山顶听风的博客

原创 好坏质检分类实战（异常数据检测、降维、KNN模型分类、混淆矩阵进行模型评估）

好坏质检分类实战 task:1、基于 data_class_raw.csv 数据，根据高斯分布概率密度函数，寻找异常点并剔除2、基于 data_class_processed.csv 数据，进行 PCA 处理，确定重要数据维度及成分3、完成数据分离，数据分离参数：random_state=4,test_size=0.44、建立 KNN 模型完成分类，n_neighbors 取 10，计算分类准确率，可视化分类边界。

原创 酶活性预测（线性回归，二阶多项式回归，五阶多项式回归）

酶活性预测实战 summary:1、通过建立二阶多项式回归模型，对酶活性实现了一个较好的预测，无论针对训练或测试数据都得到一个高的 r2 分数；2、通过建立线性回归、五阶多项式回归模型，发现存在过拟合或欠拟合情况。过拟合情况下，对于训练数据 r2 分数高（预测准确），但对于预测数据 r2 分数低（预测不准确）；3、无论时通过 r2 分数，或是可视化模型结果，都可以发现二阶多项式回归模型效果最好。

原创 数据降维——主成分分析

1、通过计算数据对应的主成分（principle components），可在减少数据维度同时尽可能保留主要信息；2、为确定合适的主成分维度，可先对数据进行与原数据相同维度的 PCA 处理，再根据各个成分的数据方差确认主成分维度；3、核心算法参考链接：https://scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html?

原创 有监督学习——决策树

1、基于iris_data.csv数据，建立决策树模型，评估模型表现;2、可视化决策树结构;3、修改min_samples_leaf参数，对比模型结果代码工具：jupyter notebook。

原创 异常数据的检测

1、基于 anomaly_data.csv 数据，可视化数据分布情况、及其对应高斯分布的概率密度函数2、建立模型，实现异常数据点预测3、可视化异常检测处理结果4、修改概率分布阈值 EllipticEnvelope (contamination=0.1) 中的 contamination，查看阈值改变对结果的影响代码工具：jupyter notebook。

原创 分类算法 Kmeans、KNN、Meanshift 实战

1、采用 Kmeans 算法实现 2D 数据自动聚类，预测 V1=80,V2=60 数据类别；2、计算预测准确率，完成结果矫正3、采用 KNN、Meanshift 算法，重复步骤 1-2数据: data.csv。

原创 逻辑回归预测芯片质量通过与否

1、基于chip_test.csv 数据，建立逻辑回归模型（二阶边界），评估模型表现；2、以函数的方式求解边界曲线；3、描绘出完整的决策边界曲线；

原创 逻辑回归预测考试通过

基于 examdata.csv 数据，建立逻辑回归模型，预测 Exam1 = 75, Exam2 = 60 时，该同学在 Exam3 是 passed or failed；建立二阶边界，提高模型准确度。下载链接: https://pan.baidu.com/s/1XtMf1Bg1SYoUYC-yQY-Qxw 提取码: 8497。

原创 多因子线性回归实战

3、预测 Income=65000，House Age=5，Number of Rooms=5，Population=30000，size=200 的合理房价。2、以 income、house age、numbers of rooms、population、area 为输入变量，建立多因子模型，评估模型表现。1、以面积为输入变量，建立单因子模型，评估模型表现，可视化线性回归预测结果。在单因子模型效果不好的情况下，通过考虑更多的因子，建立了多因子模型；多因子模型达到了更好的预测效果，r2 分数为 0.91；

原创 pandas 的安装、引入 和使用

【代码】pandas 的安装、引入 和使用。

原创 numpy 的引用，数组生成，运算操作

【代码】numpy 的引用，数组生成，运算操作。

原创 matplotlib 包 的引入和使用

【代码】matplotlib 包 的引入和使用。

原创 单因子线性回归实战

LR 实现线性预测（代码在 jupyter notebook 中运行）## 任务:基于 generated_data.csv 数据，建立线性回归模型，预测 x = 3.5 对应的 y 值，评估模型表现。

原创 当前 Java Web 开发的最新实现方式

当前 Java Web 开发的最新实现方式结合了云原生技术、微服务架构、响应式编程以及现代化工具链，本文介绍核心技术和实践。

原创 DeepSeek 为什么能降低训练成本？

DeepSeek通过**“算法-数据-系统-硬件”全栈协同优化**，在模型设计上追求计算稀疏性，在训练过程中最大化数据与硬件效率，最终实现训练成本的指数级降低。这一技术路径代表了当前大模型研发的核心竞争力——

原创 Cherry Studio 连接私域deepseek-r1模型搭建私域知识库和智能体（也可使用第三方模型）

CherryStudio 能解决什么问题?1、与大模型对话的客户端，与 Chartbox 类似；2、可以创建知识库，将知识管理起来不暴露到公网；（用第三方平台也可以创建知识库，但企业信息会暴露到公网上）3、可以基于知识库创建 智能体。本文主要使用后面两点，创建私域智能体。

原创 DeepSeek-r1模型接入：如何获取华为硅基流动平台API Key（API密钥）

其它平台如 百度千帆、字节的火山方舟，如果要获取APIKey，基本上是同样的套路。2、百度——千帆平台(免费到 2025-02-18日)如在操作过程中要求实名认证，则按要求认证即可。每个注册用户赠送 50W token/每个模型。注册 ----> 登录常规操作。3、字节——火山方舟平台。

原创 公司内搭建DeepSeek-r1 14b，windows 平台，Ollama PC本地化部署，Chatbox窗口端访问（可外网访问）

年后开始想自己在公司搭建deepseek-r1尝试下。

原创 idea 如何打 war 包？

原创 查看 tomcat信息 jconsole.exe

location: JDK/bin/jconsole.exe

原创 Java8 流操作示例代码

【代码】Java8 流操作示例代码。

原创 Vue2 基本增删改查界面

本文是前端一个基本的增删改查的例子，供自己梳理思路，不涉及复杂业务操作。

原创 后端开发过程

2.Mapper目录下：创建 Mapper接口，创建Mapper.xml。1.创建实体类：PO、DTO、VO、QueryObject。3.创建 service 相关的类：接口及实现类。5.在 controller 中编写接口。4.创建 controller类。

原创 如何将代码上传到 Codeup 代码管理平台

此步骤省略。

原创 Vue分页查询

代码说明。

原创 [Vue warn]: Invalid prop: type check failed for prop “total“. Expected Number with value 16, got Str

[Vue warn]: Invalid prop: type check failed for prop "total". Expected Number with value 16, got String with value "16".从报错信息可以看出，是记录总数类型不匹配问题。后端的 Long 型 会以字符串形式传到前端。

原创 Delete 请求报：request method ‘DELETE‘ not supported

前端调用写法错误。

原创 使用mybatisplus中的@TableField(fill = FieldFill.INSERT)不起作用（不能自动填充数据）

需要实现一个 MetaObjectHandle接口，并重写其中的方法。

原创 java bigint 传到前端值莫名其妙变了

直接上解决办法，增加一个配置文件，全局处理，这个方法解决了我的问题。网上还有一些解决方案是对对应的字段增加格式转换配置，工作量比较大。

原创 JS Set集合

原创 JS 数组操作

说明：本内容是从视频中截取出来，删侵。

原创 IDEA Project Structure 介绍(转)

https://blog.csdn.net/ITASDSFDAS/article/details/105471005

原创 【Tomcat】无法将位于-的资源添加到Web应用程序-的缓存中，因为在清除过期缓存条目后可用空间仍不足 - 请考虑增加缓存的最大空间

原文链接：https://blog.csdn.net/yxzone/article/details/131849806。在tomcat 下的conf 文件夹中content.xml 修改里面的内容：大小默认是10240，单位是KB。

原创 Tomcat警告：至少有一个JAR被扫描用于TLD但尚未包含TLD”

找到下面这一行，大约在108行。

原创 Tomcat 10 点击 startup.bat 窗口日志乱码

问题界面展示。

原创 JDK版本变迁

LTS，原名 Long-Term Support 长期支持，正常情况下 当 JDK 12 正式发布后 JDK 11 将失效，但是由于 JDK 11 是 LTS 版本，所以会延长支持更新至 2032 年。LTS 版本更加注重稳定性，安全性，性能改进，默认支持是 8 年，其中 JDK 8 延长至 2030 年（16年），延长支持期间不再提供新的功能。LTS 版本自 2021 年起，从 3 年发布一次更改为 2 年一次优化swich使用。

原创 MybatisPlus-处理JSON数据

数据库中字段为 json类型，存储一些 json 字符串。应用层面使用 JSON处理器来将 json 字符串转化为对应类型。

原创 mybatisPlus 全局逻辑删除

对于业务上需要逻辑删除的处理，原来需要在 sql 中手动处理，将标记位进行设置。MyBatis Plus 可以全局自动处理逻辑删除。要点：（1）所有表逻辑删除字段名称要一致；（2）各表对应的数据库实体类，对于逻辑删除字段要使用@TableLogic 注解进行标记。系统在进行删除操作时，会将delete 语句调整成 update 语句，并自动为此字段打上标记。

原创 P13MybatisPlus-12.扩展功能-代码生成器

原创 Springboot 2.7 集成 Swagger 增强版接口框架 Knife4j 4.3 + springdoc OpenApi 3.0

Swagger 作为一款服务端接口文档自动生成框架，早已深入人心，并且在市场上得到了广泛的应用。然而，Swagger 3.0 也就是 OpenApi 3.0 规范发布之后便停止了更新维护，出道就是巅峰。Knife4j 作为 Swagger 的增强版，是对 Swagger UI 做了优化，同时还有很多增强的功能。伴随着 Swagger 3.0 的停止更新，如今 Knife4j 从4.0开始已经逐渐使用 Springdoc 作为 swagger 的替代。