Chapter
SystemVerilog for Design Edition 2 Chapter 3
SystemVerilog for Design Edition 2 Chapter 3 SystemVerilog extends Verilog’s built-in variable types, and enhances how literal values can be specified ......
SystemVerilog for Design Edition 2 Chapter 2
SystemVerilog for Design Edition 2 Chapter 2 SystemVerilog Declaration Spaces Verilog only has limited places in which designers can declare variables ......
SystemVerilog for Design Edition 2 Chapter 1
SystemVerilog for Design Edition 2 Chapter 1 Introduction to SystemVerilog: This chapter provides an overview of SystemVerilog. The topics presented i ......
Think Python-How to Think Like a Computer Scientist_chapter4_练习 4-3
# coding=gbk import math import turtle bob = turtle.Turtle() print(bob) def pie(t,r,n): """画一个包含 n 个三角形的饼图。 t：Turtle object r：三角形腰长 n：包含几个三角形或几边形 """ ......
a little schemer chapter 9 Y组合算子
内容参照 相关阅读推荐 首先是递归获得阶乘的例子 (define f (lambda (x) (cond ((= x 1) 1) (else (* x (f (- x 1))))))) 对应的lambda (f): (lambda (f) (lambda (x) (cond ((= x 1) 1) ......
Chapter4 朴素贝叶斯案例
朴素贝叶斯案例：过滤垃圾邮件 1. 案例的流程 示例：使用朴素贝叶斯对电子邮件进行分类 （1）收集数据：提供文本文件。 （2）准备数据：将文本文件解析成词条向量。 （3）分析数据：检查词条确保解析的正确性。 （4）训练算法：使用我们之前建立的trainNB0()函数。 （5）测试算法：使用class ......
Numerical Approximation Chapter 6 Notes
Weierstrass theorem approximation之间也有高低，所以我们在compact subset里面会有best approximation. 但是以polynomial interpolation为例，随着不断选更多的Chebyshev interpolation point ......
Serre算术教程Chapter 5笔记
二次型的范畴论定义 考虑这样一个范畴$S_n$，由一些free abelian group of rank $n$ $E$组成 Definition of free abelian group 一个有basis的abelian group. 这里basis就是那个基的意思，every element ......
Chapter4 朴素贝叶斯
朴素贝叶斯 1. 简介 朴素贝叶斯是一种基于概率论的分类方法。它主要借助条件概率和贝叶斯公式来对样本进行分类。 2. 优缺点 朴素贝叶斯优点：在数据较少的情况下仍然有效，可以处理多类别问题。 缺点：对于输入数据的准备方式较为敏感。 适用数据类型：标称型数据。 3. 条件概率与贝叶斯公式 在介绍朴素贝 ......
Chapter3 决策树案例
决策树案例-预测隐形眼镜类型 1. 步骤 示例：使用决策树预测隐形眼镜类型 （1）收集数据：提供的文本文件。 （2）准备数据：解析tab键分隔的数据行。 （3）分析数据：快速检查数据，确保正确地解析数据内容，使用createPlot()函数绘制最终的树形图。 （4）训练算法：使用3.1节的creat ......
Chapter3 绘制决策树
绘制决策树 1. 概述 我们在上个博客已经学会使用代码来构造决策树了。但是，为了让构造出来的决策树具有可读性，我们还需要绘制决策树。 2. 设定样式 # 该代码的作用是设定节点和箭头的样式 # 该代码位于treePlotter.py文件中 import matplotlib.pyplot as pl ......
Chapter5 注解
注解 import matplotlib.pyplot as plt import numpy as np x = np.linspace(-3,3,50) y = 2*x+1 plt.figure(num=1,figsize=(8,5),) plt.plot(x,y,) ax = plt.gca( ......
Chapter4 图例
Chapter4 图例 图例的作用就是对所绘制的图像，进行解释。 import matplotlib.pyplot as plt import numpy as np x = np.linspace(-3,3,50) y1 = 2*x+1 y2 = x**2 plt.figure() # 设置x轴的 ......
Serre算术教程Chapter 4笔记
考虑在交换环上的模$V$ Definition of module 相当于向量空间的扩展形式，不要求在域上面定义. module包含一个交换群$(M,+)$向量 以及$\cdot:R\times M\rightarrow M$标量乘法. 满足：结合律，分配律和$1_R\cdot x=x$ 定义一个函 ......
Chapter3 设置坐标轴
Chapter3 设置坐标轴 import matplotlib.pyplot as plt import numpy as np x = np.linspace(-3,3,50) y1 = 2*x+1 y2 = x**2 plt.figure() plt.plot(x,y2) plt.plot(x ......
Chapter2 figure 基本用法
figure 基本用法 import matplotlib.pyplot as plt import numpy as np # figure 可以理解为表示图像的窗口 # 我们可以创建多个窗口 # 该代码的作用就是将每一个函数都分别显示在单独的figure中 x = np.linspace(-3, ......
Chapter1 Matplotlib 基本用法
Chapter1 Matplotlib 基本用法 import matplotlib.pyplot as plt import numpy as np # 作为序列生成器， numpy.linspace()函数用于在线性空间中以均匀步长生成数字序列。 # array = numpy.linspace ......
Chapter3 决策树
决策树 1. 定义 上述图片就是一个决策树。其中，长方形代表判断模块，椭圆形代表中止模块。从判断模块引出的左右箭头叫做树的分支。它可以到达另外一个判断模块和中止模块。 2. 优缺点 优点：计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感，可以处理不相关特征数据。 缺点：可能会产生过度匹配问题。 ......
深入浅出神经网络与深度学习 (迈克尔·尼尔森（Michael Nielsen）) Chapter1
1.1 感知机perceptron 20 世纪五六十年代，科学家Frank Rosenblatt 发明了感知机，其受到了 Warren McCulloch 和 Walter Pitts 早期研究的影响。 what's weighted sum in perceptron? In the contex ......
Chapter2 K-近邻算法案例1
案例2：使用K-近邻算法实现手写数字系统 1. 案例要求 编写一个程序，应用K-近邻算法，实现手写数字系统。 通过画图生成一个32*32的数字图像，再将图像转化为代表数字的0-1文本文件。之后往程序输入代表数字的0-1文本文件，程序便可以输出相应的数字。 2. 案例的执行流程 示例：使用k-近邻算法 ......
Chapter2 K-近邻算法案例
案例1：使用K-近邻算法分类爱情片和动作片 1. 案例要求 创建一个应用，应用K-近邻算法，将样本分到以下三种类别。 1. 不喜欢的人 2. 魅力一般的人 3. 极具魅力的人 2. 案例的执行流程 示例：在约会网站上使用k-近邻算法 （1）收集数据：提供文本文件。 （2）准备数据：使用Python解 ......
Numerical Approximation Chapter 5 Notes
考虑在某个范围$[a,b]$上的$n+1$个点值所确定的插值$n$次多项式$p$满足 $$ p(x_i)=f(x_i) $$ 其中$f\in \mathscr L[a,b]$ , $p$是$\mathscr P_n$中满足条件的polynomial. 考虑到按照条件可以列出一个$n+1$元方程组，未 ......
Chapter1 机器学习基础
机器学习的一些预备知识 何为机器学习？ 我的理解是：机器学习就是从海量的数据中找到这些数据背后所蕴含的规律/意义（提取有用的信息）并利用这些信息来解决实际问题的一门学科。 机器学习可以做什么？ 人脸识别、垃圾邮件分类、产品推荐、手写数字识别等等 关键术语 根据上述的图片解释一下相关术语: 1. 特征 ......
做《具体数学》Chapter 1 热身题
发现这个结论对于 $n=1$ 成立，但是 $n=2$ 不成立。问题就出在 $n=2$ 的归纳过程中，$[1,n-1]$ 与 $[2,n]$ 并不存在交集。 首先把 $1\sim n-1$ 扔到 $3$，然后把 $n$ 放到 $2$，再把 $1\sim n-1$ 扔回 $1$，把 $n$ 放到 $3$ ......
c++ primer chapter 16.4
/* #include <iostream>#include <string>#include <vector>#include <list>using namespace std;template <typename I, typename T>I find(I b, I e, const T & ......