Android 程序技术
本节课程内容：习题详情显示
XML概述
XML概述
Summary of XML
在实际开发中，由于不同操作系统存储数据的格式不兼容，当这些系统在进行数据传输时，会变得很困难。
为此，W3C组织推出了一种新的数据交换标准—XML，它是一种通用的数据交换格式， 易于保存树状结构的数据，可以使数据在各种应用程序之间轻松地实现数据的交换。
XML概述
XML概述
2.1 XML解析
2.2 实战演练——习题详情显示
XML解析
XML解析
XML parsing
将XML文件中所有内容以DOM树形式存放在内存中，支持删除、修改等功能。缺点是消耗内存较大。
三种解析方式
DOM解析
逐行扫描XML文件，读取文件的同时即可进行解析处理，不必等到文件加载结束。缺点是无法进行增、删、改等操作。
SAX解析
一个开源的Java项目，既可以用于Android应用，也可以用于JavaEE程序。Android中已经集成了PULL解析器。
PULL解析
XML解析
XML parsing
XmlPullParser.START_DOCUMENT：XML文档的开始，如
2022-05-25 09:06:27
3.48MB
Android 程序技术
本节课程内容：个人学习助手项目-主界面的实现
01
个人学习助手项目-主界面的实现
目录
个人学习助手项目-主界面的实现
Personal Learning Assistant project - Main interface implementation
通过点击底部按钮，可以实现在课程、习题和我界面之间切换。
功能描述：
技术要点：
中间为FrameLayout布局，可以显示不同界面底部按钮要实现监听。
整体页面的设计与实现
实现步骤：
底部按钮监听逻辑代码的设计与实现
THANK YOU
END
谢谢观看
2022-05-25 09:06:27
3.34MB
Android 程序技术
本节课程内容：个人学习助手项目-注册功能的实现
PART 1
1.1 SharedPreferences的使用
1.2 实战演练——用户注册密码的保存
个人学习助手项目-注册功能的实现
SharedPreferences的使用
The use of the SharedPreferences
SharedPreferences是Android平台上一个轻量级的存储类。
用于存储应用程序的配置参数，如用户名、密码等。
通过key/value（键值对）的形式将数据保存在XML文件中。
value值只能是float、int、long、boolean、String、StringSet类型数据。
SharedPreferences的特点
SharedPreferences的特点
存储数据
SharedPreferences的使用
The use of the SharedPreferences
SharedPreferences sp = getSharedPreferences
("data",MODE_PRIVATE);
String data = sp.get
2022-05-25 09:06:26
3.44MB
项目背景：运用回归模型进行房价预测。影响房价的因素有很多，在本题的数据集中有79个变量几乎描述了爱荷华州艾姆斯（Ames，lowa）住宅的方方面面，要求预测最终的房价。
数据介绍：使用BartdeCock于2011年收集 [DeCock,2011]， 涵盖了 2006−2010 年期间亚利桑那州埃姆斯市的房价。
技术栈：
特征工程（Creative feature engineering）
回归模型（Advanced regression techniques like random forest and gradient boosting）
常规模型融合：多模型平均融合、
高阶模型融合方法：bagging、boosting
目标：
预测出每间房屋的价格，对于测试集中的每一个ld，给出变量SalePrice相应的值。
算法通过计算平均预测误差来衡量回归模型的优劣。平均预测误差越小，说明回归模型越好。
2022-05-15 12:04:56
5.16MB
Machine_learning_project
对于runnig，您需要运行main.py文件的代码。 该文件使用了我编写的类之一。 此类位于\ ML_FAB_Classes \ NN_Prep.py。 该课程进行神经网络训练。 main.py由5个部分组成，每个部分将在下文中详细说明
第1部分：导入库它导入所需的库以及我为神经网络培训编写的类
第2部分：加载数据对象本节从xdf文件加载数据并将其转换为熊猫数据帧格式
第3部分：数据初始化本节消除了数据中的噪音，并对谨慎的功能进行了热编码器操作
第4部分：ML规范化本节规范功能和连续标签
第5部分：训练本部分训练神经网络并获得训练后的模型
第6部分：结果和图本节显示了基于所有可用数据（包括训练和测试数据）的模型有多少错误，还绘制了所有可用数据的标签并将其与来自训练模型的预测标签进行比较
2022-03-05 19:02:59
1.08MB
1
pytorch学习练手项目
pytorch版本DCGAN生成二次元头像,
包含源码训练测试代码，以及训练数据和训练权重
2022-02-21 09:28:54
386.11MB