机器 线性lda 25
【算法】【线性表】删除排序数组中的重复数字（重复次数不超过2次）
1 题目 给你一个排序数组 nums，在逻辑上删除其中的重复元素，返回新的数组的长度 len，使得原数组 nums 的前 len 个元素中，每个数字最多出现两次。 如果一个数字出现超过2次，则这个数字最后保留两个。 样例 1： 输入： 数组 = [] 输出： 0 解释：空数组，长度为0. 样例 2： ......
【机器学习】概率
掷色子实验 首先用一个张量表示事件可能出现的概率情况 然后创建多项分布 multinomial.Multinomial(totol_count, probs) 。参数 totol_count 表示抽样次数，probs 表示每个类别的概率分布 使用 .sample()方法进行抽样操作 使用图像来揭示大 ......
[机器学习复习笔记] 机器学习基础
机器学习基础 1. 基础概念和术语 样本（\(\text{sample}\)）/ 实例(\(\text{instance}\)) 我们获得的数据集中的一条数据，被称为一个 样本（\(\text{sample}\)）/ 实例(\(\text{instance}\))，在不存在数据缺失的情况下，所有样本 ......
微型5G网关如何满足智能巡检机器人应用
随着物联网、5G、边缘计算等技术的广泛普及，能够替代人工的智能巡检机器人已经得到越来越多应用，有效解放人力资源，保障工况安全，提升厂区整体效能 ......
Sklearn实现线性回归和逻辑回归
Linear Regression class sklearn.linear_model.LinearRegression(fit_intercept=True, normalize=False, copy_X=True, n_jobs=None) 参数解释如下： fit_intercept : 布 ......
【机器学习】自动微分
标量变量的反向传播 以下举两个例子说明标量变量的反向传播如何实现。 非标量变量的反向传播 在上述的例子中，x 是向量，而 y 是标量，这种类型为标量变量的反向传播。 但当 y 不是标量时，比如 y = x * x，当求向量 y 关于 另一个向量 x 的导数时，结果通常就是一个矩阵，被称为雅可比矩阵， ......
获取机器硬件信息
0.获取所有硬件信息 lshw 1.获取机器SN号等系统信息 lshw -C system 2.获取CPU信息 lshw -C processor 3.获取磁盘信息 lshw -C disk 4.获取内存信息 lshw -C memory 5.获取网络硬件信息 lshw -C network 6.获 ......
【自己搭建一个：端到端的语音+大模型聊天机器人】
概要 发篇文章记录一下最近搞的语音+大模型聊天机器人的搭建过程，供交流学习。有正反馈的话会继续优化。 整体架构流程 注意：借传统的基于RASA的对话机器人的图一用，本博会把NLU（Natural Language Understanding）和 Dialogue Management这两个组件，用大 ......
多元线性回归基础part1
发现新天地，欢迎访问 概念 回归分析是数据分析中最基础也是最重要的分析工具，绝大多数的数据分析问题，都可以使用回归的思想来解决。回归分析的任务就是，通过研究自变量X和因变量Y的相关关系，尝试去解释Y的形成机制，进而达到通过X去预测Y的目的。 常见的回归分析有五类：线性回归、0‐1回归、定序回归、计数 ......
线性代数题解
前言 写完了这道题我好想刚明白一点最小割？？？UU好闪，拜谢UU。 题解 首先，我们可以发现若第 \(i\) 行的 \(B\) 没选，那么第 \(i\) 列的 \(B\) 也不选，所以此时对于行和列是等价的。 若 \(A_i\) 是 \(0\)，则会减少贡献 \(\sum_{j}B_{i, j}\) ......
机器学习-逻辑回归：从技术原理到案例实战
在本篇文章中，我们对逻辑回归这一经典的机器学习算法进行了全面而深入的探讨。从基础概念、数学原理，到使用Python和PyTorch进行的实战应用，本文旨在从多个角度展示逻辑回归的内在机制和实用性。 关注TechLead，分享AI全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经 ......
25-1 DHCP配置
基于接口配置DHCP 拓扑 配置 AR1 [AR1]dhcp enable [AR1]inte gi 0/0/0 [AR1-GigabitEthernet0/0/0]ip addr 192.168.1.1 255.255.255.0 [AR1-GigabitEthernet0/0/0]dhcp se ......
抖音自动点赞评论刷视频机器人
影刀直接获取我的应用，进行测试 https://api.winrobot360.com/redirect/robot/share?inviteKey=9cd173e2024d2440 按照以下流程执行 打开Edge浏览器，打开www.douyin.com 键盘输入 x，打开评论 无限循环 等待元素 ......
[机器学习复习笔记] KNN（k近邻）
KNN 1. KNN 算法 （\(k\) 近邻） \(k\) 近邻学习 (\(\text{k-nearest} \; \text{neighbor}, \; k\text{-NN}\)) 是一种常用的监督学习方法，思路非常简单：给定一个样本数据集，对于每个输入的测试样本，在训练集中找到与该测试样本 ......
机器学习中的深度学习的概念及激活函数、梯度爆炸和梯度消失的总结归纳
1.何为深度学习 在当今时代，机器学习不断深入，很多领域被研究，深度学习是目前最为热门之一的领域， 它被引入机器学习使其更接近于最初的目标——人工智能。 深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。 2.深度学习的目标 让机器能 ......
超低功耗/省电LCD液晶显示段码驱动芯片VKL128/VKL060/VKL144A/B适用于扫地机器人/燃气表/压力表/传感器
产品型号：VKL060 产品品牌：永嘉微电/VINKA 封装形式：SSOP24 产品年份：新年份 原厂直销，工程服务，技术支持，价格最具优势！ VKL060概述: VKL060是一个点阵式存储映射的LCD驱动器，可支持最大60点（15SEGx4COM）的LCD屏。单片机可通过I2C接口配置显示参数和 ......
机器学习-学习率：从理论到实战，探索学习率的调整策略
本文全面深入地探讨了机器学习和深度学习中的学习率概念，以及其在模型训练和优化中的关键作用。文章从学习率的基础理论出发，详细介绍了多种高级调整策略，并通过Python和PyTorch代码示例提供了实战经验。 关注TechLead，分享AI全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团 ......
[机器学习复习笔记] SVM 支持向量机
SVM 支持向量机 1. SVM 基本模型 1.1 线性可分问题 给定一个训练样本集 \(D = \{(x_1, y_1), (x_2, y_2), ... , (x_n, y_n)\}, \; y_i \in \{-1, +1\}\)。假设两个点集 \(D_0\) 和 \(D_1\)，且 \(D_ ......
线性基
问题： 洛谷P3812 给定一个长度为\(n\)的序列，值域\(2^50\)，求在序列中选出若干个数的异或和最大值。 思路: 使用线性基，流程为，枚举\(n\)个数，每个数从二进制最高位向低位枚举，如果这个数含有这一位且这一位未放入任何数，直接放入，如果这个数有这一位但是放入了数，这个数就异或上已经 ......
机器学习--决策树（信息熵，信息增益，信息增益率，基尼值，基尼指数）
决策树是根据条件分支语句if-else产生的，决策树是一种树形结构，每一个内部节点表示是一个属性上的判断，每一个分支表示判断结果的输出，每一个叶子节点表示分类结果，本质上就是多个判断节点的树。 在使用决策树的时候会提到熵的概念 熵：熵表示混乱程度，越混乱熵值越大，越有序熵值越小，在信息论里，有着信息 ......
机器视觉中的图像增强与对比度调整技术
在机器视觉中，图像增强与对比度调整技术是常用的方法，旨在改善图像的质量和视觉效果，或将图像转换成更适合人眼观察或机器分析识别的形式。 图像增强技术可以针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征。例如，可以扩大图像中不同物体特征之间的差别 ......
25 DHCP(Dynamic Host Configuration Protocol/动态地址配置协议)
随着网络规模的不断扩大，网络复杂度不断提升，网络中的终端设备例如主机、手机、 平板等，位置经常变化。终端设备访问网络时需要配置IP地址、网关地址、DNS服务器地 址等。采用手工方式为终端配置这些参数非常低效且不够灵活。 DHCP简介 DHCP是一种用于集中对用户IP地址进行动态管理和配置的协议DHC ......
机器学习-ROC曲线：技术解析与实战应用
本文全面探讨了ROC曲线（Receiver Operating Characteristic Curve）的重要性和应用，从其历史背景、数学基础到Python实现以及关键评价指标。文章旨在提供一个深刻而全面的视角，以帮助您更好地理解和应用ROC曲线在模型评估中的作用。 关注TechLead，分享AI ......
局网机器连虚拟机
主要使用端口映射，编辑-》虚拟网络编辑器-》选择对应的网络（VMnet8）-》NAT设置...->添加端口转发 参考：访问局域网中的虚拟机（详细教程！）_局域网访问pd虚拟机-CSDN博客 ......
C++_25_函数模板和类模板 - 重写版
模板： 在C++中允许函数重载，但函数重载每次都必须完全对上参数的顺序，类型和数量。 所以C++提供了另一种代码重用机制——“模板”，可以作为同一种类型函数的统一调用接口。 模板机制下可划分：1、函数模板 2、类模板 模板的语法 template <typename T> //单个数据类型templ ......
实验一：百度机器翻译SDK实验--代码及遇到的问题
首先这是代码：具体的操作步骤下面一篇 窗口的： package baidu; import javax.swing.JButton; import javax.swing.JFrame; import javax.swing.JLabel; import javax.swing.JPanel; pu ......
机器学习----逻辑回归
Logistic Regression 虽然被称为回归，但其实际上是分类模型，并常用于二分类。例如肿瘤预测等是与否分类的问题 Logistic 分布是一种连续型的概率分布，其分布函数和密度函数分别为： 决策边界可以表示为 假设某个样本点那么可以判断它的类别为 1， from sklearn.dat ......
AI中的过拟合和欠拟合问题以及他们的对机器学习的影响（个人感悟总结）
1.机器学习中训练出的模型利用的数据 我们知道训练出一个模型的过程都是通过学习数据不断完善的过程的，那这些数据是什么呢？ 数据集！（就是数据的集合） 数据集又分为三种（其实是两种，有一种是在其中一种里面继续分的） 通常分为训练集和测试集两部分。 训练集 通常用来训练模型，模型主要通过学习这些数据来完 ......
线性代数的艺术
推荐一本日本网友Kenji Hiranabe写的《线性代数的艺术》。这本书是基于MIT大牛Gilbert Strang教授的《每个人的线性代数》制作的。 虽然《线性代数的艺术》这本书仅仅只有12页的内容，就把线性代数的重点全画完了，清晰明了。 《线性代数的艺术》PDF版本：https://pan.q ......