当前位置： 首页 > news >正文

机器学习常见面试题

news 来源：原创 2025/8/21 21:24:15

常见基模型

1. 线性模型（Linear Models）

  • 特点：通过线性组合特征进行预测，适合处理线性关系。
  • 常见类型：
    • 线性回归（Linear Regression）
    • 逻辑回归（Logistic Regression）
    • 岭回归（Ridge Regression）
    • Lasso 回归（Lasso Regression）
  • 适用场景：特征与目标变量之间存在线性关系，且数据维度较高时。

2. 支持向量机（Support Vector Machines, SVM）

  • 特点：通过寻找最大间隔超平面进行分类或回归。
  • 常见类型：
    • 线性 SVM（Linear SVM）
    • 核 SVM（Kernel SVM，如 RBF 核、多项式核）
  • 适用场景：适合高维数据和小样本数据，尤其是分类任务。

3. 神经网络（Neural Networks）

  • 特点：通过多层非线性变换拟合复杂函数。
  • 常见类型：
    • 多层感知机（MLP）
    • 卷积神经网络（CNN）
    • 循环神经网络（RNN）
    • Transformer
  • 适用场景：适合处理非线性关系和高维数据，尤其是图像、文本、语音等复杂数据。

4. 朴素贝叶斯（Naive Bayes）

  • 特点：基于贝叶斯定理，假设特征之间相互独立。
  • 常见类型：
    • 高斯朴素贝叶斯（Gaussian Naive Bayes）
    • 多项式朴素贝叶斯（Multinomial Naive Bayes）
    • 伯努利朴素贝叶斯（Bernoulli Naive Bayes）
  • 适用场景：适合文本分类、垃圾邮件过滤等高维稀疏数据。

5. K 近邻（K-Nearest Neighbors, KNN）

  • 特点：基于距离度量，通过邻居的标签进行预测。
  • 适用场景：适合低维数据和小样本数据，尤其是分类任务。

6. 决策树（Decision Trees）

  • 特点：通过递归分割特征空间构建树结构。
  • 常见类型：
    • CART（Classification and Regression Tree）
    • ID3（Iterative Dichotomiser 3）
    • C4.5（改进的 ID3）
  • 适用场景：适合处理非线性关系，且模型可解释性要求较高时。

7. 随机森林（Random Forest）

  • 特点：通过集成多棵决策树进行预测，减少过拟合。
  • 适用场景：适合处理高维数据和非线性关系，且对模型稳定性要求较高时。

8. 梯度提升树（Gradient Boosting Trees）

  • 特点：通过逐步添加树模型拟合残差，优化目标函数。
  • 常见类型：
    • XGBoost
    • LightGBM
    • CatBoost
  • 适用场景：适合处理结构化数据，且对模型性能要求较高时。

9. 高斯过程（Gaussian Processes）

  • 特点：通过高斯分布建模目标变量的分布。
  • 适用场景：适合小样本数据和回归任务，尤其是需要不确定性估计时。

10. 贝叶斯网络（Bayesian Networks）

  • 特点：通过概率图模型表示变量之间的依赖关系。
  • 适用场景：适合处理不确定性和复杂依赖关系的数据。

11. 聚类模型（Clustering Models）

  • 特点：通过无监督学习将数据分为若干簇。
  • 常见类型：
    • K-Means
    • 层次聚类（Hierarchical Clustering）
    • DBSCAN
  • 适用场景：适合无监督学习任务，如客户分群、异常检测等。

12. 主成分分析（Principal Component Analysis, PCA）

  • 特点：通过线性变换将高维数据降维。
  • 适用场景：适合数据降维和可视化，尤其是高维数据。

13. 隐马尔可夫模型（Hidden Markov Models, HMM）

  • 特点：通过状态转移和观测概率建模序列数据。
  • 适用场景：适合处理时间序列数据，如语音识别、自然语言处理等。

14. 因子分析（Factor Analysis）

  • 特点：通过潜在变量解释观测变量之间的相关性。
  • 适用场景：适合降维和探索性数据分析。

15. 混合模型（Mixture Models）

  • 特点：通过多个概率分布的混合建模数据。
  • 常见类型：
    • 高斯混合模型（Gaussian Mixture Models, GMM）
    • 隐狄利克雷分布（Latent Dirichlet Allocation, LDA）
  • 适用场景：适合聚类和生成模型任务。

总结

基模型一般包括：

  1. 线性模型（如线性回归、逻辑回归）
  2. 支持向量机（SVM）
  3. 神经网络（如 MLP、CNN、RNN）
  4. 朴素贝叶斯
  5. K 近邻（KNN）
  6. 决策树（如 ID3、C4.5）
  7. 随机森林
  8. 梯度提升树（如 XGBoost、LightGBM）
  9. 高斯过程
  10. 贝叶斯网络
  11. 聚类模型（如 K-Means、DBSCAN）
  12. 主成分分析（PCA）
  13. 隐马尔可夫模型（HMM）
  14. 因子分析
  15. 混合模型（如 GMM、LDA）

决策树（Decision Tree）

决策树（Decision Tree） 是一种常用的机器学习算法，既可以用于分类任务，也可以用于回归任务。它的核心思想是通过递归地划分特征空间，构建一棵树结构来对数据进行预测。决策树因其直观、易于理解和解释的特点，被广泛应用于各种领域。

1. 决策树的基本概念

  • 树结构：
    • 决策树由节点（Node）和边（Edge）组成。
    • 根节点：树的起始点，包含所有样本。
    • 内部节点：表示一个特征或属性的测试条件。
    • 叶子节点：表示最终的预测结果（分类标签或回归值）。

2. 决策树的构建过程

（1）选择最佳分裂特征
  • 决策树的核心是如何选择最佳特征进行分裂。
  • 常用的分裂准则包括：
    • 信息增益（Information Gain）：选择使信息增益最大的特征。
      • 信息增益 = 父节点的熵 - 子节点的加权平均熵。
    • 信息增益比（Gain Ratio）：对信息增益进行归一化，避免偏向取值较多的特征。
    • 基尼指数（Gini Index）：选择使基尼指数最小的特征。
      • 基尼指数表示数据的不纯度，值越小表示纯度越高。
（2）递归分裂
  • 对每个子节点重复上述过程，直到满足停止条件。
  • 常见的停止条件包括：
    • 节点中的样本全部属于同一类。
    • 树的深度达到预设的最大值。
    • 节点中的样本数少于预设的最小值。

3. 决策树的类型

（1）分类树（Classification Tree）
  • 用于分类任务，叶子节点输出类别标签。
  • 常用算法：
    • ID3（Iterative Dichotomiser 3）：使用信息增益作为分裂准则。
    • C4.5：使用信息增益比作为分裂准则。
    • CART（Classification and Regression Tree）：使用基尼指数作为分裂准则。
（2）回归树（Regression Tree）
  • 用于回归任务，叶子节点输出连续值。
  • 常用算法：
    • CART：通过最小化均方误差（MSE）选择最佳分裂点。

相关文章：

机器学习常见面试题

常见基模型 1. 线性模型（Linear Models） 特点：通过线性组合特征进行预测，适合处理线性关系。常见类型： 线性回归（Linear Regression）逻辑回归（Logistic Regression）岭回…...

编程日记 2025/8/21 21:24:15

单片机OTA升级中Bootloader怎么判断APP有没有问题？

没开发过OTA的工程师，职业生涯是不完整的。因为它能让设备远程更新功能，太方便了，产品有了这个功能，再也不会跟硬件工程师一起背锅了。 不过，新手玩OTA，搞不好，也会翻车，比如下载过程…...

编程日记 2025/8/21 21:15:22

《OpenCV》—— dlib（换脸操作）

文章目录 dlib换脸介绍仿射变换在 dlib 换脸中的应用 换脸操作 dlib换脸介绍 dlib 换脸是基于 dlib 库实现的一种人脸替换技术，以下是关于它的详细介绍： 原理 人脸检测：dlib 库中包含先进的人脸检测器，如基于 HOG（方向…...

编程日记 2025/8/21 21:18:57

从零开始实现大语言模型（十三）：预训练大语言模型GPTModel

1. 前言 使用梯度下降算法通过下一个token预测任务预训练大语言模型GPTModel，前向传播流程每次会输入一个batch的长度均为context_len的训练样本，执行 batch_size context_len \text{batch\_size}\times\text{context\_len} batch_sizecontext_len次下…...

编程日记 2025/8/21 21:19:59

[C++面试] 对通透比较器了解多少？(较少涉及，可跳过)

一、入门 1、什么是比较器 在 C 中，比较器是一个可调用对象（函数、函数对象或 Lambda 表达式），用于定义元素之间的比较规则。 用途：通常作为参数传递给标准库中的排序函数或关联容器，以指定元素的顺序。…...

编程日记 2025/8/21 21:14:41

【高分论文密码】AI大模型和R语言的全类型科研图形绘制，从画图、标注、改图、美化、组合、排序分解科研绘图每个步骤

在科研成果竞争日益激烈的当下，「一图胜千言」已成为高水平SCI期刊的硬性门槛——数据显示很多情况的拒稿与图表质量直接相关。科研人员普遍面临的工具效率低、设计规范缺失、多维数据呈现难等痛点，因此科研绘图已成为成果撰写中的至关重要的一个环节&am…...

编程日记 2025/8/21 21:19:58

el-input-number添加自定义内容class-unit

在el-input,el-input-number中有需要在输入框后面添加单位的需求&#xff0c;这时候就需要用到class-unit <el-input-number size"small" class-unit"%" class"inputNumberClass"></el-input-number>// css .inputNumberClass[clas…...

编程日记 2025/8/21 21:23:38

MYSQL学习笔记(十一)：MYSQL数据类型讲解

前言&#xff1a; 学习和使用数据库可以说是程序员必须具备能力&#xff0c;这里将更新关于MYSQL的使用讲解&#xff0c;大概应该会更新30篇&#xff0c;涵盖入门、进阶、高级(一些原理分析);这一篇数据类型&#xff0c;比较多&#xff0c;但是我感觉了解即可&#xff0c;ai时…...

编程日记 2025/8/21 21:17:25

【数据分享】1999—2023年我国地级市社会消费品零售总额和年末金融机构存贷款余额（Shp/Excel格式）

在之前的文章中&#xff0c;我们分享过基于2000-2024年《中国城市统计年鉴》整理的1999-2023年地级市的人口相关数据、染物排放和环境治理相关数据和房地产投资情况和商品房销售面积相关指标数据&#xff08;均可查看之前的文章获悉详情&#xff09;&#xff01; 本次我们分享…...

编程日记 2025/8/21 21:14:41

使用 MyBatis-Plus 实现数据库的多租户管理

在现代 SaaS&#xff08;软件即服务&#xff09;应用中&#xff0c;多租户架构是一种常见的设计模式。它允许多个租户共享同一个应用实例&#xff0c;同时确保每个租户的数据相互隔离。MyBatis-Plus 提供了强大的多租户支持&#xff0c;能够帮助开发者轻松实现多租户管理。本文…...

编程日记 2025/8/21 21:18:57

大语言模型学习--向量数据库基础知识

1.向量 向量是多维数据空间中的一个坐标点。 向量类型 图像向量 文本向量 语音向量 Embedding 非结构化数据转换为向量过程 通过深度学习训练&#xff0c;将真实世界离散数据&#xff0c;投影到高维数据空间上&#xff0c;通过数据在空间中间的距离体现真实世界的相似度 V…...

编程日记 2025/8/21 21:17:26

计算机三级网络技术备考（5）

第七章&#xff1a;路由器及其配置 考点1&#xff1a;路由器概述及其工作原理 考点2&#xff1a;路由器工作模式及基础配置 考点3&#xff1a;路由器的接口配置 【sdh 0 2 sonet 0】 考点4&#xff1a;路由器的路由配置 考点5&#xff1a;路由器DHCP配置 考点6&#xff1a…...

编程日记 2025/8/21 21:21:34

Java关键字与标识符

Java关键字是预定义的保留字&#xff0c;用于定义程序结构和语义&#xff0c;如if、for、class等&#xff0c;不能用作标识符。JDK 8有50个关键字&#xff0c;JDK 11引入var用于局部变量类型推断。标识符用于命名变量、类等&#xff0c;由字母、数字、_、$组成&#xff0c;不能…...

编程日记 2025/8/21 21:23:08

生活小妙招之UE ViewPortUV-SceneTextureUV

后处理材质customNode中写SceneTextureLookup遇到了一些问题&#xff0c;做做记录 比如要在custom中写一个普通的镜像模糊&#xff0c;脑子都不带转的上来就直接这么写了&#xff0c;像是顺理成章的就应该这么写&#xff0c;并且网上随便搜UE咋写镜像模糊估计都是这样式的。 但…...

编程日记 2025/8/21 21:23:39

FB投广探秘：为何Facebook广告账户不消耗

在Facebook上投放广告时&#xff0c;您是否遇到过这种情况:广告创建完成后却发现账户没消耗&#xff0c;广告没跑出去?为什么会遇到这种情况?小编将结合最新行业动态&#xff0c;为你解析广告为何无消耗。 一、原因解析 1、账户余额不足 最直接的原因往往最容易被忽视。若…...

编程日记 2025/8/21 17:03:01

亚信安全发布第七期《勒索家族和勒索事件监控报告》

本周态势快速感知 本周全球共监测到勒索事件121起&#xff0c;与上周相比&#xff0c;勒索事件数量大幅下降&#xff0c;仍需注意防范。从整体上看Clop是影响最严重的勒索家族&#xff1b;本周Ransomhub和Akira也是活动频繁的两个恶意家族&#xff0c;需要注意防范。本周&…...

编程日记 2025/8/21 21:21:34

flask实现mvc模式

Flask 默认是一个轻量级框架&#xff0c;并不强制使用 MVC 模式&#xff0c;但我们可以按照 MVC 结构来组织代码&#xff0c;使项目更加清晰和可维护。 Flask 实现 MVC 模式 Flask 本身并没有严格的 Controller 层&#xff0c;但我们可以通过 视图函数&#xff08;View Functi…...

编程日记 2025/8/21 21:19:30

基于LabVIEW的脚本化子VI动态生成

该示例展示了一种利用LabVIEW VI脚本&#xff08;VI Scripting&#xff09;技术&#xff0c;通过程序化方式动态生成并替换子VI的解决方案。核心逻辑为&#xff1a;基于预定义的模板VI&#xff0c;根据用户选择的数学操作&#xff08;加法或乘法&#xff09;&#xff0c;自动生…...

编程日记 2025/8/20 18:16:18

Linux 网络：skb 数据管理

文章目录 1. 前言2. skb 数据管理2.1 初始化2.2 数据的插入2.2.1 在头部插入数据2.2.2 在尾部插入数据 2.2 数据的移除 3. 小结 1. 前言 限于作者能力水平&#xff0c;本文可能存在谬误&#xff0c;因此而给读者带来的损失&#xff0c;作者不做任何承诺。 2. skb 数据管理 数…...

编程日记 2025/8/20 21:01:45

golang坐标转换 gomap3d库

gomap3d Go语言实现的多坐标系转换库&#xff0c;支持天文学/航天领域常用坐标系转换 基础算子支持c gomap3d 特性 支持5种坐标系互转&#xff1a; 站心坐标系 (AER)东北天坐标系 (ENU)地心地固坐标系 (ECEF)地心惯性坐标系 (ECI)大地坐标系 (LLA) 支持多种参考椭球体&#…...

编程日记 2025/8/20 1:20:43

电脑的常见问题的原因+解决方法

电脑常见问题涵盖软件和硬件两方面&#xff0c;以下是一些常见问题及解决方法&#xff1a; 软件问题 系统运行缓慢 原因&#xff1a;可能是开机启动项过多、系统垃圾文件堆积、病毒或恶意软件入侵、硬件驱动不兼容等。解决方法&#xff1a;利用系统自带的任务管理器或第三方软…...

编程日记 2025/8/16 9:55:37

JavaScript性能优化实战：从8s到0.8s的极致提升

‌摘要‌：页面卡顿、内存泄漏、CPU爆满？本文通过‌6个真实场景‌+‌可运行代码示例‌，手把手教你掌握JS性能优化核心技术！涵盖‌防抖节流、虚拟滚动、Web Workers、内存泄漏排查‌等高频痛点解决方案，最后提供Chrome性能分析工具实战指南，助你打造丝滑的Web应用！ 一、性…...

编程日记 2025/8/21 19:32:14

英语学习(GitHub学到的分享)

【英语语法&#xff1a;https://github.com/hzpt-inet-club/english-note】 【离谱的英语学习指南&#xff1a;https://github.com/byoungd/English-level-up-tips/tree/master】 【很喜欢文中的一句话&#xff1a;如果我轻轻松松的学习&#xff0c;生活的幸福指数会提高很多…...

编程日记 2025/8/16 11:47:20

OTP单片机调试工具之—应广单片机ADC调试案例

上一篇文章说到了‘OTP单片机调试工具’的大概使用方法&#xff0c;现在做一个案例来说明情况。 这个案例是使用应广单片机ADC对可调电阻中间抽头电压值进行采样&#xff0c;分别用12bit和8bit进行显示&#xff0c;使用vdd做参考&#xff0c;采样数据没有进行滤波&#xff0c;通…...

编程日记 2025/8/18 1:21:19

Java基础关键_020_集合（四）

目 录 一、Set 集合 二、Map 集合 1.概览 2.说明 3.HashMap 说明 4.LinkedHashMap 说明 5.TreeMap 说明 6.Hashtable 说明 7.Properties 说明 三、Map 接口常用方法 1.put(K key, V value) 和 putAll(Map m) 2.get(Object key) 3.clear() 和 size() 4.contains…...

编程日记 2025/8/16 10:02:21

电商数据分析 电商平台销售数据分析 电商平台数据库设计 揭秘电商怎么做数据分析

《电商参谋数据分析平台方案》&#xff08;28页PPT&#xff09;是一套为电商行业量身定制的一体化解决方案&#xff0c;它通过全链路打通从数据获取到分析的全过程&#xff0c;帮助电商企业实现精细化运营和市场机会的挖掘。该方案针对电商行业在数据获取、加工整合及业务赋能方…...

编程日记 2025/8/19 15:51:20

Hugging Face的Transformers核心模块：Pipelines(参数说明，各种模型类型调用案例)

如果电脑配置不够可以参考文章《学AI-撸羊毛-免费GPU服务器-kaggle-每周30小时-可以进行数据训练&#xff0c;大模型微调》 申请免费服务器执行代码。 什么是Pipelines 将数据预处理、模型调用、结果后处理三部分组装成的流水线使我们能够直接输入文本便获得最终的答案 Pipeli…...

编程日记 2025/8/19 22:04:28

ChatGPT辅助学术写作有哪些挑战？怎么解决？

宝子们毕业之前需要完成的学术论文往往是学生时代最后一项挑战。无论宝子们对此过程多么熟悉&#xff0c;每次着手写新论文时&#xff0c;似乎都需重新规划、从头开始。 值得庆幸的是&#xff0c;借助ChatGPT、DeepSeek这些工具能够为论文旅程提供有力支持。ChatGPT作为备受推崇…...

编程日记 2025/8/20 8:22:04

【MySQL是怎么运行的】二、索引

引擎层有支持索引&#xff0c;如InnoDB和MyISAM&#xff0c;区别就是InnoDB支持事务、外键和行锁 索引物理结构 页&#xff1a;一页16KB&#xff0c;一页包含了多行记录 行&#xff1a;包含元数据和真实数据 元数据&#xff1a; record_type&#xff08;记录的类型&#xff…...

编程日记 2025/8/16 11:12:28

MySQL中有哪些索引

1&#xff0c;B-Tree索引&#xff1a;常见的索引类型 2&#xff0c;哈希索引&#xff1a;基于哈希表实现&#xff0c;只支持等值查询 &#xff0c;只有Memory存储引擎和NDB Cluster存储引擎显示支持哈希索引 3&#xff0c;全文索引&#xff1a;可在字符列上创建&#xff08;T…...

编程日记 2025/8/21 11:47:44

Node.js中HTTPS模块应用详解

1. HTTPS 模块的概念 HTTPS&#xff08;Hypertext Transfer Protocol Secure&#xff09;是 HTTP 的安全版本&#xff0c;通过 SSL/TLS 协议对数据进行加密&#xff0c;确保数据在传输过程中不被窃取或篡改。在 Node.js 中&#xff0c;https 模块提供了创建 HTTPS 服务器和客户…...

编程日记 2025/8/16 1:21:52

facebook游戏投广：提高广告关键数据的方法

在当今竞争激烈的数字营销领域&#xff0c;游戏广告的投放效果直接关系到游戏公司的市场表现和盈利能力。然而&#xff0c;许多游戏公司在广告投放上面临着诸多挑战&#xff0c;如高昂的成本、低效的转化率以及难以追踪的效果。那么&#xff0c;如何才能通过数据分析真正提升游…...

编程日记 2025/8/19 19:50:00

每天五分钟深度学习框架PyTorch:ResNet算法模型完成CAFIR十分类

本文重点 ResNet模型已经搭建完成了&#xff0c;本文我们使用ResNet来跑一下CAFIR10的数据集&#xff0c;看一下分类效果如何&#xff1f; 代码 本文总结 在之前的课程中我们对残差块以及ResNet模型进行了详细的介绍&#xff0c;并且我们对模型训练这些基础的数据集进行了详…...

编程日记 2025/8/20 5:44:42

Python中很常用的100个函数整理

Python 内置函数提供了强大的工具&#xff0c;涵盖数据处理、数学运算、迭代控制、类型转换等。本文总结了 100 个常用内置函数&#xff0c;并配备示例代码&#xff0c;提高编程效率。 1. abs() 取绝对值 print(abs(-10)) # 10 2. all() 判断所有元素是否为真 print(all([…...

编程日记 2025/8/19 8:47:02

nginx与openSSL版本不兼容问题

本人先前使用的nginx-version为1.18.0&#xff0c;openSSL-version为3.0.2&#xff1b; 在源码的安装configure过程中&#xff0c;出现以下报错 error: ‘ENGINE_free’ is deprecated: Since OpenSSL 3.0 [-Werrordeprecated-declarations]734 | ENGINE_free(en…...

编程日记 2025/8/20 0:26:53

【RabbitMQ】事务

事务的简单配置及使用 配置事务管理器声明队列生产者代码测试 RabbitMQ是基于AMQP协议实现的&#xff0c;该协议实现了事务机制&#xff0c;因此RabbitMQ也支持事务机制. SpringAMQP也提供了对事务相关的操作.RabbitMQ事务允许开发者确保消息的发送和接收是原子性的&#xff0c…...

编程日记 2025/8/16 1:35:48

【C#学习笔记03】进制转换与反码、补码、原码

1. 进制转换 计算机中的数据通常以二进制形式存储&#xff0c;但在编程和调试过程中&#xff0c;我们经常需要与十进制、八进制和十六进制打交道。因此&#xff0c;掌握进制转换是C语言学习中的重要一环。 1.1 进制的基本概念 二进制&#xff08;Binary&#xff09;&#xff…...

编程日记 2025/8/16 9:55:14

线性搜索算法

何时使用线性搜索算法&#xff1f; 当处理一个小数据集时。当搜索存储在连续内存中的数据集时。 线性搜索算法在什么情况下优于其他搜索算法&#xff1f; 当列表或数组未排序时&#xff0c;或者当输入的大小相对较小时&#xff0c;首选线性搜索算法。它易于实现&#xff0c;并…...

编程日记 2025/8/18 1:45:16

基于深度文档理解的开源 RAG 引擎RAGFlow的介绍和安装

目录 前言1. RAGFlow 简介1.1 什么是 RAGFlow&#xff1f;1.2 RAGFlow 的核心特点 2. RAGFlow 的安装与配置2.1 硬件与软件要求2.2 下载 RAGFlow 源码2.3 源码编译 Docker 镜像2.4 设置完整版&#xff08;包含 embedding 模型&#xff09;2.5 运行 RAGFlow 3. RAGFlow 的应用场…...

编程日记 2025/8/21 8:32:27

蓝桥杯—走迷宫(BFS算法)

题目描述 给定一个NM 的网格迷宫 G。G 的每个格子要么是道路&#xff0c;要么是障碍物&#xff08;道路用 11表示&#xff0c;障碍物用 0 表示&#xff09;。 已知迷宫的入口位置为 (x1​,y1​)&#xff0c;出口位置为 (x2​,y2​)。问从入口走到出口&#xff0c;最少要走多少…...

编程日记 2025/8/16 9:55:22

基于云函数的自习室预约微信小程序+LW示例参考

全阶段全种类学习资源&#xff0c;内涵少儿、小学、初中、高中、大学、专升本、考研、四六级、建造师、法考、网赚技巧、毕业设计等&#xff0c;持续更新~ 文章目录 [TOC](文章目录) 1.项目介绍2.项目部署3.项目部分截图4.获取方式 1.项目介绍 技术栈工具&#xff1a;云数据库…...

编程日记 2025/8/16 1:30:48

Flutter 学习之旅 之 flutter 不使用插件，实现简单带加载动画的 LoadingToast 功能

Flutter 学习之旅 之 flutter 不使用插件&#xff0c;实现简单带加载动画的 LoadingToast 功能 目录 Flutter 学习之旅 之 flutter 不使用插件&#xff0c;实现简单带加载动画的 LoadingToast 功能 一、简单介绍 二、LoadingToast 三、简单案例实现 四、关键代码 一、简单…...

编程日记 2025/8/20 14:44:29

GStreamer —— 2.17、Windows下Qt加载GStreamer库后运行 - “播放教程 5：色彩平衡“（附：完整源码）

运行效果 介绍 亮度、对比度、色相和饱和度是常见的视频调整&#xff0c; 在 GStreamer 中统称为 Color Balance 设置。 本教程展示了&#xff1a; • 如何找出可用的色彩平衡通道 • 如何更改它们 允许访问颜色平衡设置。如果 元素支持这个接口&#xff0c;只需将其转发给应用…...

编程日记 2025/8/21 12:21:40

在wsl2中安装ubuntu

Linux 是操作系统内核&#xff0c;Ubuntu 是基于Linux的发行版。 虚拟机 是运行操作系统的虚拟环境&#xff0c;可以在物理机上运行多个操作系统&#xff0c;包括Linux和Ubuntu。 1&#xff1a;启用 WSL 功能 以管理员身份打开 PowerShell。(winR&#xff0c;输入powershell&…...

编程日记 2025/8/19 5:40:15

SPFA算法——负权图且没有负环

SPFA算法其实是对Bellman-ford算法的优化&#xff0c;Bellman-ford算法更新最短路是采用的是遍历每一条边&#xff0c;找到最短的边进行更新d[v]min(d[v],d[u]w(u,v))&#xff0c;由 d[v]min(d[v],d[u]w(u,v))可知只有当 d[ u ]变小时才有可能更新&#xff0c;所以用一个队列存…...

编程日记 2025/8/21 20:31:53

5G基本概念

作者：私语茶馆 1. 5G应用场景概述 1.1.5G应用场景 ITU域2015年定义了三大应用场景：eMBB（增强型移动宽带）、uRLLC（低时延高可靠通信）、mMTC（海量物联网通信）； emBB：Enhanced Mobile Broadband ，移动互联网应用，是4G MBB（移动宽带）的升级，主要侧重于网络速率、带…...

编程日记 2025/8/21 2:53:12

conda 安装软件报错 Found conflicts! Looking for incompatible packages.

问题描述&#xff1a; 利用 conda 安装某包 conda install -c "nvidia/label/cuda-11.8.0" cuda-nvcc时发现报错&#xff1a; Collecting package metadata (current_repodata.json): done Solving environment: failed with initial frozen solve. Retrying with…...

编程日记 2025/8/16 10:00:05

PySide(PyQT)，QGraphicsItem的pos()和scenePos()区别

在QGraphicsItem中&#xff0c;pos()和scenePos()是两个重要的方法&#xff0c;用于描述图形项的位置&#xff0c;但它们的含义和用途有所不同。理解它们的区别对于正确操作和管理QGraphicsItem的位置至关重要。 1. pos()方法 • 定义&#xff1a;pos()返回的是QGraphicsItem在…...

编程日记 2025/8/21 15:17:48

【每日八股】计算机网络篇（四）：HTTP

目录 HTTP 与 HTTPS 的区别&#xff1f;HTTPS 加密与认证的过程&#xff1f;ClientHelloServerHello客户端回应服务端回应 HTTPS 一定安全可靠吗&#xff1f;HTTPS 状态码的含义&#xff1f;HTTP 缓存有哪些实现方式&#xff1f;HTTP 1.0、HTTP 1.1、HTTP 2.0 和 HTTP 3.0 的区…...

编程日记 2025/8/16 10:01:36

基于python下载ERA5小时尺度和月尺度的数据

前言&#xff1a;由于ERA5网站的更新&#xff0c;原始的代码都无法使用&#xff0c;这里将会提供下载小时尺度和月尺度的代码。 一、前期的工作 需要重新在ERA5网站上注册新的账号&#xff08;ERA5网站&#xff09;。然后在User guide里&#xff0c;选择API&#xff0c;将代码…...

编程日记 2025/8/20 4:42:53