房价 机器
机器学习——偏差-方差权衡问题
偏差指的是模型与真实数据分布之间的误差。线性模型能表示的函数空间有限,所以存在偏差。 方差指同一模型在不同训练集上的输出变化。简单模型方差小,复杂模型容易过拟合,方差大。 1. 泛化性好的模型往往偏差高,方差低。比如简单的线性模型。 2. 灵活性强的模型往往偏差低,方差高。比如复杂的深度神经网络。 ......
机器学习——权重衰减
权重衰减(Weight Decay)是正则化的一种技术,是针对神经网络权重参数的正则化手段。其通过为损失函数添加权重参数的L2范数来实现。在优化神经网络时,权重衰减会惩罚权重参数值过大,从而达到正则化的效果。 常见的权重衰减在损失函数中以如下形式添加: loss = 损失函数 + λ * 权重L2范 ......
jupyter_机器学习基础
学习打他frame和一些基础操作 import pandas as pd import numpy as np pd.DataFrame(np.random.randn(2,3)) score=np.random.randint(40,100,(10,5)) score score_df=pd.Da ......
机器狗装上 ChatGPT 大脑当导游；AI 正在学习「超人的说服力」丨 RTE 开发者日报 Vol.73
开发者朋友们大家好： 这里是「RTE 开发者日报」，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE （Real Time Engagement） 领域内「有话题的新闻」、「有态度的观点」、「有意思的数据」、「有思考的文章」、「有看点的会议」，但内容仅代表编辑的个人观点，欢迎大家留 ......
在Docker容器内，我如何连接到机器的本地主机？
内容来自 DOC https://q.houxu6.top/?s=在Docker容器内，我如何连接到机器的本地主机？ 我有一个运行在Docker容器内的Nginx。我的主机系统上运行着一个MySql。我想从我的容器内连接到MySql。MySql只绑定到本地主机设备。 有没有办法从这个Docker容器 ......
自动驾驶汽车中的图像识别与机器学习算法的实践与挑战
自动驾驶汽车中的图像识别与机器学习算法的实践与挑战 自动驾驶汽车技术的关键在于其对环境的感知和理解。通过图像识别和机器学习算法，自动驾驶汽车能够识别道路、车辆、行人以及其他交通元素，进而做出决策并执行相应的驾驶操作。然而，这项技术在实际应用中仍面临一些挑战。 一、图像识别的实践 在自动驾驶汽车中，图 ......
HuggingFace机器视觉学习
Hugging Face 中计算机视觉的现状：https://huggingface.co/blog/zh/cv_state 从0开始 timm 库的 quickstart https://huggingface.co/docs/timm/quickstart 例子中通过调用模型 mobilenet ......
双网卡 iptables 做网关 实现局域网其它机器上网
A机器和B机器在同一个局域网， A机器的网卡eno1可以上网，IP为111.111.111.111。A机器的网卡eno2不能上网，IP为：192.168.1.66。 B机器不能上网，B机器的网卡eno1 IP为192.168.2.80，B机器和eno2 IP为192.168.1.80。 A机器的en ......
.net 实现两台机器/负载均衡相加到10思路
在.NET中实现两台机器的负载均衡并使它们的负载加起来等于10，可以使用负载均衡器（Load Balancer）来实现。以下是一种可能的实现思路： 选择负载均衡器：首先，你需要选择一个适合你的应用的负载均衡器。有许多种负载均衡器可供选择，包括硬件负载均衡器和软件负载均衡器。硬件负载均衡器通常由网络设 ......
机器学习——多层感知机
线性模型的局限性 例如，线性意味着单调假设： 任何特征的增大都会导致模型输出的增大（如果对应的权重为正）， 或者导致模型输出的减小（如果对应的权重为负）。 有时这是有道理的。 例如，如果我们试图预测一个人是否会偿还贷款。 我们可以认为，在其他条件不变的情况下， 收入较高的申请人比收入较低的申请人更有 ......
机器学习|K邻近(K Nearest-Neighbours)
本文从概念、原理、距离函数、K 值选择、K 值影响、、优缺点、应用几方面详细讲述了 KNN 算法 K 近临(K Nearest-Neighbours) 一种简单的监督学习算法，惰性学习算法，在技术上并不训练模型来预测。适用于分类和回归任务。它的核心思想是：相似的对象彼此接近。例如，若果你想分类一个新 ......
docker 容器迁移到其他机器
docker 容器迁移到其他机器思路为：容器转为镜像，再保存为镜像文件，迁移到其他机器后导入为镜像 1、commit：将容器转镜像 # docker commit {container_id} {镜像名:版本号}docker commit 15a728d690ed fms/sd-webui:1.02 ......
机器学习——全连接层的参数开销
在深度学习中，全连接层无处不在。 然而，顾名思义，全连接层是“完全”连接的，可能有很多可学习的参数。 具体来说，对于任何具有d个输入和q个输出的全连接层， 参数开销为O(dq),这个数字在实践中可能高得令人望而却步。 幸运的是，将d个输入转换为q个输出的成本可以减少到O(dq/n)， 其中超参数n可 ......
LoadRunner分布式负载(多机器)
首先调用的负载机器可以没有LoadRunner，但是必须要有Agent Configuration： 全部勾选 在LoadRunner User的脚本中的接口调用必须使用ip，不能使用localhost。 打开Controller： 添加负载机： 测试连接： ready打钩表示连接通了。 点击菜单栏 ......
如何在Ubuntu20.04.3机器上使用kvm创建CentOs7.9的虚拟机
一、虚拟化背景 因为产品在Ubuntu的环境上部署兼容性差，Ubuntu的实体机上还运行着其他系统没办法进行系统的更换重装，所以只能出此下策~ 二、开始搭建 更新Ubuntu系统 打开终端并通过如下命令更新本地的软件包索引 $ sudo apt update $ sudo apt upgrade 检 ......
机器学习篇-指标:AUC
AUC是什么东西？AUC是一个模型评价指标，只能够用于二分类模型的评价，对于二分类模型来说还有很多其他的评价指标：比如：logloss，accuracy，precision在上述的评价指标当中，数据挖掘类比赛中，AUC和logloss是比较常见的模型评价指标那么问题来了||ヽ(￣▽￣)ノミ|Ю为啥是 ......
机器人学导论-约翰 J.克雷格
目录第五章 雅可比：速度和静力5.1 刚体的线速度和角速度5.5 机器人连杆运动 第五章 雅可比：速度和静力 5.1 刚体的线速度和角速度 \(V_{BORG}\)是坐标系B在A坐标系下的速度，\(^BV_Q\)是B坐标系下Q的速度，\(^A\Omega\)表示从坐标系A观测时，矢量Q的运动是绕着\ ......
机器学习——线性回归
回归 回归（regression）是能为一个或多个自变量与因变量之间关系建模的一类方法。 在自然科学和社会科学领域，回归经常用来表示输入和输出之间的关系。 在机器学习领域中的大多数任务通常都与预测（prediction）有关。 当我们想预测一个数值时，就会涉及到回归问题。 常见的例子包括：预测价格（ ......
模拟 机器人的充电桩底板电压过大过小的 电压输出 测试操作方法
1个 dc power subbly直流稳压电源、铜丝电线若干根 接线如下： 1、把直流稳压电源的正极、负极 分别连接 电路板的正极、负极2、按下 直流稳压电源开关ON/OFF3、按下旋转VOLTAGE，电压V数值会闪，向左调小，向右调大， 停留1 ~ 2秒后则会按当前电源输出电压。 超出电压范围值 ......
机器学习——自动微分
深度学习框架可以自动计算导数的原理主要如下: 1. 深度学习框架实现了自动微分机制,可以自动生成计算图,并记录运算过程。 2. 在计算图中,每个变量都是计算节点,变量之间通过计算操作连接。 3. 框架会跟踪整个计算图,记录每个变量的运算关系和数据流动。 4. 对于要求导数的变量,我们将其标记为要求导 ......
机器学习——降维
默认情况下，调用求和函数会沿所有的轴降低张量的维度，使它变为一个标量。 x = torch.arange(4, dtype=torch.float32) x, x.sum() (tensor([0., 1., 2., 3.]), tensor(6.)) 我们还可以指定张量沿哪一个轴来通过求和降低维度 ......
k8s 扩容指定版本机器 kubeadm
一、新增机器 二、同步/etc/hosts文件 三、关闭新机器防火墙 systemctl stop firewalld systemctl disable firewalld 四、新机器增加repo文件 cat kubernetes.repo [kubernetes] name=Kubernetes ......
土狗夹子机器人使用教程
币圈量化夹子机器人使用步骤 第 1 步 - 在谷歌浏览器 中设置 MetaMask小狐狸 钱包获取MetaMask小狐狸钱包地址：https://metamask.io/ 第 2 步 - 将币安智能链网络添加到 MetaMask将BSC智能链添加到小狐狸钱包： 第 3 步 - 打开Remix部署智能 ......
机器学习——数据预处理（读这一篇就够了！）
为了能用深度学习来解决现实世界的问题，我们经常从预处理原始数据开始， 而不是从那些准备好的张量格式数据开始。 下面我们将简要介绍使用pandas预处理原始数据，并将原始数据转换为张量格式的步骤。 1.读取数据集 举一个例子，我们首先创建一个人工数据集，并存储在CSV（逗号分隔值）文件 ../data ......
【Python微信机器人】第二篇：将python注入到其他进程
目录修整 目前的系列目录(后面会根据实际情况变动): 在windows11上编译python 将python注入到其他进程并运行 使用C++写一个python的pyd库，用于实现inline hook Python ctypes库的使用 使用ctypes主动调用进程内的任意函数 使用汇编引擎调用进程 ......
图机器学习：从图谱角度来理解图增广
图对比学习（Graph Contrastive Learning, GCL）旨在以自监督的方式学习图的节点表征。具体而言，先以特定方式对原图A进行增广，得到两个增广后的视图（view）V1和V2做为对比对（也可以是原图和增广后的视图做为对比对），并经由GCN进行编码得到两个增广视图中的节点embed... ......
数据分析和机器学习的11个高级可视化图表介绍
可视化是一种强大的工具，用于以直观和可理解的方式传达复杂的数据模式和关系。它们在数据分析中发挥着至关重要的作用，提供了通常难以从原始数据或传统数字表示中辨别出来的见解。 可视化对于理解复杂的数据模式和关系至关重要，我们将介绍11个最重要和必须知道的图表，这些图表有助于揭示数据中的信息，使复杂数据更加 ......
两台实体机器4个虚拟机节点的Hadoop集群搭建（Ubuntu版）
安装Ubuntu Linux元信息 两台机器，每台机器两台Ubuntu Ubuntu版本：ubuntu-22.04.3-desktop-amd64.iso 处理器数量2，每个处理器的核心数量2，总处理器核心数量4 单个虚拟机内存8192MB（8G），最大磁盘大小30G 参考链接 清华大学开源软件镜像 ......
机器学习张量运算——广播机制
概念介绍（基础） 练习* 用其他形状（例如三维张量）替换广播机制中按元素操作的两个张量。结果是否与预期相同？ a = torch.arange(20).reshape((5,1,4)) b = torch.arange(48).reshape((6,2,4)) (a+b).shape Runtime ......