Inno Setup 安装退出代码
当准备移到下一个安装页 (例如，从显示的准备安装向导页到实际安装进程) 遇到一个致命错误。以后的 Inno Setup 版本可能会返回另外的退出代码，应用程序检查退出代码的用意是能直观地处理意外的退出代码。如果在这种消息框中选择“中断”，将返回退出代码 5。用户在实际安装开始前单击向导页中的“取消”，或在“这将安装…在实际安装进程时单击“取消”，或在“中断、重试、忽略”消息框中选择“中断”。在返回 1、3 4, 7, 或 8 退出代码前，将显示一个说明问题的错误消息。在实际安装进程中发生一个致命错误。
PaddleSeg图像分割预测pyinstaller打包报错:No module named ‘framework_pb2‘，问题解决
No module named 'framework_pb2'，问题解决
MySQL进阶--数据库的触发器详解
触发器详解触发器（trigger）也称为触发程序，是MySQL提供给程序员和数据分析员来保证数据完整性的一种方法，它是与表事件相关的特殊的存储过程，它的执行不是由程序调用，也不是手工启动，而是由事件来触发，比如当对一个表进行操作（insert，delete， update）时就会激活它执行。——百度百科（一）触发器语法触发器在MySQL数据库中的关键字TRIGGER，创建触发器的语法如下：• TRIGGER：触发器是与表有关的数据库对象，当表上出现****特定事件****时，将激活该对象的操作。
Python爬虫技巧--selenium关闭提示（受到自动化测试软件测试控制）方法
使用selenium爬取信息时，经常会因为，谷歌正在受到自动化软件控制，而抓取失败，下面代码可以解除该状态# 下载谷歌驱动from selenium import webdriver# 1. 导入配置from selenium.webdriver.chrome.options import Options# 2. 实力化对象option = Options()# 3. 配置无界面的谷歌浏览器# option.add_argument('--headless')# 配置ua# op_1671465600
Python数据分析--Pandas入门--Series与DataFrame创建
Pandas中Series,DataFrame1.简介Series与DataFramePandas共有两种数据结构,分别是DataFrame 和Series.DataFrame是一种类似于excel表格的数据格式,有行有列.从DataFrame中取出一列 则是一个Series.DataFrame中每一列都是一个不同的数据类型.2.Pandas的导入pandas一般与numpy一起使用.import pandas as pd3.Pandas中DataFrame的创建创建方式一:使用Pan
Python数据分析--Pandas入门--Series与DataFrame属性
Pandas中Series与DataFrame属性1.DataFrame的属性代码实现import pandas as pd#创建DataFramedata_dict = {"姓名": ["A", "B", "C", "D"], "年龄": [18, 19, 20, 19], "性别": ['男', '男', '女', '男'], "职业": ['数据分析', '机器学习', "深度学习", "搬砖"]
Python数据分析--Pandas入门--DataFrame简单操作
DataFrame简单操作 修改行列索引1. 修改整个行/列索引2.修改个别行/列的索引3.将某一列所谓行索引将行索引变为正常的一列
Python数据分析--Pandas入门--Pandas读取和写入文件
Pandas读取文件中的数据pandas读取出的数据为DataFrame数据类型.Pandas读取excel文件 pandas.read_excel()sheet_name可指定读取的excel工作表的名称或排序.data = pd.read_excel("../data/meal_order_detail.xlsx", # sheet_name=0, # 默认是0，读第0个工作表 # sheet_name=1,
Python数据分析--Pandas入门--DataFrame的增删改查操作
DataFrame的增删改操作DataFrame的增加操作为DataFrame增加一列相同的内容df[‘新列名’]=‘数据’代码实现import pandas as pdindex1 = ["stu1", "stu2", "stu3", "stu4"]columns1 = ["姓名", "年龄", "性别", "职业"]data1 = [['李A', 18, '男', '数据分析'], ['王B', 19, '男', '机器学习'], ['赵C', 20,
Python机器学习--分类算法--KNN算法
KNN算法KNN算法类型:knn(k-Nearest Neighbors),K最近邻算法.属于有监督学习的分类和回归算法.KNN算法原理1.计算测试样本与训练集中所有样本之间的相似度(使用距离表征相似度.)2.按照距离递增排序3.选择与测试样本中距离最近的k个训练样本.4.根据选择出的K个样本的标签,进行投票或平均 (投票为分类问题,求平均为回归问题).KNN算法的特点1.计算复杂度高(最初的knn是暴力搜索的).2.所设置的K值不同,预测结果也不同3.属于惰性学习算法(边测试,边
Python机器学习--聚类算法--Kmeans聚类算法
Kmeans聚类算法Kmeans算法类型:Kmeans算法属于无监督学习的聚类算法.无监督学习是指没有明确的标签,这类问题没有标准的答案.Kmeans算法原理什么是聚类?所谓聚类问题，就是给定一个数据集D，其中每个样本具有n个属性，使用某种算法将D划分成k个子集，要求每个子集内部的元素之间相似度尽可能的高，而不同子集的元素相似度尽可能低。其中每个子集叫做一个簇。聚类目的：类内相似、类间相异Kmeas原理1、从数据集D中随机取k个元素，作为k个簇的各自的中心（质心）。2、分别计算剩下的元素到
Python机器学习--分类算法--朴素贝叶斯算法
朴素贝叶斯算法朴素贝叶斯算法类型朴素贝叶斯算法属于有监督学习中的分类算法，基于贝叶斯理论和特征相互独立的假设，因为假设特征相互独立让问题变得简单，因此称为朴素.朴素贝叶斯算法分为:伯努利朴素贝叶斯,高斯朴素贝叶斯,多项式朴素贝叶斯,因此此篇,篇幅较长,需要看某一个算法,可以使用ctrl+F进行搜索即可.朴素贝叶斯算法第一站:概率公式条件概率公式为(即在事件B发生的情况下,事件A发生的概率):当A,B相互独立时 P(AB) = P(A)∗P(B)全概率公式:贝叶斯公式:朴素贝叶斯算法
Python机器学习--回归算法--线性回归算法
线性回归算法线性回归算法类型:线性回归算法属于有监督学习的回归算法，可以处理标签为连续数据类型的数据。线性回归算法原理:通过寻找特征和标签之间的关系，生成一个线性方程，通过线性方程预测未知标签。算法的结果是一个线性方程。如果特征有一个，对应的结果就是一个一元线性方程。如果特征存在多个，则结果为N元线性方程。线性回归算法的特点1.结果具有可解释性（根据线性方程可以明确的得出结果是如何计算出来的）2.是逻辑回归算法的基础3.特征与标签之间具有线性关系多元线性方程因为一元线性方程为：y=
Python机器学习--回归算法--逻辑回归算法
逻辑回归算法逻辑回归算法类型:逻辑回归属于有监督学习的分类算法（只能做二分类）逻辑回归算法原理:将线性回归的结果输入sigmoid函数中，得出预测为类1的概率（如果概率为0.2 有20%的可能属于类1，属于类0的概率是80%； 结果是类0如果概率为0.8 有80%的可能属于类1，属于类0的概率是20%； 结果是类1）线性回归算法方程sigmoid函数公式和图像：逻辑回归的结果是基于线性回归计算出来的，线性回归的质量好坏会直接影响逻辑回归的结果，影响线性回归的就是回归系数。对于线
今日推荐
周排行