基本原则 机器 原则p4
Gorm 关联关系介绍与基本使用
一 Belongs To(一对一) 1.1 Belongs To belongs to 会与另一个模型建立了一对一的连接。 这种模型的每一个实例都“属于”另一个模型的一个实例。 例如，您的应用包含 user 和 company，并且每个 user 能且只能被分配给一个 company。下面的类型就表 ......
实验七：Spark机器学习库Mtlib编程实践
1、数据导入 导入相关的jar包： import org.apache.spark.ml.feature.PCA import org.apache.spark.sql.Row import org.apache.spark.ml.linalg.{Vector,Vectors} import org ......
机器视觉 - YoloV8 命令行安装
创建python 环境 下载并安装 miniconda 安装包, 注意miniconda和 python 版本对应关系, 不要选择python最新的版本, 以免yolo或pytorch不能兼容最新版python. 这里到安装到 C:\miniconda3 配置 conda 环境, 修改conda配置 ......
机器学习-概率图模型系列-隐含马尔科夫模型-33
目录1. Hidden Markov Model2. HMM模型定义 注：参考链接 https://www.cnblogs.com/pinard/p/6945257.html 1. Hidden Markov Model 隐马尔科夫模型（Hidden Markov Model，以下简称HMM）是比较 ......
简易机器学习笔记（十一）opencv 简易使用-人脸识别、分类任务
前言 前段时间摸了下机器学习，然后我发现其实openCV还是一个很浩瀚的库的，现在也正在写一篇有关yolo的博客，不过感觉理论偏多，所以在学yolo之前先摸一下opencv，简单先写个项目感受感受opencv。 流程 openCV实际上已经有一个比较完整的模型了，下载在haarcascades 这里 ......
pytest 执行用例的基本使用
pytest 测试用例的运行方式 1、主函数模式： a. 运行所有：pytest.main() b. 运行指定模块：pytest.main(['-vs', 'test_login.py']) c. 运行指定目录：pytest.main(['-vs', './testcase']) d. 通过node ......
【机器学习】逻辑回归
目录感知器的种类sigmoid（logistics）函数代价/损失函数（cost function）——对数损失函数（log loss function）梯度下降算法（gradient descent algorithm）正则化逻辑回归（regularization logistics regres ......
【机器学习】多元线性回归
目录多元线性回归模型（multiple regression model）损失/代价函数（cost function）——均方误差（mean squared error）批量梯度下降算法（batch gradient descent algorithm）特征工程（feature engineerin ......
WinForm中的基本控件
WinForm中的控件 数据显示控件 DataGridView控件 文本编辑控件 TextBox控件 RichTextBox控件 MaskedTextBox控件 信息显示控件（只读） Label控件 LinkLabel控件 StatusStrip控件 ProgressBar控件 网页显示控件 Web ......
在日语中，动词有三种基本形式
在日语中，动词有三种基本形式：基本形、终止形和连体形。这些形式也称为“辞書形”、“終止形”和“連体形”。它们分别表示不同的语法功能和意义。https://zhuanlan.zhihu.com/p/33276872 1. 基本形（辞書形）：基本形是动词的原形，通常用于辞典中。它表示动词的一般意义，没有 ......
函数的基本定义
'''函数：具备执行某个作用功能。比如Excel中sum函数就是实现求和的作用功能可以进行重复使用定义函数的原则：在函数内写的代码只负责实现功能'''# Python中求和的操作# 求list1的和list1 = [11,33,55,77,99,22,44,66,88,100] # 定义一个包含整数 ......
深度学习之机器学习理论
（一）机器学习（Machine Learning）：就是让计算机具备从大量数据中学习的能力之一系列方法。机器学习使用很多统计方法，统计学家也称之为统计学习，但本质上起源于计算机科学的人工智能。 （二）机器学习的分类：机器学习主要分为两类，即监督学习(supervised learning)与非监督学 ......
Vue源码学习(十九)：router基本原理
好家伙, 0.什么是路由? 路由就是匹配到对应路径显示对应的组件！ 那么我们要如何去实现? 我们来回忆一下这router怎么用的 1. 声明式路由配置：在路由配置对象中，定义路径与组件的映射关系。例如： import AboutComponent from '../views/AboutCompon ......
JS基础（一）引入方式，基本语法，数据类型，类型转换，原始类型和引用类型的区别
JS和python很像滴，好学，快快过一遍 一、JS引入方式 <script> // js 的代码 alert("hello alvin!") </script> 二、JS基本语法 打印console.log作为日志打印，在浏览器里f12检查，console可以看见。 区分大小写哦。 JS中可以用换 ......
Vite构建基本配置
通过vite.config.js 暴露出defineConfig函数实现构造，vite会读取defineConfig返回的配置对象，配置对象需要自行编写 defineConfig 该函数是vite工具助手函数，用来读取构建配置，其返回一个配置参数对象 通过查看源码得知，vite配置有以下可选非必要内 ......
CodeQL基本使用
这里是用codeql查找sql注入，个人感觉codeql更加考验对于漏洞的理解，比起其他传统的代码审计工具，codeql显得更加灵活。codeql其实自带了很多ql脚本，这些脚本可以帮助我们去查找漏洞最简单的方式就是使用 CodeQL CLI 捆绑包中包含的标准查询。 ......
机器学习如何改变缺陷检测的格局？
机器学习在缺陷检测中扮演着重要的角色，它能够通过自动学习和识别各种缺陷的模式和特征，改变缺陷检测的格局。以下是机器学习在缺陷检测中的一些应用和优势： 自动化检测：机器学习技术可以自动化处理大量的数据，通过学习和识别缺陷的模式和特征，实现自动化检测。这大大提高了缺陷检测的效率和准确性，减少了人工干 ......
机器学习-决策树系列-贝叶斯算法-概率图模型-29
目录1. 复习条件概率2. 正式进入3. 生成式 与判别式 这个阶段的内容，采用概率论的思想，从样本里面学到知识（训练模型），并对新来的样本进行预测。 主要算法：贝叶斯分类算法、隐含马尔可夫模型、最大熵模型、条件随机场。 通过本阶段学习，掌握NLP自然语言处理的一些基本算法，本阶段的理解对于后续完成 ......
harmonyOS一：基本语法
基本语法 文件构成 一个文件以 __.ets__结尾的，基本上要包含 装饰器 @Entry @Component @builder @State ... 自定义组件 用@Component装饰的struct Index 变量声明 UI描述 build方法里包含的代码块 系统组件 ArkUI框架中默认 ......
中间件 ZK分布式专题与Dubbo微服务入门 5-1 集群的一些基本概念
0 课程地址 https://coding.imooc.com/lesson/201.html#mid=12714 1 重点关注 1.1 ACL命令行 getAcl:获取某个节点的acl权眼信息setAcl:设置某个节点的acl权限信息addauth:输入认证授权信息，注册时输入明文察码(登录 但是 ......
pip基本用法
pip简介 pip是一个安装和管理Python包的工具，类似RedHat里面的yum，安装Python包非常方便。 安装完Python，就自带了pip工具，如下图： pip基本用法 查看已经安装的包 pip list 安装包 pip install pytest，是安装最新版本 如果要安装指定版本， ......
数据库基本理论知识
1. 数据库 数据库是一个以某种有组织的方式存储的数据集合。最简单的方法是将数据库想象为一个文件柜。这个文件柜是一个存放数据的物理位置，不管数据是什么，也不管数据如何组织。 数据库 (database)：保存有组织的数据的容器（通常是一个文件或者一组文件）。 数据库软件应该称为数据库管理系统（DBM ......
基本不等式
基本不等式 基本不等式定义 这是我们一般说的基本不等式：对非负实数 \(a,b\)，有 \[a+b\geqslant 2\sqrt{ab} \]等号成立当且仅当 \(a=b\)。 事实上，这个不等式来自于 \[(x-y)^2\geqslant 0 \]即 \[x^2+y^2 \geqslant 2x ......
机器学习-梯度下降法
1、名称解释 （1）什么是无约束优化问题？ 无约束优化问题是指在给定目标函数的情况下，寻找使目标函数取得最大值或最小值的变量取值，而不受任何约束条件限制的优化问题。 具体来说，无约束优化问题可以形式化地表示为以下形式： 最小化 f(x)，其中 x 是 n 维向量，f(x) 是一个实值函数，称为目标函 ......
机器学习-半正定规划
1、概念解释 （1）什么是半正定规划？ 半正定规划(Semi-Definite Programming，简称SDP) 是一类凸优化问题，其中的变量可组织成半正定对称矩阵形式，且优化问题的目标函数和约束都是这些变量的线性函数。 （2）什么是对称矩阵？ 对称矩阵是指一个矩阵的元素关于主对角线对称。换句话 ......
机器学习-二次规划
1、概念解释 （1）什么是半正定矩阵？ 半正定矩阵是指一个方阵（即行数等于列数的矩阵），满足以下条件之一： 对于任意非零向量x，都有x^T * A * x ≥ 0，其中 A 表示该矩阵的转置。 所有特征值（eigenvalue）都大于或等于零。 简单来说，一个半正定矩阵的特点是它的所有特征值非负，或 ......
机器学习-拉格朗日乘子法
1、概念解释 （1）什么是拉格朗日乘子法？ 拉格朗日乘于法(Lagrange multipliers) 是一种种寻找多元函数在一组约束下的极值的方法。通过引入拉格朗日乘子，可将有d个变量与k个约束条件的最优化问题转化为具有d+k个变量的无约束优化问题求解。 2、基本演算 ......
机器学习-奇异值分解
1、概念介绍 （1）什么是线性无关的行？ 线性无关的行指的是矩阵中不可由其中一个或多个行的线性组合表示的行。换句话说，如果一个矩阵中有两个或多个行，且它们不能通过某些系数相乘和相加得到一个零向量，则这些行就是线性无关的。 例如，考虑一个包含三行的3x3矩阵： 1 2 3 4 5 6 7 8 9 我们 ......