如何修改C盘用户文件夹名称

article/2025/5/1 8:49:49

免责声明:由于每个人的笔记本配置的都不太一样,修改过程中可能存在不同的问题,建议修改前将重要文件夹备份好。
下面的操作方法个人已经实践过,所用电脑配置:DELL笔记本,Win11操作系统。

下面介绍操作方法:

一、修改注册表中的用户名称

1、同时按下【win+R】键,打开运行。

2、输入【regedit】,按下回车键。

3、打开【HKEY_LOCAL_MACHINE\SOFTWARE】。

4、打开【Microsoft】。

5、打开【Windows NT\CurrentVersion】。

6、打开【ProfileList】。

7、选择最长的一个文件夹,打开里面的【ProfileImagePath】。

8、这里的【Users】后的就是你的用户名。

9、将他改成你想要的名字,确定即可。

二、修改C:\Users 路径下的用户文件夹名称

此时去C:\Users 是不能修改文件夹名称的 。直接重启电脑,此时会电脑会显示找不到用户,是否注销界面,这个不要担心,将界面拖拽到一边,进入C:\Users中将含有你电脑原先配置的文件夹改为与你修改的注册表一致的用户名字。再次进行重启电脑,电脑又能恢复原来的样子。

ps:(由于我的电脑可以恢复成原来的样子,所以这个地方没实践过,仅作为一种思路,提供给操作到这里没成功的朋友)

        有的人这个时候已经完成了,有的人这个时候还没有完成,因为很多程序的配置文件路径还是原来的 C:\Users\某人 打开那些软件以后会各种报路径不存在。这个时候需要在 C:\Users 文件夹下面创建一个 快捷方式 。进入C:\Windows\System32 ,找到cmd.exe 右键以管理员身份运行,然后执行命令 mklink /j C:\Users\某人 C:\Users\abc 然后就ok了。

 

三、修改开机界面显示的用户名称

不过你会注意到开机界面显示的用户名字还是原来的,这个不需要担心,如果你想一致可以进行以下操作:

1,首先在开始菜单,右键,选择运行

2、输入netplwiz回车,

3、打开用户账户,双击当前账户,例如:Administrator

4、打开后如图

5、输入你想要改的名字

6、点击确定后,弹出警告,点击是,如图

7、注销后发现账户名就改过来了,如图


http://chatgpt.dhexx.cn/article/qPmRW5T2.shtml

相关文章

详解机器学习中 ROC曲线、AUC值、正确率、召回率

文章目录 前言简介医学图像识别二分类问题ROC 曲线如何画ROC曲线AUC 前言简介 在分类任务中,人们总是喜欢基于错误率来衡量分类器任务的成功程度。错误率指的是在所有测试样例中错分的样例比例。实际上,这样的度量错误掩盖了样例如何被分错的事实。在机…

ROC-AUC 浅谈理解ROC曲线和AUC值

这是一个评价二分类器的指标,特点是不受不平衡数据集的影响。但事实理解起来有点难。下面先介绍ROC-AOC是什么,然后再谈谈我的一种理解。ps,理解这个指标,首先得对经典的F1, Recall,Precision的比较熟悉,否则看了会一头雾水,如果你不熟这几个指标的计算,建议先阅读。 …

ROC曲线和AUC值的计算

转载自:https://zhuanlan.zhihu.com/p/25212301,本文只做个人记录学习使用,版权归原作者所有。 1、混淆矩阵 混淆矩阵如下图所示,分别用0和1代表负样本和正样本。FP代表实际类标签为0但是预测标签为1的样本数量,其余…

机器学习 模型评估指标 - ROC曲线和AUC值

机器学习算法-随机森林初探(1)随机森林拖了这么久,终于到实战了。先分享很多套用于机器学习的多种癌症表达数据集 https://file.biolab.si/biolab/supp/bi-cancer/projections/。机器学习算法-随机森林之理论概述 分类问题评估指标有&#xf…

[sklearn]性能度量之AUC值

[sklearn]性能度量之AUC值 (from sklearn.metrics import roc_auc_curve) 1.AUC AUC(Area Under ROC Curve),即ROC曲线下面积。 2.AUC意义 若学习器A的ROC曲线被学习器B的ROC曲线包围,则学习器B的性能优…

如何理解ROC曲线和AUC值

1、ROC曲线下的面积就是AUC值。 2、如何绘制ROC曲线,通过改变不同的阈值,每个阈值都可以得到一个混淆矩阵,通过混淆矩阵,可以计算出假阳性率和真阳性率。即该坐标系下的一个点。将阈值从0,调整到1,即可绘制…

AUC值越大_AUC的一般计算和近似计算方式

AUC值是一个概率值,当你随机挑选一个正样本以及负样本,当前的分类算法根据计算得到的Score值将这个正样本排在负样本前面的概率就是AUC值,AUC值越大,当前分类算法越有可能将正样本排在负样本前面,从而能够更好地分类。…

AUC值越大_模型评价——准确率、精确率与召回率与F值、宏平均与微平均、ROC曲线与AUC值...

在上一篇文章中(baiziyu:模型评价——训练误差与测试误差、过拟合与欠拟合、混淆矩阵)主要介绍了模型评价涉及的基本概念,本节给出一些常用的评价指标。这些指标大致可以分为三类,第一大类是普通的准确率评价指标&…

AUC值越大_「机器学习速成」分类,评估指标(TP、FP、TN、FN),ROC曲线和AUC

大家好,今天我们学习【机器学习速成】之 分类,评估指标(TP、FP、TN、FN),ROC曲线和AUC。 本节介绍了如何使用逻辑回归来执行分类任务, 并探讨了如何评估分类模型的有效性。 我们 马上学三点 , 逻辑回归用作分类&#x…

AUC值越大_一文看懂ROC、AUC

评测指标是衡量一个算法是否出色的一个重要部分,好的指标能让我们这些炼丹学徒知道,练出来的丹药是否有效果。那么在机器学习中有哪些值得一探究竟的指标呢?本文就PR图,ROC、AUC、mAP这4个方面进行详细探究。 总的来说评价指标的核心得从二分类问题说起:一个类,它实际值有…

入门选手都能理解的ROC曲线与AUC值

项目github地址:bitcarmanlee easy-algorithm-interview-and-practice 欢迎大家star,留言,一起学习进步 1.ROC曲线 在信号检测理论中,接收者操作特征曲线(receiver operating characteristic curve,或者叫…

AUC值得含义和计算方法

转载自:http://baijiahao.baidu.com/s?id1597939133517926460&wfrspider&forpc 机器学习备忘录 | AUC值的含义与计算方法 浮生偷闲 18-04-17 05:32 内容导读 在机器学习领域, AUC 值经常用来评价一个二分类模型的训练效果,对于许多机…

python计算偏态、极差、方差、标准差、平均数、中位数、众数

import numpy as np lists[1,2,3,4,5,6,7,8,9]print("极差:",np.max(lists)-np.min(lists))#最大值减最小值 lists_varnp.var(lists, axisNone, dtypeNone, outNone, ddof0, keepdimsnp._NoValue) print("方差:",lists_var) lists_s…

数据分析应用统计学之分散性与变异性的测量【极差、四分位差、偏态系数、峰态系数、统计指标】

文章目录 1、极差与四分位差(R)2、方差与标准差(西格玛、V)3、偏态系数与峰态系数(SK、β)4、统计指标类型 1、极差与四分位差(R) 1)极差:称为全距&#xff…

偏态数据的观察、量化评估与处理前后的对比

在机器学习中,模型更容易从具有正态分布特性的数据中学习到有用特征。但我们经常会发现有些特征存在长尾分布,对于这种偏态分布数据,需要进行特殊的处理,本文首先观察特征分布情况,然后以量化的方式评估数据偏态程度从…

统计学学习日记:L7-离散趋势分析之偏态和峰态

一、偏态&#xff08;SK&#xff09; 1.数据偏斜程度的测度 偏态系数0为对称分布 偏态系数>0为右偏分布 偏态系数<0为左偏分布 偏态系数>1或<-1&#xff0c;被称为高度偏态分布&#xff1b;偏态系数在0.5~1或-1~-0.5之间&#xff0c;被认为是中等偏态分布&#xf…

如何处理偏态数据?

这是笔试/面试题系列的第2篇文章 在了解何为偏态数据前&#xff0c;要先从正态数据说起。 正态分布 正态分布是自然界中广泛存在的&#xff0c;我们都知道它是两头低&#xff0c;中间高&#xff0c;整个形态呈现对称钟形的一个分布&#xff0c;之所以叫正态分布&#xff0c;是…

skewness and kurtosis偏态和峰度的解释和演示、数据的偏度和峰度——df.skew()、df.kurt()

skewness (偏态) 正偏态分布(positive skewness distribution)是指频数分布的高峰偏于左侧&#xff0c;偏态系数为正值的频数分布形态。偏态分布分为正偏态和负偏态。当均值大于众数时称为正偏态&#xff1b;当均值小于众数时称为负偏态。 定义上偏度是样本的三阶标准化矩&am…

Uniapp中onShow()的应用

遇到问题&#xff1a; 在使用一些变量进行判断时&#xff0c;用完一次开始下一次判断时&#xff0c;结果会跟前一次一样&#xff0c;比如门禁中第一个房子打开后&#xff0c;切换到另外的房子&#xff0c;结果返回结果跟第一个房子一样。 原因分析&#xff1a; 用于使用了相…