机器 线性lda 25
Linux系统查看CPU、机器型号、内存等信息-搬运
Linux系统查看CPU、机器型号、内存等信息 原文地址：https://cloud.tencent.com/developer/article/1721406 系统维护时随时可能有需要查看 CPU 使用率，并根据相应信息分析系统状况的需要。在 linux 中，可以通过 top 命令来查看 CPU ......
26 25 | MySQL是怎么保证高可用的？
在上一篇文章中，我和你介绍了binlog的基本内容，在一个主备关系中，每个备库接收主库的binlog并执行。 正常情况下，只要主库执行更新生成的所有binlog，都可以传到备库并被正确地执行，备库就能达到跟主库一致的状态，这就是最终一致性。 但是，MySQL要提供高可用能力，只有最终一致性是不够的。 ......
25 24 | MySQL是怎么保证主备一致的？
在前面的文章中，我不止一次地和你提到了binlog，大家知道binlog可以用来归档，也可以用来做主备同步，但它的内容是什么样的呢？为什么备库执行了binlog就可以跟主库保持一致了呢？今天我就正式地和你介绍一下它。 毫不夸张地说，MySQL能够成为现下最流行的开源数据库，binlog功不可没。 在 ......
26 25 | 异常设计，让错误无处遁形
你好，我是乔新亮。 今天，我想和你聊聊有关异常设计的话题。 如果你认真听了前面的内容，那么对你来说，异常设计应该不是一个新鲜概念了。在高可用设计、监控体系建设部分，我们都聊到了对异常的管理。 那么，为什么今天我们又要单独聊异常设计呢？因为异常管理虽然属于监控体系的一部分，但并不完全依赖于监控体系或高 ......
25 24 | 监控设计，让一切都有迹可循，尽在掌控
你好，我是乔新亮。 这一讲，我想和你聊聊如何做好监控设计。 你可能会想，为什么要聊监控呢？做监控不是很简单吗？ 所有做技术的同学，基本都会根据公司的日志规范，在代码中打印 Log ，以记录告警和报错。许多企业，也会将日志收集分析，以此形成对系统状态的监控。如果条件允许，团队还可以使用各类免费或付费的 ......
线性规划——物流配送问题的R实现
物流配送是电商物流的主要方式，基于电子商务的特点，对整个物流配送体系实行统一的信息管理和调度；按照用户订货要求，在物流中心进行理货工作，并将配好的货物送交收货人。物流仓储配送服务已然成为中国电子商务最为核心的作业环节，能够提供一个全面完善的物流仓储配送解决方案也成为了很多中小卖家、电子商务供应商品牌 ......
WMS对接深圳机器人
立体库、堆垛机和输送线都是工业自动化领域中常见的设备。 立体库（Automated Storage and Retrieval System，ASRS）是一种用于自动存储、检索和管理物料的系统。它通常由一个或多个高度可调的货架、一个或多个堆垛机、输送线和计算机控制系统组成。立体库可以有效地利用空间， ......
Day 25 25.1 Scrapy框架之全站爬虫(CrawlSpider)
Scrapy框架之全站爬虫(CrawlSpider) 在之前 Scrapy 的基本使用当中，spider 如果要重新发送请求的话，就需要自己解析页面，然后发送请求。 而 CrawlSpider 则可以通过设置 url 条件自动发送请求。 LinkExtractors CrawlSpider 是 Sp ......
Day 25 25.2 Scrapy框架之分布式爬虫(scrapy_redis)
分布式爬虫(scrapy_redis) 分布式爬虫是指将一个大型的爬虫任务分解成多个子任务，由多个爬虫进程或者多台机器同时执行的一种爬虫方式。 在分布式爬虫中，每个爬虫进程或者机器都具有独立的爬取能力，可以独立地爬取指定的网页或者网站，然后将爬取到的数据进行汇总和处理。 分布式爬虫相对于单机爬虫的优 ......
机器学习基础
机器学习中的关键组件 可以用来学习的数据（data）； 如何转换数据的模型（model）； 模型用来消化数据； 一个目标函数（objective function），用来量化模型的有效性，判断是否达到目标； 调整模型参数以优化目标函数的算法（algorithm）。 数据 由数据集组成，数据集==样本 ......
线性回归
线性回归 原理推导 根据特征预测结果，找一条最合适的线来拟合数据。 拟合的平面：$h_{\theta}(x)=\theta_{0}+\theta_{1}x_{1}+\theta_{2}x_{2}$（$\theta_0$ 是偏置项） 设 $x_0=1 \times\theta_0$ 整合得：$h_\t ......
线性规划
线性规划 [x,y]=linprog(f,a,b,Aeq,Beq,lb,ub) f: 目标函数求最小值 a,b: a'x<=b Aeq'x=Beq; lb: x的下界 ub: x的上届 f=[170.8582 -17.7254 41.2582 2.2182 131.8182 500000]; a=[ ......
什么是机器视觉？
由于当前社会人力成本越来越昂贵，机器取代人力是大势所趋，自动化的发展也随之越来越快 。当制造公司需 要一双手和一对 眼睛的时候却不得不雇佣一个人的苦恼日益加重，而传统的机器设计和电气自动化的发展，解决一双手的问题已经渐渐得到了缓解，现在就到了需要解决一双眼睛的时候，机器视觉的出现和广泛应用也随着到来 ......
深度学习--梯度下降再理解+线性回归
深度学习--梯度下降再理解+线性回归 梯度下降 梯度下降的对象是 模型的参数，即 权重w ，偏置项b，通过寻找合适的参数使模型的loss值最小 Loss函数是关于输入，输出，权重，偏置项的函数，即：loss=(y-(wx+b))^2。loss值最小，y与wx+b相似。 个人思考：如果训练的数据量越大 ......
python---通过钉钉机器人发送禅道标题
前言 目前大多数公司都是使用禅道，jira这些来管理缺陷，研发和测试每天站会或者周会都想知道昨天或者这周一共解决了多少个缺陷，如果每天都通过禅道上去查看可能有点麻烦且不方便，今天小编介绍一种方法，我们可以通过办公软件钉钉或者企业微信通过项目群中进行添加机器人，每天自动发送到群里，供大家参考查看。 钉 ......
pytest + yaml 框架 -25.参数化数据支持读取外部文件txt/csv/json/yaml
前言 v1.2.2版本开始，参数化数据支持读取外部文件，文件格式可以支持：txt/csv/json/yaml 参数化的实现 用例参数化的实现，我设计了2种实现方式 参数化方式1： config: name: post示例 fixtures: username, password parameters ......
Ubuntu 22.04 Server 机器学习环境安装
Ubuntu 22.04 Server 机器学习环境安装 1. 安装操作系统 https://ubuntu.com/download/server 下载，写盘重启，最好备整张固态 一路默认，连接主wifi，由于我是双系统不要覆盖已有系统盘 直到 [] Set up this disk as an L ......
线性表
//sqlist/h #ifndef _SQLIST_H_ #define _SQLIST_H_ typedef int data_t; #define N 128 typedef struct{ data_t data[N]; int last; }sqlist, *sqlink; sqlink ......
线性基
1.线性基——最大异或和 例题：洛谷P3812 模板题，代码用的是非高斯消元法来构造线性基的 #include<bits/stdc++.h> #include<iostream> #include<cstdio> #include<cstring> #include<algorithm> using ......
机器学习：XGBoost算法介绍
动动发财的小手，点个赞吧！ 1. 简介 XGBoost (eXtreme Gradient Boosting)是一种用于回归、分类和排序的机器学习算法。它是GBDT(Gradient Boosting Decision Trees)的一种高效实现，能够在大规模数据集上运行，并具有很强的泛化能力。XG ......
认识Claude：与ChatGPT竞争的免费且不限量的聊天机器人
免费、支持中文、无需注册、不用骚操作直接可用的类 ChatGPT 产品Claude，它来了！（此等好事必须第一时间和家人们分享） 毫不意外的，目前它的热度已经被炒到不行：而且已经有一波网友抢先体验了一番，铺天盖地的一致好评。 例如微博博主“Simon_阿文”就给出了这样的评价：是我目前为止试过最舒服 ......
线性基
vector<ull> B; void insert(ull x) { for (auto b : B) x = min(x, b ^ x); for (auto &b : B) b = min(b, b ^ x); if (x) B.push_back(x); } 构造代码 这样构造产生的性质: ......
xor (牛客多校) (线性基+ 线段树)
思路: 问xor起来有没有某个值, 想到线性基 然后发现问L-R区间的集合都要表示x, 利用线性基的交集解决 在利用线段树解决区间问题 #include <iostream> using namespace std; typedef unsigned int ui; const int maxn = ......
ROS软路由和ros机器人系统的区别
ROS软路由和ROS机器人系统是两个完全不同的东西。 ROS软路由是指RouterOS，它是Mikrotik公司研发的一款基于Linux的路由器系统1。 而ROS机器人系统指的是Robot Operating System，它是一个开源框架，用于开发机器人系统2。它提供了一套全面的库、工具和算法，使 ......
线性回归
基本形式 线性回归（linear regression）通过学习获得一个线性模型以尽可能准确地预测实际标签值。对于具有m个样本的数据集，给定$n$个特征，其线性回归模型如下： $h(x)=\theta_0+\theta_1x_1+\theta_2x_2+...+\theta_nx_n=\sum\li ......
线性回归原理总结
基本形式 线性回归（linear regression）通过学习获得一个线性模型以尽可能准确地预测实际标签值。对于具有m个样本的数据集，给定$n$个特征，其线性回归模型如下： $h(x)=\theta_0+\theta_1x_1+\theta_2x_2+...+\theta_nx_n=\sum\li ......
matlab学习笔记8关于矩阵和线性代数
#从基础的开始 eye(m,n) % 生成单位矩阵 size(A)%返回A的类型 eye(size(A))%生成同型矩阵 rand(m,n) %生成均匀分布矩阵 randn(m,n)%均值为0，方差为1的正态分布矩阵 vander(C)%生成范德蒙德矩阵 diag(v,k)%v是一个向量，k=0时本 ......
非线性混合效应 NLME模型对抗哮喘药物茶碱动力学研究|附代码数据
全文下载链接：http://tecdat.cn/?p=24074 最近我们被客户要求撰写关于非线性混合效应 NLME模型的研究报告，包括一些图形和统计输出。 茶碱数据文件报告来自抗哮喘药物茶碱动力学研究的数据。给 12 名受试者口服茶碱，然后在接下来的 25 小时内在 11 个时间点测量血清浓度 h ......
机器学习-模型评价基础概念
1：训练集、测试集及其函数分割； 2：准确率、召回率； 3：交叉验证； 4：混淆矩阵； （1）介绍 TP、FN、TN、FP、TPR、FPR等概念： https://zhuanlan.zhihu.com/p/363924081 5: ROC曲线、AUC曲线； （1）ROC、AUC曲线讲解 https: ......