梯度 线性 机器03
03_GPIO输出
GPIO输出 简介 GPIO基本结构 GPIO位结构 GPIO模式 四种输入模式 GPIO_Mode_IN_FLOATING 浮空输入模式 GPIO_Mode_IPU 上拉输入模式 GPIO_Mode_IPD 下拉输入模式 GPIO_Mode_AIN 模拟输入模式 四种输出模式 GPIO_Mode_ ......
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 ......
Spring表达式语言（SPEL）学习（03）
rootObject 在表达式中直接写name和getName()，这时候Expression是无法解析的，因为其不知道name和getName()对应什么意思 @Test public void test06() { ExpressionParser parser = new SpelExpres ......
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 ......
线性表
线性表 目录线性表线性表介绍线性表的链式存储及其实现链表的应用 线性表介绍 线性表：数据元素的有序集合，除第一个和最后一个外，所有元素都有唯一前驱和唯一后继，即一对一 线性表是逻辑结构 线性表的实现通常有两种，顺序存储和链式存储，顺序存储就是我们常用的数组、向量等，把数据存放在一片连续的地址空间，物 ......
03-精细规划与用心治理
结合给定材料, 围绕 “精心规划和用心治理”, 联系实际, 自选角度, 自拟题目,写一篇文章。 (40 分)要求: 观点鲜明、 正确, 分析深入、 合理, 语言流畅, 字数控制在 800—1000 字。 精心规划和用心治理 规划和治理从时间上来看虽是一前一后的关系, 但其实二者共同统一于社会治理中。 ......
03.接口测试用例设计
目录 接口测试流程 接口测试用例设计思路 接口测试用例要素 接口测试流程 @startuml :需求分析; :测试设计; :测试用例评审; :测试执行; :验收; :预发布; :上线; @enduml 接口测试用例设计思路 @startmindmap *[#Orange] 接口测试思路 **[#li ......
【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 ......
【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 ......
【算法】【线性表】【链表】删除排序链表中的重复元素 II
1 题目 给定一个已排序的链表的头 head ， 删除原始链表中所有重复数字的节点，只留下不同的数字 。返回 已排序的链表 。 示例 1： 输入：head = [1,2,3,3,4,4,5] 输出：[1,2,5] 示例 2： 输入：head = [1,1,1,2,3] 输出：[2,3] 提示： 链表 ......
【算法】【线性表】【链表】删除排序链表中的重复元素
1 题目 给定一个已排序的链表的头 head ， 删除所有重复的元素，使每个元素只出现一次 。返回 已排序的链表 。 示例 1： 输入：head = [1,1,2] 输出：[1,2] 示例 2： 输入：head = [1,1,2,3,3] 输出：[1,2,3] 提示： 链表中节点数目在范围 [0, ......
浦语书生大模型实战训练营03笔记和作业
1.1配置环境 进入命令行，安装pytorch环境 bash /root/share/install_conda_env_internlm_base.sh InternLM conda activate InternLM # 升级pippython -m pip install --upgrade ......
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 ......
用C#使用NumSharp实现简单的线性回归
前言 最近注意到了NumSharp，想学习一下，最好的学习方式就是去实践，因此从github上找了一个用python实现的简单线性回归代码，然后基于NumSharp用C#进行了改写。 NumSharp简介 NumSharp（NumPy for C#）是一个在C#中实现的多维数组操作库，它的设计受到了 ......
03-集群搭建：手把手教你玩转 Kubernete 集群搭建
通过上一节课的学习，我们已经对 Kubernetes 的架构有了清楚的认识。但是到现在还没有和 Kubernetes 集群真正打过交道，所以你可能有一种“不识庐山真面目”的云里雾里的感觉。那么本节课，我们就来学习如何搭建 Kubernetes 集群，开启探索 Kubernetes 的第一站。 在线 ......
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 ......
寒假生活指导03
今天继续rddd练习： from pyspark import SparkConf,SparkContext #创建sparkconf对象 conf = SparkConf().setMaster("local[*]").setAppName("test_app") #基于sparkconf对象创建 ......
神经网络优化篇：理解mini-batch梯度下降法（Understanding mini-batch gradient descent）
理解mini-batch梯度下降法 使用batch梯度下降法时，每次迭代都需要历遍整个训练集，可以预期每次迭代成本都会下降，所以如果成本函数\(J\)是迭代次数的一个函数，它应该会随着每次迭代而减少，如果\(J\)在某次迭代中增加了，那肯定出了问题，也许的学习率太大。 使用mini-batch梯度下 ......
【算法】【线性表】【链表】分隔链表
1 题目 给你一个链表的头节点 head 和一个特定值 x ，请你对链表进行分隔，使得所有 小于 x 的节点都出现在 大于或等于 x 的节点之前。 你应当 保留 两个分区中每个节点的初始相对位置。 示例 1： 输入：head = [1,4,3,2,5,2], x = 3 输出：[1,2,2,4,3, ......
线性代数期末速通
目录行列式（数值）逆序数行列式的性质行列式计算的根本行列式转置行列式行（列）变换null行列式某行列成比例行列式公因子k可提行列式倍加D不变某行列全0值0行列式某行列可拆补充|AB|=|A|+|B|四阶以上行列式计算变换为上下三角主对角线相乘按行列展开(余子式与代数余子式)异乘变零以及速算方法范德蒙 ......
【APP逆向03】反编译后代码定位
需求：抓包某款APP的登录请求，定位到密码加密的逻辑 1.通过抓包分析，password被加密了 2.反编译定位位置 URL网址 或 参数关键字 pwd "pwd" put("pwd 等关键字搜索 3.双击，跳转 4.右击，查找用例 5.右击--查找声明 6.此处就是密码的加密逻辑，简单的md5，使 ......
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 ......