Merge branch 'main' of https://github.com/jiangyangcreate/jiangyangcreate.github.io

Author: jiangyangcreate

blog/2024-8-30.md

@@ -10,9 +10,6 @@ description: 机器学习与LLM舆情分析
 
 该项目适合作为小型的项目原型，适合教学和练手。最初这个项目的灵感源于我的个人需求，我需要一个工具来查看主流话题，同时又不想下载一堆 APP 来接收推送。项目最终的数据使用github pages来展示。
 
-可以结合我的另一个项目`pocwatchdog`实现定时执行加发送邮件。
-
-
 项目开源地址：[https://github.com/jiangyangcreate/SocialMood](https://github.com/jiangyangcreate/SocialMood)
 
 项目查看地址：[https://jiangyangcreate.github.io/SocialMood/](https://jiangyangcreate.github.io/SocialMood/)

docs/docs/云原生开发/接口开发.md

@@ -614,6 +614,29 @@ if __name__ == "__main__":
 
 ```
 
+下面是异步函数作为FastAPI的返回值的示例
+
+```python showLineNumbers
+from fastapi import FastAPI
+from fastapi.responses import StreamingResponse
+import asyncio
+import random
+
+app = FastAPI()
+
+async def async_range(n):
+    for i in range(n):
+        yield f"<p>{i}</p>"
+        await asyncio.sleep(random.randint(1, 3) * 1)
+
+@app.get("/stream")
+async def stream_numbers():
+    return StreamingResponse(async_range(5), media_type="html", background=None)
+
+if __name__ == "__main__":
+    import uvicorn
+    uvicorn.run(app, host="0.0.0.0", port=8000)
+```
 
 ### Django
 

docs/docs/机器学习/传统算法/朴素贝叶斯.md

@@ -40,26 +40,26 @@ P（恭喜|正常邮件） = 6/20 = 0.3
 P（辛苦|正常邮件） = 2/20 = 0.1
 ```
 
-现在我收到了一封邮件，这封邮件内容为：“恭喜您获得了一次免费的机会”，我想知道这封邮件是垃圾邮件的概率是多少？
+现在我收到了一封邮件，这封邮件内容为：“**恭喜**您获得了一次**免费**的机会”，我想知道这封邮件是垃圾邮件的概率是多少？
 
 ```markdown
-P（垃圾邮件|免费，恭喜） = P（免费|垃圾邮件）_P（恭喜|垃圾邮件）_ P（垃圾邮件）= 0.25 _0.625_ 0.8 = 0.125
+P（垃圾邮件|免费，恭喜） = P（免费|垃圾邮件）* P（恭喜|垃圾邮件）* P（垃圾邮件）= 0.25 * 0.625 * 0.8 = 0.125
 
-P（正常邮件|免费，恭喜） = P（免费|正常邮件）_P（恭喜|正常邮件）_ P（正常邮件）= 0.25 _0.3_ 0.2 = 0.015
+P（正常邮件|免费，恭喜） = P（免费|正常邮件）* P（恭喜|正常邮件）* P（正常邮件）= 0.25 * 0.3 * 0.2 = 0.015
 ```
 
 因为 P（垃圾邮件|免费，恭喜） > P（正常邮件|免费，恭喜），所以这封邮件被判定为垃圾邮件。
 
-如果狡猾的垃圾邮件制造者把邮件内容改为：“恭喜您获得了一次免费的机会，辛苦您动动手指参加我们的免费活动”，那么这封邮件被判定为垃圾邮件的概率就会变成 0，因为“辛苦”这个词在正常邮件中有出现，在垃圾邮件中没有出现。
+如果狡猾的垃圾邮件制造者把邮件内容改为：“**恭喜**您获得了一次**免费**的机会，**辛苦**您动动手指参加我们的**免费**活动”，那么这封邮件被判定为垃圾邮件的概率就会变成 0，因为“辛苦”这个词在正常邮件中有出现，在垃圾邮件中没有出现。
 
 改进:拉普拉斯平滑法
 
 在每个关键词上人为的增加一个出现的次数，这样就不会出现概率为 0 的情况了。（下面的公式免费的平方表示这个关键词出现 2 次）
 
 ```markdown
-P（垃圾邮件|免费，恭喜） = P（免费|垃圾邮件）_P（恭喜|垃圾邮件）_ P（垃圾邮件）= (21/80)² _(51/80)_ 0.8 = 0.0351421875
+P（垃圾邮件|免费，恭喜，辛苦） = P（免费|垃圾邮件）* P（恭喜|垃圾邮件）* P（辛苦|垃圾邮件）* P（垃圾邮件）= (20+1/80)² * (50+1/80) * (0+1/80) * 0.8 = 0.0351421875
 
-P（正常邮件|免费，恭喜） = P（免费|正常邮件）_P（恭喜|正常邮件）_ P（正常邮件）= (6/20)²*(7/20)* 0.2 =0.0063
+P（正常邮件|免费，恭喜，辛苦） = P（免费|正常邮件）* P（恭喜|正常邮件）* P（辛苦|正常邮件）* P（正常邮件）= (5+1/20)² * (6+1/20) * (2+1/20) * 0.2 =0.012885
 ```
 
 ```python showLineNumbers

docs/docs/选择编程语言/Python/Python进阶.md

@@ -2513,12 +2513,12 @@ requires = ["setuptools>=61.0", "wheel"]
 build-backend = "setuptools.build_meta"
 
 [project]
-name = "pocwatchdog"
-version = "1.1.6"
+name = "exboard"
+version = "1.0.12"
 authors = [
   { name="Allen", email="[email protected]" },
 ]
-description = "A pocwatchdog package for security monitoring"
+description = "A exboard package for AIBOX"
 readme = "README.md"
 requires-python = ">=3.6"
 classifiers = [
@@ -2531,8 +2531,8 @@ dependencies = [
 ]
 
 [project.urls]
-Homepage = "https://github.com/jiangyangcreate/pocwatchdog"
-Issues = "https://github.com/jiangyangcreate/pocwatchdog/issues"
+Homepage = "https://github.com/jiangyangcreate/exboard"
+Issues = "https://github.com/jiangyangcreate/exboard/issues"
 ```
 
 其中：dependencies 是依赖的包，在这里添加你需要的依赖包之后，安装此包时会自动安装这些依赖包。

src/pages/case.js

@@ -27,13 +27,6 @@ function ShowcaseGrid() {
       url: "https://jiangmiemie.com/jiangyangcreate/",
       category: "关于我", 
     },
-    {
-      image: useBaseUrl("pages/case/pocwatchdog.webp"),
-      title: "pocwatchdog",
-      desc: "进程管理器，用于定时管理进程，多种组合式定时任务。支持成功发送邮件通知、失败发送邮件通知，可插入附件、图片，自动识别邮箱服务器与端口号。",
-      url: "https://github.com/jiangyangcreate/pocwatchdog/",
-      category: "模块库", 
-    },
     {
       image: useBaseUrl("pages/case/exboard.webp"),
       title: "exboard",