想去的远方
想去的远方

（西瓜书）简单线性回归公式推导

目录

 

一、线性回归概述：

二、数学知识储备：

三、证明损失函数  是关于 w 和 b 的凸函数 ：

四、求解 b :

五、求解 w :

 

一、线性回归概述：

 

给定数据集  D=\left \{ \left ( x_{1} , y_{1}\right ) , \left ( x_{2}, y_{2} \right ) , .... , \left ( x_{m}, y_{m} \right ) \right \}  ， 其中  x_{i}=\left ( x_{i1},x_{i2}, ... ,x_{id} \right ) ， y_{i}\in R ，线性回归试图学得：f\left ( x_{i} \right ) = w*x_{i} + b ，使得 f \left ( x_{i} \right ) \simeq y_{i}   .

回归任务中常使用均方误差来衡量 f(x) 与 y 之间的差别。使均方误差最小化得到的 w, b 即我们所求。（基于均方误差来进行模型求解的方法称为 “最小二乘法”）。

因此，由最小二乘法导出损失函数 E(w,b) 

E(w,b)    =     \sum_{i=1}^{m} \left ( y_{i} -f\left ( x_{i} \right )\right )^{2}

                =     \sum_{i=1}^{m} \left ( y_{i} -\left ( w*x_{i}+b \right )\right )^{2}

                =     \sum_{i=1}^{m} \left ( y_{i} - w*x_{i}-b \right )^{2}         （此即为西瓜书式 3.4  后面部分）

 

下面，我们先考虑一种最简单的情形：输入属性的数目只有一个。下面的推导均基于这种情形展开。

 

 

二、数学知识储备：

 

二元函数判断凹凸性：

设 f\left ( x,y \right ) 在区域 D 上具有二阶连续偏导数，记 A=f_{xx}^{''}\left ( x,y \right )  ,  B=f_{xy}^{''}\left ( x,y \right )  ,  C=f_{yy}^{''}\left ( x,y \right ) , 则：

  1.  在 D 上恒有 A>0 , 且 A*C - B^{2} \geq 0 时，f\left ( x,y \right ) 在区域 D 上是凸函数。
  2.  在 D 上恒有 A< 0 , 且 A*C - B^{2} \geq 0 时，f\left ( x,y \right ) 在区域 D 上是凹函数。

 

二元凹凸函数求最值：

设  f\left ( x,y \right )  是在开区域 D 内具有连续偏导数的凸函数（或凹函数），\left ( x_{0},y _{0} \right )\in D 且 f_{x}^{'}\left ( x_{0}, y_{0}\right )=0 , f_{y}^{'}\left ( x_{0}, y_{0}\right )=0  .  则 f\left ( x_{0}, y_{0}\right ) 必为 f\left ( x, y\right ) 在 D 内的最小值（或最大值） 

 

 

 

三、证明损失函数 E(w,b) 是关于 w 和 b 的凸函数 ：

 

（1）求  A=f_{xx}^{''}\left ( x,y \right )  ：

 

\frac{\partial E\left ( w,b \right )}{\partial w}    =     \frac{\partial }{\partial w}\left [ \sum_{i=1}^{m} \left (y _{i}-w*x_{i}-b \right )^{2} \right ]

                   =    \sum_{i=1}^{m} \frac{\partial }{\partial w}\left (y _{i}-w*x_{i}-b \right )^{2}

                   =     \sum_{i=1}^{m} 2*\left (y _{i}-w*x_{i}-b \right )(-x_{i})

                   =           （此即为西瓜书式 3.5）

 

    \frac{ \partial ^{2} E \left ( w,b \right ) }{ \partial w^{2}}     =      \frac{\partial }{\partial w} \left (\frac{\partial E\left ( w,b \right )}{\partial w} \right )

                          =     \frac{\partial }{\partial w}           

                          =    \frac{\partial }{\partial w} \left [ 2* w*\sum_{i=1}^{m} x_{i}^{2} \right ]   

                          =   2*\sum_{i=1}^{m} x_{i}^{2}  

此即为  A=f_{xx}^{''}\left ( x,y \right )  ，所以 在 D 上恒有 A>0

 

 

（2）求  B=f_{xy}^{''}\left ( x,y \right )  ：

 

    \frac{ \partial ^{2} E \left ( w,b \right ) }{ \partial w \partial b }     =      \frac{\partial }{\partial b} \left (\frac{\partial E\left ( w,b \right )}{\partial w} \right )

                          =    \frac{\partial }{\partial b}           

                          =     \frac{\partial }{\partial b} 

                          =     \frac{\partial }{\partial b}  \left ( -2* \sum_{i=1}^{m} y _{i}*x_{i} + 2* \sum_{i=1}^{m} b*x_{i} \right )

                          =     \frac{\partial }{\partial b}  \left ( 2* \sum_{i=1}^{m} b*x_{i} \right )

                          =   2*\sum_{i=1}^{m} x_{i}  

此即为  B=f_{xy}^{''}\left ( x,y \right ) .

 

 

（3）求  C=f_{yy}^{''}\left ( x,y \right )  ：

 

\frac{\partial E\left ( w,b \right )}{\partial b}    =     \frac{\partial }{\partial b}\left [ \sum_{i=1}^{m} \left (y _{i}-w*x_{i}-b \right )^{2} \right ]

                   =    \sum_{i=1}^{m} \frac{\partial }{\partial b}\left (y _{i}-w*x_{i}-b \right )^{2}

                   =     \sum_{i=1}^{m} 2*\left (y _{i}-w*x_{i}-b \right )(-1)

                   =                （此即为西瓜书式 3.6）

 

    \frac{ \partial ^{2} E \left ( w,b \right ) }{ \partial b^{2}}     =      \frac{\partial }{\partial b} \left (\frac{\partial E\left ( w,b \right )}{\partial b} \right )

                          =     \frac{\partial }{\partial b}           

                          =    \frac{\partial }{\partial b} \left ( 2*m*b \right )   

                          =   2*m  

此即为    C=f_{yy}^{''}\left ( x,y \right ) .

 

 

（4）判断 A*C-B^{2} 的符号

 

至此，我们求得 :  A = 2*\sum_{i=1}^{m} x_{i}^{2}    ,   B = 2*\sum_{i=1}^{m} x_{i}  ,   C = 2*m

 

A*C-B^{2}      =           \left ( 2*\sum_{i=1}^{m} x_{i}^{2} \right ) * \left ( 2*m\right )-\left ( 2*\sum_{i=1}^{m} x_{i} \right )^{2}   

                         =          4*m*\sum_{i=1}^{m} x_{i}^{2}-4*\left ( \sum_{i=1}^{m} x_{i}\right )^{2}

                         =         4*m*\sum_{i=1}^{m} x_{i}^{2}-4*m*\frac{1}{m}*\left ( \sum_{i=1}^{m} x_{i}\right )^{2}

                         =        4*m*\sum_{i=1}^{m} x_{i}^{2}-4*m*\bar{x} * \sum_{i=1}^{m} x_{i}

                         =       4*m*\left ( \sum_{i=1}^{m} x_{i}^{2} - \sum_{i=1}^{m} x_{i}*\bar{x} \right )

                         =       4*m* \sum_{i=1}^{m}\left ( x_{i}^{2} - x_{i}*\bar{x} \right )

 

这里我们的目的是要证得  A*C-B^{2}  是否大于等于 0 ，所以我们下面要对上面的式子进行变形，以便判断符号。

 

因为：    \sum_{i=1}^{m} x_{i}*\bar{x}    =    \bar{x}*\sum_{i=1}^{m} x_{i}    =     \bar{x}*m*\frac{1}{m} * \sum_{i=1}^{m} x_{i}     =     m*\bar{x}^{2}     =     \sum_{i=1}^{m} \bar{x}^{2}

所以 ： 4*m* \sum_{i=1}^{m}\left ( x_{i}^{2} - x_{i}*\bar{x} \right )    =     4*m* \sum_{i=1}^{m}\left ( x_{i}^{2} - x_{i}*\bar{x} - x_{i}*\bar{x}+{\color{Red} x_{i}*\bar{x}} \right )

                                                        =     4*m* \sum_{i=1}^{m}\left ( x_{i}^{2} - x_{i}*\bar{x} - x_{i}*\bar{x}+{\color{Red} \bar{x} ^{2}}\right )

                                                        =     4*m* \sum_{i=1}^{m}\left ( x_{i} -\bar{x}\right )^{2}

 

所以     A*C-B^{2}  =    4*m* \sum_{i=1}^{m}\left ( x_{i} -\bar{x}\right )^{2}     >=    0   ,   也即损失函数 E(w,b) 是关于 w 和 b 的凸函数得证。

 

 

 

四、求解 b :

 

令一阶偏导数等于 0 解出 b ：

\frac{\partial E\left ( w,b \right )}{\partial b}    =           =    0

                                            =    0

                                                                               b   =   \frac{1}{m}           （此即为西瓜书式 3.8）

 

 

五、求解 w :

 

令一阶偏导数等于 0 解出 w ：

\frac{\partial E\left ( w,b \right )}{\partial w}    =           =     0

                                                                    w*\sum_{i=1}^{m} x_{i}^{2}       =         \sum_{i=1}^{m}\ y _{i} *x_{i} -\sum_{i=1}^{m}\ b*x_{i}

 

将   b   =   \frac{1}{m}      =     \frac{1}{m}* \sum_{i=1}^{m} y _{i}  - w* \frac{1}{m}* \sum_{i=1}^{m} x_{i}

                                                       =     \bar{y}-w*\bar{x}                                 ，带入上式得：

 

                                      w*\sum_{i=1}^{m} x_{i}^{2}       =         \sum_{i=1}^{m}\ y _{i} *x_{i} -\sum_{i=1}^{m}\ {\color{Red} b}*x_{i}

                                     w*\sum_{i=1}^{m} x_{i}^{2}       =         \sum_{i=1}^{m}\ y _{i} *x_{i} -\sum_{i=1}^{m}\ {\color{Red} \left ( \bar{y}-w*\bar{x} \right )} *x_{i}

                                     w*\sum_{i=1}^{m} x_{i}^{2}       =         \sum_{i=1}^{m} y _{i} *x_{i} - \bar{y}* \sum_{i=1}^{m}x_{i} + w* \bar{x} * \sum_{i=1}^{m} x_{i}

           w*\sum_{i=1}^{m} x_{i}^{2}- w* \bar{x} * \sum_{i=1}^{m} x_{i}       =         \sum_{i=1}^{m} y _{i} *x_{i} - \bar{y}* \sum_{i=1}^{m}x_{i}

            w*\left ( \sum_{i=1}^{m} x_{i}^{2}- \bar{x} * \sum_{i=1}^{m} x_{i} \right )       =         \sum_{i=1}^{m} y _{i} *x_{i} - \bar{y}* \sum_{i=1}^{m}x_{i}

                                                      w     =        \frac{\sum_{i=1}^{m} y _{i} *x_{i} - \bar{y}* \sum_{i=1}^{m}x_{i}}{\sum_{i=1}^{m} x_{i}^{2}- \bar{x} * \sum_{i=1}^{m} x_{i}}

 

（因为有：\bar{y}* \sum_{i=1}^{m}x_{i} = \frac{1}{m} * \sum_{i=1}^{m} y_{i} \sum_{i=1}^{m}x_{i} = \bar{x} * \sum_{i=1}^{m}y_{i} ， \bar{x}* \sum_{i=1}^{m}x_{i} = \frac{1}{m} * \sum_{i=1}^{m} x_{i} \sum_{i=1}^{m}x_{i} = \frac{1}{m} * \left ( \sum_{i=1}^{m}x_{i} \right ) ^{2}）

（西瓜书）简单线性回归公式推导_第1张图片

 

所以 ：    w   =    \frac{\sum_{i=1}^{m} y _{i} *x_{i} - \bar{x} * \sum_{i=1}^{m}y_{i} }{\sum_{i=1}^{m} x_{i}^{2}- \frac{1}{m} * \left ( \sum_{i=1}^{m}x_{i} \right ) ^{2} }   =    \frac{ \sum_{i=1}^{m} y _{i} * \left ( x_{i} - \bar{x} \right ) }{\sum_{i=1}^{m} x_{i}^{2}- \frac{1}{m} * \left ( \sum_{i=1}^{m}x_{i} \right ) ^{2} }      （此即为西瓜书式 3.7）

 

 

 

 

（西瓜书）多元线性回归公式推导请移步：     https://blog.csdn.net/qq_42185999/article/details/102942166   .

你可能感兴趣的:(机器学习,简单线性回归公式推导,西瓜书,机器学习,最小二乘法)

  • Python中的代码测试 小白的高手之路 python学习python开发语言
    编写函数或类时，可以为其编写测试。通过测试，可以确定代码面对各种输入都能正确按要求工作。在程序中添加新代码时，依然可以对其进行测试，确认它们不会影响原有的代码。1、测试函数先编写一个简单的函数：name_fun.pydefget_name(first,last):"""生成全名"""name=first+''+lastreturnname.title()name.pyfromname_funimp
  • 深度学习处理时间序列（2） yyc_audio 深度学习笔记深度学习人工智能
    在数据中寻找周期性在多个时间尺度上的周期性，是时间序列数据非常重要且常见的属性。无论是天气、商场停车位使用率、网站流量、杂货店销售额，还是健身追踪器记录的步数，你都会看到每日周期性和年度周期性（人类生成的数据通常还有每周的周期性）。探索数据时，一定要注意寻找这些模式。（让人想到波，想到傅里叶变换）对于这个数据集，如果你想根据前几个月的数据来预测下个月的平均温度，那么问题很简单，因为数据具有可靠的年
  • SSE vs WebSocket，谁更适合实时文本传输？ A__tao websocket网络协议网络
    引言SSE和WebSocket是常见的实时数据传输技术，在在线文本传输工具中，如何选择合适的方案？技术对比特性SSEWebSocket连接方式单向（服务器→客户端）双向（客户端↔服务器）适用场景消息推送、实时更新双向交互、多用户协作兼容性兼容HTTP/2，支持大部分浏览器需要WebSocket支持复杂度简单易用需要管理连接状态选择建议仅需服务器推送→选择SSE（轻量、兼容性好）。需要双向通信→选择
  • 机器学习的下一个前沿是因果推理吗？——探索机器学习的未来方向！ 真智AI 人工智能机器学习
    机器学习的进化：从预测到因果推理机器学习凭借强大的预测能力，已经彻底改变了多个行业。然而，要实现真正的突破，机器学习还需要克服实践和计算上的挑战，特别是在因果推理方面的应用。未来，因果推理或许将成为推动机器学习发展的新前沿。什么是因果推理，它如何与机器学习相关？如果你和我一样没有数学背景，你可能会好奇“因果推理”到底意味着什么？它与机器学习又有什么关系？当我刚开始学习机器学习时，第一次听到“因果推
  • C++使用ZeroMQ和MessagePack实现简单又轻量级的RPC框架 特立独行的猫a C++c++rpczeromqmessagepack
    在现代的分布式系统中，远程过程调用（RPC）是一个非常重要的机制，它允许不同的服务或组件之间的通信，就像调用本地函数一样。本文将介绍如何使用ZeroMQ和MessagePack来构建一个轻量级的RPC框架，并提供一个简单的使用示例。ZeroMQ简介ZeroMQ（也称为0MQ）是一个高性能的异步消息库，旨在使用标准的、对等的传输协议实现消息的发送与接收。ZeroMQ的核心是提供一个消息队列，使得消息
  • 基于 Docker 搭建 FRP 内网穿透开源项目 xdpcxq1029 技术分享docker开源容器
    有些配置项不知道该不该用，不知道该在哪用，不知道怎么用，所以我自己写个文章简单记录一下做个笔记本文介绍的是基于Docker运行frps和frpc，并通过TCP协议简单穿透SSH和HTTP，在观看本文之前请确保你的机器已经安装Docker服务端搭建frps#连接拥有公网IP的服务器，在合适的位置创建frps目录作为工作空间#创建frps目录作为工作空间$mkdirfrps#创建服务端配置文件$tou
  • AI编程篇-python基础篇 cv工程师(ctrl+c\v) AI编程python
    转型AI算法后的总结-python基础篇python基础AI算法工程师的日常开发工作离不开python这门语言。python的优点：开源免费、简单易学、丰富的库。以下是我总结的python的一些基础：1.python及IDE工具安装对于初学者来说，python的安装是必不可少的，但是为了方便代码编辑和查看结果及debug，可以安装pycharm社区版暂时用来前期学习：python安装及注意事项：下
  • C/C++框架和库推荐 大王算法 C++入门及项目实战宝典C/C++开发实战365C++
    值得学习的C语言开源项目-1.WebbenchWebbench是一个在Linux下使用的非常简单的网站压测工具。它使用fork()模拟多个客户端同时访问我们设定的URL，测试网站在压力下工作的性能，最多可以模拟3万个并发连接去测试网站的负载能力。Webbench使用C语言编写,代码实在太简洁，源码加起来不到600行。下载链接：http://home.tiscali.cz/~cz210552/web
  • 如何设计一个高并发的秒杀架构？ 老程不秃 数据结构Java后端架构java数据结构程序人生spring
    写在前面高并发下如何设计秒杀系统？这是一个高频面试题。这个问题看似简单，但是里面的水很深，它考查的是高并发场景下，从前端到后端多方面的知识。秒杀一般出现在商城的促销活动中，指定了一定数量（比如：10个）的商品（比如：手机），以极低的价格（比如：0.1元），让大量用户参与活动，但只有极少数用户能够购买成功。这类活动商家绝大部分是不赚钱的，说白了是找个噱头宣传自己。虽说秒杀只是一个促销活动，但对技术要
  • 文件包含漏洞和文件下载漏洞 杨学喜 041740424 安全web安全
    什么是文件包含？简单来说，文件包含就是将指定的文件当代码执行，黑客通过执行文件里的恶意代码来获取服务器的信息文件包含有本地包含与远程包含本地包含：执行的文件就在被攻击的服务器上远程包含：执行的文件在黑客自己的服务器上本地包含无限制1新建一个1.php文件，里面有文件包含漏洞?php$filename=$_GET['filename'];include($filename);?>2新建一个1.txt
  • 三个简单最短路 L_M_TY 算法最短路DijkstraFloyd
    题目一：E-Train题目链接：E-Train给定N个编号为1至N的城市以及M条铁路。第i条铁路连接城市Ai和Bi，每当时间为Ki的倍数时会同时、分别从Ai和Bi发出开往对方的列车，列车从出发至到达花费Ti时间。开始时你在城市X，输出你到达城市Y的最早时间。若无法到达，输出-1。忽略转车所需要的时间。即，当你T时刻到达某个城市时，可以立刻乘坐T时刻从这个城市发出的列车。数据输入范围：2≤N≤105
  • 智能化编程新时代，DeepSeek加持下的开发革命 ObsidianRaven13
    最新接入DeepSeek-V3模型，点击下载最新版本InsCodeAIIDE标题：智能化编程新时代，DeepSeek加持下的开发革命随着人工智能技术的飞速发展，编程领域正迎来一场前所未有的变革。从传统的手动编码到如今的智能辅助开发，这一过程不仅极大地提升了开发效率，还让编程变得更加简单和高效。在众多新兴工具中，基于DeepSeek模型的智能编程助手正在成为开发者的新宠。今天，我们将探讨这种工具如何
  • 深入解析LTE-A到5G的系统消息架构与功能演进 罗博深
    本文还有配套的精品资源，点击获取简介：系统消息是移动通信网络中，UE与网络间信息交换的核心，涵盖了网络状态、服务信息与系统配置。文章深入分析了4GLTE-A到5G网络中系统消息的组成、作用及其演进，包括MIB和SIBs的功能与内容，以及5G对系统消息的优化和新技术的引入，如动态调度、网络切片和针对物联网设备的特定参数配置。5G系统消息还通过机器学习和大数据分析实现智能化分发，增强了网络灵活性、智能
  • 解决约束多目标优化问题的新方法：MOEA/D-DAE算法深度解析 木子算法 多目标优化人工智能算法多目标人工智能
    解决约束多目标优化问题的新方法：MOEA/D-DAE算法深度解析在工程优化、机器学习等众多领域，约束多目标优化问题（CMOPs）广泛存在。传统方法在处理这类问题时，常因可行区域不连通或约束违反局部极小点陷入停滞。近期，IEEETransactionsonEvolutionaryComputation上的一篇论文提出了一种新颖的解决方案——MOEA/D-DAE算法，通过结合检测-逃逸策略（DAE）和
  • 【杨乐昆何凯明AI论文】没有归一化的Transformer模型 东临碣石82 人工智能transformer深度学习
    摘要：归一化层在现代神经网络中无处不在，长期以来一直被视为不可或缺的组成部分。本研究表明，通过使用一种极其简单的技术，没有归一化的Transformer模型可以达到相同或更好的性能。我们引入了动态Tanh（DyT），这是一种逐元素操作，表示为DyT(x)=tanh(alphax)，作为Transformer中归一化层的即插即用替代品。DyT的灵感来源于这样一个观察：Transformer中的层归一
  • 芯谷78M05：三端正电压调节器的稳定之选 青牛科技实业01 芯谷单片机嵌入式硬件散热风扇智能家居科技音频限幅便携式音频
    在电子电路设计中，稳定的电源供应是确保系统正常运行的关键因素之一。78M05作为一款经典的三端正电压调节器，以其简单、可靠和高效的特性，成为了众多工程师在5V电源设计中的首选。本文将深入探讨芯谷78M05的特性、电气参数、典型应用电路以及使用注意事项，帮助读者全面了解这一经典芯片。一、产品概述芯谷78M05是一款三端正电压调节器，属于78MXX系列固定电压调节器集成电路的一员。该芯片能够提供稳定的
  • python 人工智能实战案例 2401_86114612 pygamepythonjava
    大家好，今天我们要分享，python编程人工智能小例子python人工智能100例子，一起探索吧！1.背景介绍概述在这个世纪，人类已经处于数字化的时代，而这也让很多其他行业都进入了数字化领域python列表有哪些基本操作,python列表功能很重要吗。其中包括游戏行业。游戏行业的蓬勃发展促使机器学习的产生，通过计算机能够进行高效率地模拟人类的学习、决策过程，不断升级提升人类的能力。游戏领域中的AI
  • Python 在人工智能领域的实际6大案例 Solomon_肖哥弹架构 人工智能机器学习python
    Python作为一种功能强大且易于学习的编程语言，在人工智能（AI）领域得到了广泛的应用。从机器学习到深度学习，从自然语言处理到计算机视觉，Python提供了丰富的库和框架，使得开发者能够快速实现各种AI应用。本文将通过多个实际案例，展示Python在人工智能领域的强大功能和应用前景。二、案例一：手写数字识别（MNIST）1.背景介绍手写数字识别是机器学习领域的经典入门项目，MNIST数据集包含了
  • 基于AI算法实现的情感倾向分析的方法 程序员奇奇 计算机毕设人工智能算法
    完整代码：https://download.csdn.net/download/pythonyanyan/87430621背景目前，情感倾向分析的方法主要分为两类：一种是基于情感词典的方法；一种是基于机器学习的方法，如基于大规模语料库的机器学习。前者需要用到标注好的情感词典，英文的词典有很多，中文主要有知网整理的情感词典Hownet和台湾大学整理发布的NTUSD两个情感词典，还有哈工大信息检索研究
  • AI开发 - 算法基础 递归 的概念和入门（三）递归的进阶学习 minstbe PythonAI应用与观察算法学习深度优先
    前面我们通过2篇文章，一起了解了递归，以及使用递归来解决汉诺塔问题。今天我们在这个基础上，进一步地熟悉和学习递归。这篇学习笔记将涵盖递归的基本概念、应用、优化技巧、陷阱及与迭代的对比，并通过具体的Python代码示例和大家一起来深入理解递归的使用。一、巩固基础1.递归的概念递归，简单来说就是函数自己调用自己。听起来有点绕，但其实就像俄罗斯套娃，一层套一层，直到遇到最小的那个娃娃（基线条件）才停止。
  • 机器学习算法实战——天气数据分析（主页有源码） 喵了个AI 机器学习实战机器学习算法数据分析
    ✨个人主页欢迎您的访问✨期待您的三连✨✨个人主页欢迎您的访问✨期待您的三连✨✨个人主页欢迎您的访问✨期待您的三连✨1.引言天气数据分析是气象学和数据科学交叉领域的一个重要研究方向。随着大数据技术的发展，气象数据的采集、存储和分析能力得到了显著提升。机器学习算法在天气数据分析中的应用，不仅能够提高天气预报的准确性，还能为气候研究、灾害预警等提供有力支持。本文将介绍机器学习在天气数据分析中的应用，探讨
  • Python PyQt5 简单的信号和槽 多线程传数据 热爱生活热爱你 python3qtpythonqt开发语言
    注：pythonqt的信号与槽和c++qt还是有一些区别的，尤其是在connect方面；pythonqt信号和槽需要关注下对象的生命周期，不然信号发送后槽是接受不到的；1、a.py:多线程及定义信号和发送信号；importtimefromPyQt5.QtCoreimportpyqtSignal,QThread#发送信号classSender(QThread):my_signal=pyqtSigna
  • 第5课 树莓派的Python IDE—Thonny 嵌入式老牛 树莓派之基本应用树莓派ThonnyIDE
    1.Thonny的特点Thonny是一款面向初学者的PythonIDE。它由爱沙尼亚的Tartu大学开发，其调试器是专为学习和教学编程而设计的。Thonny具有如下特点易于上手。Thonny内置了Python3.7，因此只需要一个简单的安装程序，你就可以开始学习编程了（如有必要，您还可以使用单独的Python安装）。初始的用户界面会删除可能分散初学者注意力的所有功能。查看变量方便。当写完代码后，可
  • 华为OD机试 - 简单的解压缩算法 - 栈（Python/JS/C/C++ 2024 E卷 100分） 哪 吒 华为odpythonjavascript
    华为OD机试2024E卷题库疯狂收录中，刷题点这里专栏导读本专栏收录于《华为OD机试真题（Python/JS/C/C++）》。刷的越多，抽中的概率越大，私信哪吒，备注华为OD，加入华为OD刷题交流群，每一题都有详细的答题思路、详细的代码注释、3个测试用例、为什么这道题采用XX算法、XX算法的适用场景，发现新题目，随时更新。一、题目描述现需要实现一种算法，能将一组压缩字符串还原成原始字符串，还原规则
  • 【Python机器学习】2.2. 聚类分析算法理论：K均值聚类(KMeans Analysis)、KNN(K近邻分类)、均值漂移聚类(MeanShift) SomeB1oody Python机器学习机器学习算法python聚类分类算法
    喜欢的话别忘了点赞、收藏加关注哦（关注即可查看全文），对接下来的教程有兴趣的可以关注专栏。谢谢喵！(=･ω･=)2.2.1.K均值聚类(KMeansAnalysis)K均值算法是以空间中K个点为中心进行聚类，对最靠近他们的对象归类，是聚类算法中最为基础但也最为重要的算法。数学原理计算数据点与各簇中心点的距离：dist(xi,ujt){dist}(x_i,u_j^t)dist(xi,ujt)然后根据
  • 关于将平板作为副屏的使用 sbuds 平板
    我的需求我现在拥有一个联想小新平板(联想小新pad2022),还有一个联想小新电脑(联想小新pro13),原本买联想平板就图个便宜这是真的,但是还有一层就是联想的生态,但是这他喵的,联想的超级互联的生态实在是拉跨,我几乎看了所有的解决方案,还是解决不了连不上的问题.为什么要生态理由应该也很简单,无非就是传输文件比较方便等等,但是作为一个程序员来说,更重要的是我看中的副屏功能,但是联想的生态让我很失
  • python flask 分页_Python的Flask框架中实现分页功能的教程 weixin_39959126 pythonflask分页
    BlogPosts的提交让我们从简单的开始。首页上必须有一张用户提交新的post的表单。首先我们定义一个单域表单对象(fileapp/forms.py)：classPostForm(Form):post=TextField('post',validators=[Required()])下面，我们把这个表单添加到template中(fileapp/templates/index.html)：{%ex
  • 【Linux】日志插件 s_little_monster_ Linuxlinux数据库oracle运维学习经验分享笔记
    个人主页~日志插件一、日志文件的重要性二、日志文件的简单实现1、comm.hpp2、log.hpp三、测试用例一、日志文件的重要性故障排查与问题定位快速发现问题：日志能够实时记录系统运行过程中的各种事件和状态信息，当系统出现故障或异常时，通过查看日志可以快速察觉到问题的发生，例如，服务器突然崩溃，日志中可能会记录下崩溃前的错误信息、异常堆栈，帮助运维人员第一时间得知系统出现了故障精准定位根源：详细
  • js实现关于分页的一种实现方式 番薯(Koali) Javajavaweb分页数据javascript
    项目中用到列表的地方很多，二页面列表的显示必然要求分页，所以分页和查询几乎密不可分，如果说你不会分页查询数据，那你基本上还属于菜鸟。分页的原理很简单，从sql上看就是从哪一条开始，往后差几条。所以sql只需要传2个参数，这只是原理罢了，关键是实现。而实现的方法就多了去了，架构师干这个是小菜一碟。在我的项目中，关于分页架构师已经写好了一个管理分页的类，这个类与sql耦合，控制分页只需哟啊控制这个类的
  • 算法手撕面经系列(1)--手撕多头注意力机制 夜半罟霖 算法python深度学习
    多头注意力机制 一个简单的多头注意力模块可以分解为以下几个步骤：先不分多头，对输入张量分别做变换，得到Q,K,VQ,K,VQ,K,V对得到的Q,K,VQ,K,VQ,K,V按头的个数进行split；用Q,KQ,KQ,K计算向量点积考虑是否要添因果mask利softmax计算注意力得分矩阵atten对注意力得分矩阵施加Dropout将atten矩阵和VVV矩阵相乘再过一道最终的输出变换代码 给出一个d
  • 对于规范和实现，你会混淆吗？ yangshangchuan HotSpot
    昨晚和朋友聊天，喝了点咖啡，由于我经常喝茶，很长时间没喝咖啡了，所以失眠了，于是起床读JVM规范，读完后在朋友圈发了一条信息： JVM Run-Time Data Areas：The Java Virtual Machine defines various run-time data areas that are used during execution of a program. So
  • android 网络 百合不是茶 网络
    android的网络编程和java的一样没什么好分析的都是一些死的照着写就可以了,所以记录下来  方便查找   ,  服务器使用的是TomCat   服务器代码;  servlet的使用需要在xml中注册 package servlet; import java.io.IOException; import java.util.Arr
  • [读书笔记]读法拉第传 comsci 读书笔记
          1831年的时候,一年可以赚到1000英镑的人..应该很少的...       要成为一个科学家,没有足够的资金支持,很多实验都无法完成       但是当钱赚够了以后....就不能够一直在商业和市场中徘徊......
  • 随机数的产生 沐刃青蛟 随机数
    c++中阐述随机数的方法有两种：   一是产生假随机数（不管操作多少次，所产生的数都不会改变）          这类随机数是使用了默认的种子值产生的，所以每次都是一样的。   //默认种子 for (int i = 0; i < 5; i++) { cout<<
  • PHP检测函数所在的文件名 IT独行者 PHP函数
    很简单的功能，用到PHP中的反射机制，具体使用的是ReflectionFunction类，可以获取指定函数所在PHP脚本中的具体位置。 创建引用脚本。 代码：   [php]   view plain copy // Filename: functions.php    <?php&nbs
  • 银行各系统功能简介 文强chu 金融
    银行各系统功能简介 　 业务系统 核心业务系统 业务功能包括：总账管理、卡系统管理、客户信息管理、额度控管、存款、贷款、资金业务、国际结算、支付结算、对外接口等 清分清算系统 以清算日期为准，将账务类交易、非账务类交易的手续费、代理费、网络服务费等相关费用，按费用类型计算应收、应付金额，经过清算人员确认后上送核心系统完成结算的过程 国际结算系
  • Python学习1(pip django 安装以及第一个project) 小桔子 pythondjangopip
        最近开始学习python,要安装个pip的工具。听说这个工具很强大，安装了它，在安装第三方工具的话so easy!然后也下载了，按照别人给的教程开始安装，奶奶的怎么也安装不上！ 第一步：官方下载pip-1.5.6.tar.gz, https://pypi.python.org/pypi/pip easy! 第二部：解压这个压缩文件，会看到一个setup.p
  • php 数组 aichenglong PHP排序数组循环多维数组
    1 php中的创建数组 $product = array('tires','oil','spark');//array()实际上是语言结构而不  是函数 2 如果需要创建一个升序的排列的数字保存在一个数组中，可以使用range()函数来自动创建数组 $numbers=range(1,10)//1 2 3 4 5 6 7 8 9 10 $numbers=range(1,10,
  • 安装python2.7 AILIKES python
    安装python2.7 1、下载可从 http://www.python.org/进行下载#wget https://www.python.org/ftp/python/2.7.10/Python-2.7.10.tgz 2、复制解压 #mkdir -p /opt/usr/python #cp  /opt/soft/Python-2
  • java异常的处理探讨 百合不是茶 JAVA异常
    //java异常  /* 1，了解java 中的异常处理机制，有三种操作 a,声明异常  b,抛出异常  c,捕获异常 2，学会使用try-catch-finally来处理异常 3，学会如何声明异常和抛出异常 4，学会创建自己的异常   */   //2，学会使用try-catch-finally来处理异常  
  • getElementsByName实例 bijian1013 element
    实例1： <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/1999/x
  • 探索JUnit4扩展：Runner bijian1013 java单元测试JUnit
            参加敏捷培训时，教练提到Junit4的Runner和Rule，于是特上网查一下，发现很多都讲的太理论，或者是举的例子实在是太牵强。多搜索了几下，搜索到两篇我觉得写的非常好的文章。         文章地址：http://www.blogjava.net/jiangshachina/archive/20
  • [MongoDB学习笔记二]MongoDB副本集 bit1129 mongodb
    1. 副本集的特性   1)一台主服务器(Primary),多台从服务器(Secondary)   2)Primary挂了之后，从服务器自动完成从它们之中选举一台服务器作为主服务器，继续工作，这就解决了单点故障，因此，在这种情况下，MongoDB集群能够继续工作   3)挂了的主服务器恢复到集群中只能以Secondary服务器的角色加入进来   2
  • 【Spark八十一】Hive in the spark assembly bit1129 assembly
    Spark SQL supports most commonly used features of HiveQL. However, different HiveQL statements are executed in different manners: 1. DDL statements (e.g. CREATE TABLE, DROP TABLE, etc.)
  • Nginx问题定位之监控进程异常退出 ronin47
    nginx在运行过程中是否稳定，是否有异常退出过？这里总结几项平时会用到的小技巧。 1. 在error.log中查看是否有signal项，如果有，看看signal是多少。 比如，这是一个异常退出的情况： $grep signal error.log 2012/12/24 16:39:56 [alert] 13661#0: worker process 13666 exited on s
  • No grammar constraints (DTD or XML schema).....两种解决方法 byalias xml
    方法一：常用方法   关闭XML验证 工具栏：windows => preferences => xml => xml files => validation => Indicate when no grammar is specified:选择Ignore即可。 方法二：（个人推荐） 添加 内容如下 <?xml version=
  • Netty源码学习-DefaultChannelPipeline bylijinnan netty
    package com.ljn.channel; /** * ChannelPipeline采用的是Intercepting Filter 模式 * 但由于用到两个双向链表和内部类，这个模式看起来不是那么明显，需要仔细查看调用过程才发现 * * 下面对ChannelPipeline作一个模拟，只模拟关键代码： */ public class Pipeline {
  • MYSQL数据库常用备份及恢复语句 chicony mysql
    备份MySQL数据库的命令，可以加选不同的参数选项来实现不同格式的要求。 mysqldump -h主机 -u用户名 -p密码 数据库名 > 文件 备份MySQL数据库为带删除表的格式，能够让该备份覆盖已有数据库而不需要手动删除原有数据库。 mysqldump -–add-drop-table -uusername -ppassword databasename > ba
  • 小白谈谈云计算--基于Google三大论文 CrazyMizzz Google云计算GFS
        之前在没有接触到云计算之前，只是对云计算有一点点模糊的概念，觉得这是一个很高大上的东西，似乎离我们大一的还很远。后来有机会上了一节云计算的普及课程吧，并且在之前的一周里拜读了谷歌三大论文。不敢说理解，至少囫囵吞枣啃下了一大堆看不明白的理论。现在就简单聊聊我对于云计算的了解。     我先说说GFS   &n
  • hadoop 平衡空间设置方法 daizj hadoopbalancer
    在hdfs-site.xml中增加设置balance的带宽，默认只有1M： <property>   <name>dfs.balance.bandwidthPerSec</name>     <value>10485760</value>     <description&g
  • Eclipse程序员要掌握的常用快捷键 dcj3sjt126com 编程
      判断一个人的编程水平，就看他用键盘多，还是鼠标多。用键盘一是为了输入代码（当然了，也包括注释），再有就是熟练使用快捷键。 曾有人在豆瓣评 《卓有成效的程序员》：“人有多大懒，才有多大闲”。之前我整理了一个 程序员图书列表，目的也就是通过读书，让程序员变懒。  程序员作为特殊的群体，有的人可以这么懒，懒到事情都交给机器去做，而有的人又可以那么勤奋，每天都孜孜不倦得
  • Android学习之路 dcj3sjt126com Android学习
    转自：http://blog.csdn.net/ryantang03/article/details/6901459 以前有J2EE基础，接触JAVA也有两三年的时间了，上手Android并不困难，思维上稍微转变一下就可以很快适应。以前做的都是WEB项目，现今体验移动终端项目，让我越来越觉得移动互联网应用是未来的主宰。 下面说说我学习Android的感受，我学Android首先是看MARS的视
  • java 遍历Map的四种方法 eksliang javaHashMapjava 遍历Map的四种方法
    转载请出自出处： http://eksliang.iteye.com/blog/2059996 package com.ickes; import java.util.HashMap; import java.util.Iterator; import java.util.Map; import java.util.Map.Entry; /** * 遍历Map的四种方式
  • 【精典】数据库相关相关 gengzg 数据库
    package C3P0; import java.sql.Connection; import java.sql.SQLException; import java.beans.PropertyVetoException; import com.mchange.v2.c3p0.ComboPooledDataSource; public class DBPool{
  • 自动补全 huyana_town 自动补全
    <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"><html xmlns="http://www.w3.org/1999/xhtml&quo
  • jquery在线预览PDF文件，打开PDF文件 天梯梦 jquery
    最主要的是使用到了一个jquery的插件jquery.media.js，使用这个插件就很容易实现了。   核心代码 <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.
  • ViewPager刷新单个页面的方法 lovelease androidviewpagertag刷新
      使用ViewPager做滑动切换图片的效果时，如果图片是从网络下载的，那么再子线程中下载完图片时我们会使用handler通知UI线程，然后UI线程就可以调用mViewPager.getAdapter().notifyDataSetChanged()进行页面的刷新，但是viewpager不同于listview，你会发现单纯的调用notifyDataSetChanged()并不能刷新页面
  • 利用按位取反（~）从复合枚举值里清除枚举值 草料场 enum
    以 C# 中的 System.Drawing.FontStyle 为例。   如果需要同时有多种效果， 如：“粗体”和“下划线”的效果，可以用按位或（|） FontStyle style = FontStyle.Bold | FontStyle.Underline;   如果需要去除 style 里的某一种效果，
  • Linux系统新手学习的11点建议 刘星宇 编程工作linux脚本
    　　随着Linux应用的扩展许多朋友开始接触Linux，根据学习Windwos的经验往往有一些茫然的感觉：不知从何处开始学起。这里介绍学习Linux的一些建议。 　　一、从基础开始：常常有些朋友在Linux论坛问一些问题，不过，其中大多数的问题都是很基础的。例如：为什么我使用一个命令的时候，系统告诉我找不到该目录，我要如何限制使用者的权限等问题，这些问题其实都不是很难的，只要了解了 Linu
  • hibernate dao层应用之HibernateDaoSupport二次封装 wangzhezichuan DAOHibernate
    /** * <p>方法描述:sql语句查询 返回List<Class> </p> * <p>方法备注: Class 只能是自定义类 </p> * @param calzz * @param sql * @return * <p>创建人：王川</p> * <p>创建时间：Jul
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他