
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import roc_curve
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.preprocessing import StandardScalerdf = pd.read_csv("./data/diabetes.csv",encoding="utf-8")
print(df.head())
print(df.shape)df = df.dropna(axis=0)x = df.drop("Outcome",axis=1)
y = df["Outcome"]x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.2,random_state=22)transfer = StandardScaler()
x_train = transfer.fit_transform(x_train)
x_test = transfer.fit_transform(x_test)estimator = LogisticRegression()
estimator.fit(x_train,y_train)y_predict = estimator.predict(x_test)
print("预测值和真实的对比：",y_predict == y_test)ret = estimator.score(x_test,y_test)
print("准确率：",ret)y_pred_proba = estimator.predict_proba(x_test)[:, 1]
fpr, tpr, thresholds = roc_curve(y_test, y_pred_proba)plt.figure(figsize=(8,9))
plt.plot(fpr,tpr,color="b")
plt.plot([0,1],[0,1],color="r",linestyle="--")
plt.xlabel("fpr")
plt.ylabel("tpr")
plt.grid()
plt.show()param_grid = {'C': [0.1, 1, 10, 100],'penalty': ['l1', 'l2'],'solver': ['liblinear', 'saga']
}
grid_search = GridSearchCV(LogisticRegression(), param_grid, cv=5)
grid_search.fit(x_train, y_train)best_estimator = grid_search.best_estimator_
best_ret = best_estimator.score(x_test, y_test)
print("调整参数后模型的准确率：", best_ret)

结果展示：

预测值和真实的对比： 645    False
767     True
31      True
148    False
59      True...  
30      True
158     True
167     True
582    False
681     True
Name: Outcome, Length: 154, dtype: bool
准确率： 0.7402597402597403
调整参数后模型的准确率： 0.7402597402597403

机器学习——逻辑回归ROC练习

一、题目要求： 给定以下二分类模型的预测结果，手动绘制ROC曲线并计算AUC值： y_true [0, 1, 0, 1, 0, 1] # 真实标签（0负类，1正类） y_score [0.2, 0.7, 0.3, 0.6, 0.1, 0.8] # 模型预测得分代码展示…...

编程日记 2025/8/14 2:46:00

Kubernetes学习笔记

云计算三层模型 IaaS（基础设施即服务）：提供虚拟化计算资源（如虚拟机、存储、网络）。 PaaS（平台即服务）：提供应用开发和部署环境（如数据库、中间件、运行时）。…...

编程日记 2025/6/29 3:07:00

在本地某次启动db2时报错SQL1042C，具体报错如下 [db2inst1standby ~]$ db2start 05/07/2025 16:32:53 0 0 SQL1042C An unexpected system error occurred. SQL1032N No start database manager command was issued. SQLSTATE57019在网上百度到说是需要…...

编程日记 2025/8/14 2:38:29

Redis相关命令详解与原理

Redis是什么？ Redis 是Remote Dictionary Server(Redis) 的缩写，是一个使用 C语言编写、遵守BSD协议、支持网络、可基于内存亦可持久化的日志型的Key-Value数据库，并提供多种语言的API。它是一种 NoSQL（not-only sql，…...

编程日记 2025/8/14 2:38:28

[吾爱出品][Windows] 产品销售管理系统2.0

[Windows] 产品销售管理系统链接：https://pan.xunlei.com/s/VOPej1bHMRCHy2np9w3TBOyKA1?pwdgjy7# 使用方法：1、先设置一下图片保存路径 2、维护产品。客户等基础信息。例如：销售类型：一次性销售编码：RCX。 3、销…...

编程日记 2025/6/29 3:37:53

基于OpenTelemetry的分布式链路追踪Trace‌实现（PHP篇）

目录引言一、OpenTelemetry是一套可观测性标准协议二、分布式追踪（‌Trace‌）是OpenTelemetry的核心功能之一三、OpenTelemetry的架构原理四、OpenTelemetry的分布式追踪（‌Trace‌）实践1、准备PHP环境2、下载SDK3、编写实例代码…...

编程日记 2025/6/29 4:10:22

电气工程中漏源电压Vds的平台电压是什么？

在MOSFET（金属 - 氧化物 - 半导体场效应晶体管）中，漏源电压 VDS 的平台电压是其输出特性曲线中的一个关键概念。定义在MOSFET的输出特性曲线里，当器件工作于饱和区时，漏源电流ID对漏源电压VDS的变化不太敏感&…...

编程日记 2025/8/11 15:15:04

第35周Zookkeeper+Dubbo Dubbo

Dubbo 详解一、Dubbo 是什么官网与定义 Dubbo 是一款高性能、轻量级的开源服务框架，其官网为 double.apache.org，提供中文版本（网址含 “zh”）。核心能力 Dubbo 具备六大核心能力： 面向接口代理的高性能 RPC …...

编程日记 2025/6/29 4:40:17

allegro出gerber时，单击Artwork并没有弹窗的问题

使用allegro出gerber时，有时点击 Artwork图标并未如愿以偿的弹出窗口。。。可按下面尝试恢复，注，删除前可先备份该两支文件。。。看时间戳，删除最近的下面标红两支文件即可。...

编程日记 2025/6/29 4:06:56

【神经网络与深度学习】VAE 中的先验分布指的是什么

VAE 中的先验分布是什么？ 在变分自编码器（VAE） 中，先验分布指的是对潜在空间中随机变量的概率分布假设。通常情况下，VAE 设定潜在变量服从标准正态分布 ( N(0, I) )，其中 ( 0 ) 代表均值为零的向量&…...

编程日记 2025/8/14 1:23:39

信息革命对经济、货币体系及权力结构的颠覆性影响

一、地理束缚的瓦解与权力转移生产要素去实体化思想、知识与数据取代实物资产成为核心价值来源，光速传播特性使经济活动突破物理边界。跨境远程医疗、跨国虚拟企业等新形态挑战传统管辖权概念，政府难以通过地域垄断攫取超额收益。管辖权竞争白热化 …...

编程日记 2025/6/29 2:24:30

leetcode文件级全局变量会在测试用例之间相互影响

背景：在做Leetcode 743使用文件级全局变量idx，不同用例之间idx一直在。参考leetcode的文档： 解决办法：我选择在核心函数的开头，加入初始化代码（每次用例调用都会重新初始化至原始状态）...

编程日记 2025/8/14 2:45:46

如何查看电脑显卡配置参数一文读懂

显卡是电脑的重要硬件之一，尤其对于游戏玩家、设计师、视频编辑等用户来说，显卡的性能直接影响电脑的使用体验。如果您想知道电脑的显卡信息，或者打算升级显卡，那么了解如何查看显卡配置是非常必要的。本文将为您提供多种简单实用…...

编程日记 2025/8/14 2:38:29

获取嵌入(Embeddings)的方法与实践

获取嵌入(Embeddings)的方法与实践摘要本文详细介绍了获取嵌入(Embeddings)的多种方法，包括降维技术和神经网络训练方法。通过具体的实例和可视化展示，我们将了解如何将高维数据转换为有意义的低维表示，以及如何根据具体任务需求选择合适…...

编程日记 2025/8/14 2:38:27

【国产化】在银河麒麟ARM环境下离线安装docker

1、前言采用离线安装的方式。关于离线安装的方式官网有介绍，但是说的很简单，网址：Binaries | Docker Docs 官网介绍的有几种主流linux系统的安装方式，但是没有kylin的，所以在此记录一下。在安装过程中也遇到了些…...

编程日记 2025/6/29 4:53:31

基于大模型的子宫平滑肌瘤全周期预测与诊疗方案研究

目录一、引言 1.1 研究背景与意义 1.2 研究目的与创新点二、大模型技术原理与应用现状 2.1 大模型概述 2.2 相关技术原理 2.3 医疗领域应用现状三、子宫平滑肌瘤术前预测 3.1 预测指标与数据收集 3.2 大模型预测模型构建 3.3 预测结果分析与应用四、子宫平滑肌…...

编程日记 2025/6/29 3:15:33

SpringBoot 集成 Ehcache 实现本地缓存

SpringBoot 集成 Ehcache 实现本地缓存_springboot ehcache-CSDN博客...

编程日记 2025/6/29 2:33:15

linux下MySql的安装与配置

一键三联，把mysql的安装与配置也写了，供各位参考。 --------------------------------------MySql的安装与配置-------------------------------------- 1 将下载的压缩包解压到指定目录 tar -zxvf mysql-5.7.26-linux-glibc2.12-x86_64.tar.gz 卸载…...

编程日记 2025/8/12 10:29:58

普通IT的股票交易成长史--20250507晚复盘

声明：本文章的内容只是自己学习的总结，不构成投资建议。价格行为理论学习可参考简介中的几位，感谢他们的无私奉献。送给自己的话： 仓位就是生命，绝对不能满仓！！！！&…...

编程日记 2025/8/7 20:18:39

准确---Typora配置Gitee图床并实现自动图片上传

下载地址：https://github.com/Molunerfinn/picgo/releases 安装就直接下一步，下一步就行安装完以后然后回到Typora上偏好设置指定一下路径默认是 C:\Program Files\PicGo\PicGo.exe 并且还需要选择规则接下来就需要去PicGo上面配置了配置之前需要去…...

编程日记 2025/6/29 3:58:50

力扣热题100之回文链表

题目给你一个单链表的头节点 head ，请你判断该链表是否为回文链表。如果是，返回 true ；否则，返回 false 。代码方法一： 将链表值复制到数组中，在数组中判断是否是回文列表 # Definition for singl…...

编程日记 2025/6/29 4:39:15

基于Node.js的Web爬虫: 使用Axios和Cheerio抓取网页数据

1. 环境准备在开始之前，请确保计算机上已安装Node.js mkdir webScraper cd webScraper npm init -y npm install axios cheerio expressaxios: 用于发送HTTP请求。cheerio: 用于解析和操作HTML。express: 用于创建Web服务器。 2. 创建爬虫在文件夹中创建一个新…...

编程日记 2025/6/29 3:46:40

如何用命令行判断一个exe是不是c#wpf开发的

在powershell下执行 $assembly [Reflection.Assembly]::ReflectionOnlyLoadFrom("你的exe全路径") $references $assembly.GetReferencedAssemblies() echo $assembly $references | Where-Object { $_.Name -match "PresentationFramework|PresentationCore…...

编程日记 2025/6/29 3:30:19

SpringBoot项目接入DeepSeek

在这个demo当中，我使用的是JDK8Spring Boot 2.6.x，下面直接给大家附上完整的代码。一、项目结构 deepseek - demo/ ├── src/ │ ├── main/ │ │ ├── java/ │ │ │ └── cn/ │ │ │ └── mzl/ │ │ │ …...

编程日记 2025/6/29 3:50:47

C++ lambda表达式的捕获原理

目录 C Lambda表达式捕获机制的详细原理分析Lambda的本质机制关键实现细节特殊捕获方式[ ]空捕获[&]全引用捕获[]全值(拷贝)捕获混合捕获[,&variable]拷贝及部分引用捕获[&,variable]引用及部分拷贝捕获显式捕获[variable]拷贝捕获部分变量[&variable]引用捕获…...

编程日记 2025/7/26 1:46:00

修改图像分辨率

在这个教程中，您将学习如何使用Python和深度学习技术来调整图像的分辨率。我们将从基础的图像处理技术开始，逐步深入到使用预训练的深度学习模型进行图像超分辨率处理。一、常规修改方法 1. 安装Pillow库首先，你需要确保你的Python环境中…...

编程日记 2025/8/11 17:19:50

【面板数据】公开整理-各省刑事案件统计数据集（2011-2023年）

刑事案件数量是衡量一个地区社会治安状况的重要指标。近年来，我国各地在推进法治建设和社会治理现代化的背景下，刑事案件的数量呈现出明显的区域差异和年度波动，通过年度案件数据，可以反映出社会安全水平的变化趋势，为…...

编程日记 2025/8/10 16:58:23

ABAP使用GET_TAX_PERCENTAGE 函数取税率

ABAP使用GET_TAX_PERCENTAGE 函数取税率今天在做含税价的时候查到的，记录一下。S4 Hana 的环境。先DATA一个 ftaxp GET_TAX_PERCENTAGE 函数，实例为采购订单进项税。 OK，搞定。...

编程日记 2025/6/29 4:52:41

鞅与停时 - 一种特别的概率论问题

讨论一个有趣的概率问题： [P3334 ZJOI2013] 抛硬币 - 洛谷实际上是一个猴子打字问题，考虑一直无规律随即打字的猴子，键盘上只有A-Z一共26个字母，对于一个特定的字符串 S S S ： ABCABCAB ，能否在有限的打…...

编程日记 2025/8/7 14:52:36

Android 有线网开发调试总结

Android 有线网开发调试总结文章目录 Android 有线网开发调试总结一、前言二、有线网开发1、开关2、相关日志（3）相关广播（4）demo示例三、其他1、Android 有线网开发调试小结2、Android13 有线网开关研究3、Android9、11 有线网络…...

编程日记 2025/6/29 2:29:43

.net在DB First模式使用pgsql

nuget要安装： Npgsql.EntityFrameworkCore.PostgreSQL Microsoft.EntityFrameworkCore.Tools vs2022-->工具-->nuget包管理器-->程序包管理器控制台-->输入命令： Scaffold-DbContext "Hostlocalhost;Databasemydatabase;Usernamemyu…...

编程日记 2025/7/17 5:01:59

Spring Boot 中如何解决 CORS 问题（详解）

在前后端分离的开发模式中，前端调用后端接口时，经常会遇到跨域资源共享（CORS） 的问题。Spring Boot 作为常用的后端框架，提供了多种方式来优雅地解决这个问题。本文将全面介绍 Spring Boot 中处理 CORS 的常见方法、原…...

编程日记 2025/6/29 3:34:38

深度学习：智能车牌识别系统（python）

这是一个基于opencv的智能车牌识别系统，有GUI界面。程序能自动识别图片中的车牌号码，并支持中文和英文字符识别，支持选择本地图片文件，支持多种图片格式（jpg、jpeg、png、bmp、gif）。下面，我将按模块功能对代码进行分段说明： 1. 导入模块部分 import tkinter as tk…...

编程日记 2025/8/11 16:14:56

STM32开发printf函数支持

1、printf函数支持 1、避免使用半主机模式：两种方法:微库法、代码法 2、实现fputc函数：实现单个字符输出 2、半主机模式简介用于 ARM 目标的一种机制，可将来自应用程序代码的输入/输出请求传送至运行调试器的主机简单说:就是通过仿真器实…...

编程日记 2025/8/7 14:16:45

解决 Chrome 与 Chromedriver 版本不一致问题的方法

目录常见错误处理处理方案： 1. 自动版本匹配方法使用 webdriver-manager 库（推荐） 2. 手动版本管理方法检查并匹配版本 3. 版本兼容性解决方案使用兼容性表 4. 自动更新策略定期检查更新脚本 5. Docker 容器化方案最佳实践建…...

编程日记 2025/8/11 20:52:23

CPU的基本认识

为大家介绍CPU的基本概念，例如：CPU的型号认识、什么是时钟周期、物理核和逻辑核、缓存、TLB缓存的概念，可以帮助大家对cpu有个概念性的认识，选择电脑的时候可以看懂CPU的参数和理解基本原理。 CPU的基本认识个人CPU型号介绍工作频…...

编程日记 2025/6/29 4:13:25

UGUI如何使用EventTrigger

前言在 Unity 的 UGUI 系统中，EventTrigger 是一个强大的组件，允许开发者监听和处理多种 UI 交互事件。以下是详细的使用方法、示例代码、优缺点分析以及注意事项。一、EventTrigger 基本用法 1. 添加 EventTrigger 组件在 Unity 编辑器中选中 UI 对象（如 But…...

编程日记 2025/8/11 10:23:16

101alpha_第4个

(-1 * ts_rank(rank(low), 9)) 这里的low是每日的最低价。各函数及整体含义解释 1. rank(low) 在金融分析场景里，low 通常代表股票在每个交易日中的最低价。rank(low) 会对一段时间内的最低价数据进行排序，并为每个数据赋予一个排名。比如，…...

编程日记 2025/6/29 4:41:55

5月13日观测云发布会：这一次，我们不只是发布产品

01｜为什么举办这场发布会？ 在生成式 AI 席卷一切、业务系统愈发复杂的时代，我们发现： 传统的监控观测已经无法满足企业对性能、安全、智能的统一诉求；每一个企业，都在经历从“看得到”到“看得懂”的跃迁&…...

编程日记 2025/8/7 16:02:36

【IP101】图像分割技术全解析：从传统算法到深度学习的进阶之路

图像分割详解 ✂️ 欢迎来到图像处理的"手术室"！在这里，我们将学习如何像外科医生一样精准地"切割"图像。让我们一起探索这个神奇的图像"手术"世界吧！🏥 目录 📑 1. 图像分割简介2. 阈…...

编程日记 2025/8/13 20:38:23

华为设备链路聚合实验：网络工程实战指南

链路聚合就像为网络搭建 “并行高速路”，既能扩容带宽，又能保障链路冗余，超实用！ 一、实验拓扑速览图中两台交换机 LSW1 和 LSW2，PC1、PC2 归属 VLAN 10，PC3 归属 VLAN 30。LSW1 与 LSW2 通过 GE0/0/1、…...

编程日记 2025/6/29 3:37:30

C24-数组

数组的引入:方便对同一类型的数据进行管理(一个班级里的45个同学、一个篮子里的12个苹果)数组的定义: 数据类型数组名[常量表达式(也就是元素的个数)];int a[10]; //这里定义了一个能存放10个元素的整形数组数组初始化完全初始化 int arr[3]{5,6,8};部分初始化 int arr[10]{…...

编程日记 2025/6/29 3:47:23

Vue 项目中长按保存图片功能实现指南

在移动互联网应用中，用户常常有保存页面特定内容为图片的需求，比如保存二维码、海报等。在 Vue 项目开发中，如何实现长按保存图片的功能？本文将结合具体代码，详细讲解在 Vue 项目中通过长按操作保存图片的技术实现与应…...

编程日记 2025/7/29 10:31:01

行业先锋：六款产品的实战表现

行业先锋：六款产品的实战表现　　北京先智先行科技有限公司，销售着“先知大模型”、“先行AI商学院”“先知AIGC超级工场”这三个旗舰产品，在行业内崭露头角。旗下的先知A1、先知大模型等更是备受关注。　　先知大模型，作为核心产…...

编程日记 2025/8/7 1:31:01

RS485与Profibus网关自由口数据互换技巧

RS485与Profibus网关自由口数据互换技巧兴达易控RS485转Profibus网关在自由口模式下的数据互换，是工业自动化领域内一项关键的技术应用，它实现了不同通信协议设备之间的有效连接与数据交换。在现代工业生产中，众多设备和系统往往采用不同的…...

编程日记 2025/6/29 4:21:01

java复杂度，包装类，泛型解析

如何衡量代码的好坏？ 评价代码的好坏我们使用算法效率来判断，而算法效率分两种： 算法效率： 第一种是时间效率，第二种是空间效率，时间效率被称为时间复杂度，⽽空间效率被称作空间复杂度。时间…...

编程日记 2025/6/29 4:33:22

K8S安装部署（v1.27.6）

一、机器配置系统版本主机名IP基于服务centos 7.9k8s-master192.168.163.104dockerk8s-node1192.168.163.105k8s-node2192.168.163.106注：以上3台机器都是2C4G的虚拟机，仅供测试使用 docker部署可以参考：docker 部署二、其他环境配置 #1、关闭防火墙 systemctl stop fir…...

编程日记 2025/6/29 5:00:57

Debezium BinaryLogClient详解

Debezium BinaryLogClient详解 1. 类的作用与功能 1.1 核心作用 BinaryLogClient是Debezium中负责与MySQL服务器建立和维护Binlog连接的核心类，主要功能包括：连接管理：建立和维护与MySQL服务器的Binlog连接事件监听：接收和处理Binlog事件心跳保活：维护连接活跃状态断线…...

编程日记 2025/6/29 4:42:56

Leetcode 刷题记录 09 —— 链表第三弹

本系列为笔者的 Leetcode 刷题记录，顺序为 Hot 100 题官方顺序，根据标签命名，记录笔者总结的做题思路，附部分代码解释和疑问解答，01~07为C语言，08及以后为Java语言。 01 合并 K 个升序链表 /*** Definitio…...

编程日记 2025/8/11 16:34:51

加速项目落地（Trae编辑器）

目录 vscode安装python支持 vscode常用插件 Trae编辑器两个界面合成补充（QT开发的繁琐） AI编程哪家强？Cursor、Trae深度对比，超详细！ - 知乎 Trae兼容vscode的插件，我们可以先在vscode里面装好再一…...

编程日记 2025/8/8 17:18:11

相关文章：