【工作笔记】

加班经验总结 2022年5月6日

清秋今天我决定把自己的日记分类写，一类是工作日记，一类是生活中的日记，我想找一本找专属的工作笔记本，可是我在自己的书架上看了好半天，本子是有，但是我觉得薄薄的一本本子很快就被写完了，我顺手就扔了，或者撕了
素笔描青花·2023-11-29 06:29

20200802原生location.search以及vue中利用query来操作页面跳转传递参数

我是新人，这是工作笔记，只有我能理解。仅供参考。
Shaojun_jita·2023-11-28 18:18

【晚间复盘日记】┆2021.7.29

在这里，我要提起一个宝贝，效率手册，它是我相伴4年的伙伴，我有记录工作笔记的习惯，从09年开始，每年最少1本，记得18年离职的时候，抱回家的只有抽屉里满满的十几本工作日记，在每次的日记中，记录，反思每一件事情
木子的远方·2023-11-28 17:13

【工作笔记】IOT.js适配AWorks平台通用外设接口（2）：GPIO

【工作笔记】IOT.js适配AWorks平台通用外设接口（1）：ADC；【工作笔记】IOT.js适配AWorks平台通用外设接口（2）：GPIO；【工
天上下橙雨·2023-11-28 06:35

使用docker命令_进入容器_登录mysql服务_并执行sql语句---Docker工作笔记005

今天就用到了,不得不说用docker用到的还是少,记录一下,常用的也就这些吧.首先执行:dockerps[[email protected]]#dockerpsCONTAINERIDIMAGECOMMANDCREATEDSTATUSPORTSNAMES13eaa25e1ca4registry.cn-qingdao.aliyuncs.com/dataease/dataease
脑瓜凉·2023-11-27 23:49

人工智能_机器学习051_支持向量机SVM概念介绍_理解support vector machine---人工智能工作笔记0091

在出现深度学习,神经网络算法之前,支持向量机已经可以解决很多问题了,我们自然界中的问题,无非就是可以转换为回归问题和分类问题.然后从现在开始我们来看支持向量机,首先看一下这几个字support是支持vector是向量的意思,然后machine指的是机器那么我们之前用到的模型,比如线性回归模型,用来进行预测的模型,我们就把他称之为是机器这个supportvectormachine其实就是支持向量的各
脑瓜凉·2023-11-27 09:40

人工智能基础_机器学习050_对比sigmoid函数和softmax函数的区别_两种分类器算法的区别---人工智能工作笔记0090

可以看到最上面是softmax的函数对吧,但是如果当k=2那么这个时候softmax的函数就可以退化为sigmoid函数,也就是逻辑斯蒂回归了对吧我们来看一下推导过程,可以看到上面是softmax的函数可以看到k=2表示,只有两个类别对吧,两个类别的分类不就是sigmoid函数嘛对吧,所以说如果k=2那么softmax就退化为sigmoid函数了,来处理二分类了可以看到上面有个theta1对吧so
脑瓜凉·2023-11-27 06:49

【工作笔记】IOT.js适配AWorks平台通用外设接口（4）：PWM

【工作笔记】IOT.js适配AWorks平台通用外设接口（1）：ADC；【工作笔记】IOT.js适配AWorks平台通用外设接口（2）：GPIO；【工
天上下橙雨·2023-11-26 06:05

计算机应用基础_错题集_PPT演示文稿_操作题_计算机多媒体技术操作题_文字处理操作题---网络教育统考工作笔记007

PPT演示文稿操作题提示：PPT部分操作题将第2～第4张幻灯片背景效果设为渐变预置的“雨后初晴”效果（2）设置幻灯片放映方式
脑瓜凉·2023-11-26 03:32

计算机应用基础_错题集_基础知识---网络教育统考工作笔记006

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、基础知识部分错题集总结前言计算机应用基础统考,错题集总结一、基础知识部分基础知识部分2、微处理器芯片的位数即指______。A.速度B.字长C.
脑瓜凉·2023-11-24 18:56

努力做个有计划、自律的人

牛皮纸、和风系、小碎花、MUJI记事本、手帐、工作笔记，零零落落地散落在办公桌和文件柜里。本子和我一起工作，它们熟悉我。逛文具店，看到好看的本子就走不动了。用它们来写读书笔记，做工作备忘录，写手帐。
马老师的职萃坊·2023-11-24 13:52

人工智能基础_机器学习047_用逻辑回归实现二分类以上的多分类_手写代码实现逻辑回归OVR概率计算---人工智能工作笔记0087

然后我们再来看一下如何我们自己使用代码实现逻辑回归的,对二分类以上,比如三分类的概率计算我们还是使用莺尾花数据首先我们把公式写出来defsigmoid(z):定义出来这个函数可以看看到这需要我们理解OVR是如何进行多分类的,我们先来看这个OVR分类器思想OVR（One-vs-Rest）是一种多分类算法，主要用于解决二分类问题。当需要解决三分类问题时，可以采用OVR方法对每个类别进行两两分类，总共形
脑瓜凉·2023-11-23 08:00

善待生命，从写工作日记开始

而很好的一个方式，也就是每天写工作笔记，用文字去发现、记录、沉淀你的成长。下面便是我这一周践行后的部分收获。1.不要觉得自己高人一等。摆架子的人，其实是他自己修炼不够。
席双·2023-11-22 23:27

2017.04.06《别告诉我你会记笔记》 - 草稿 - 草稿

千万不要小看工作笔记，不论成功或失败，全部记下来，会有意想不到的人生礼物！全书导图（精华）1.随身携带记事笔记本，可以记下在
浮生若梦弦·2023-11-22 11:32

年薪五十万需要付出多少努力？

20多年每天都坚持写工作笔记，记录第二天需要工作的内容，并且每天晚上都会复盘，周末也是！这只是她一部分的工作笔记。2.坚持包括坚持学习她有个口头禅就
鬼裁设计·2023-11-22 05:33

工作笔记——PCB行业分析

印制电路板（PrintedCircuitBoard，简称“PCB”），是承载电子元器件并连接电路的桥梁，指在通用基材上按预定设计形成点间连接及印制元件的印制板，其主要功能是使各种电子零组件形成预定电路的连接，起传输作用。PCB作为电子产品的关键元器件几乎应用于所有的电子产品，是现代电子信息产品中不可或缺的电子元器件，被誉为“电子产品之母”。（PCB只负责按照产品的设计制作电路板，不直接面向销售群体
五瓣丁香·2023-11-22 02:48

人工智能基础_机器学习046_OVR模型多分类器的使用_逻辑回归OVR建模与概率预测---人工智能工作笔记0086

首先我们来看一下什么是OVR分类.我们知道sigmoid函数可以用来进行二分类,那么多分类怎么实现呢?其中一个方法就是使用OVR进行把多分类转换成二分类进行计算.OVR，全称One-vs-Rest，是一种将多分类问题转化为多个二分类子问题的策略。在这种策略中，多分类问题被分解为若干个二分类问题。例如，如果有K个类别需要分类，则会有K个二分类器，每个分类器只负责判断某一个类别与其他所有类别的区别。这
脑瓜凉·2023-11-22 01:32

人工智能基础_机器学习044_逻辑回归代码实现与手动计算概率---人工智能工作笔记0084

上面我们已经把逻辑回归的公式,以及,公式对应的图形都画画出来了,然后我们再来看看如何用代码实现可以看到上面是代码,咱们自己去写一下importnumpyasnpfromsklearn.linear_modelimportLogistieRegressionfromsklearnimportdatasets#训练数据和测试数据拆分fromsklearn.model_electionimporttra
脑瓜凉·2023-11-20 18:20

vector canape 使用说明（二）

仅为工作笔记，欢迎互相交流。一、基本操作和设置说明1.设定flash地址区间和r
逸埃·2023-11-20 10:03

人工智能基础_机器学习035_多项式回归升维实战2_使用sklearn的PolynomialFeatures进行升维---人工智能工作笔记0075

我们再来做一个升维处理,这里我们不再自己去对数据进行比如,相乘操作,来给数据手动添加维度了,这里我们用sklearn库提供的PolynomialFeatures来自动对数据进行升维.fromsklearn.linear_modelimportLinearRegression#PolynowlalFeatures,多项式升维处理fromsklearn.preprocessingimportPolyn
脑瓜凉·2023-11-20 01:35

人工智能基础_机器学习039_sigmoid函数_逻辑回归_逻辑斯蒂回归_分类神器_代码实现逻辑回归图---人工智能工作笔记0079

逻辑斯蒂回归（LogisticRegression）是一种常用的分类算法，其基本思想是通过拟合一个逻辑斯蒂函数来预测样本所属的类别。它广泛应用于各个领域，如医学、金融、市场营销等，具有较好的解释性和可解释性。在逻辑斯蒂回归中，我们通常使用的是二分类问题，即样本只属于两个类别中的一个。为了进行多类别的分类，可以采用一对多（One-vs-Rest）的方法，将多类别的问题转化为多个二分类问题。虽然叫做逻
脑瓜凉·2023-11-17 10:29

人工智能基础_机器学习037_多项式回归升维实战4_使用随机梯度下降模型_对天猫双十一销量数据进行预测_拟合---人工智能工作笔记0077

上一节我们使用线性回归模型最终拟合了双十一天猫销量数据,升维后的数据.我们使用SGDRegressor的时候,随机梯度下降的时候,发现有问题,对吧,怎么都不能拟合我们看看怎么回事现在可以看到上面是之前的代码上面是对数据的准备这里我们还是修改,使用poly=PolynomialFeatures(degree=2,interaction_only=False)X_2=poly.fit_transfor
脑瓜凉·2023-11-17 02:40

人工智能基础_机器学习032_多项式回归升维_原理理解---人工智能工作笔记0072

现在开始我们来看多项式回归,首先理解多维原来我们学习的使用线性回归,其实就是一条直线对吧,那个是一维的,我们之前学的全部都是一维的对吧,是一维的,然后是多远的,因为有多个x1,x2,x3,x4...但是比如我们有一个数据集,是上面这种,的如果用一条直线很难拟合,那么这个时候,我们如果用y=ax^2+bx+c这样就可以了,这里是2维的,最高次幂是2那么怎么来进行升维,其实就是,让元数,比如,一元一次
脑瓜凉·2023-11-16 23:11

人工智能基础_机器学习033_多项式回归升维_多项式回归代码实现_非线性数据预测_升维后的数据对非线性数据预测---人工智能工作笔记0073

然后我们来实际的操作一下看看,多项式升维的作用,其实就是为了,来对,非线性的数据进行拟合.我们直接看代码importnumpyasnpimportmatplotlib.pyplotaspltfromsklearn.linear_modelimportLinearRegressionX=np.linspace(-1,11,num=100)从-1到11中获取100个数,是等差数列y=(X-5)**2+
脑瓜凉·2023-11-16 15:34

人工智能基础_机器学习030_ElasticNet弹性网络_弹性回归的使用---人工智能工作笔记0070

然后我们再来看elastic-net弹性网络,之所以叫弹性是因为,他融合了L1和L2正则,可以看到他的公式公式中有L1正则和L2正则两个都在这个公式中可以看到弹性网络,在很多特征互相联系的时候,非常有用,比如,相关性,如果数学好,那么物理也好,如果语文好,那么英语也好这种联系正相关的.其实ElasticNet就是,汲取了Lasso套索回归和Ridge岭回归,以后得到的公式,可以通过l1_ratio
脑瓜凉·2023-11-15 06:28

人工智能基础_机器学习027_L2正则化_岭回归_非稀疏性_原理解读_公式推导---人工智能工作笔记0067

然后我们再来看一下岭回归,也就是第二范数对吧,他的公式,平方以后,加和然后开平方.L2的公式是可以看到L2公式,也是有个阿尔法,惩罚项对吧.可以看到因为L2带有平方,所以他的图形是个圆形我们可以把L2范数,进行画出来看看这里我们先看L2的公式,这里我们让这个公式写成1=阿尔法(x^2+y^2)然后我们让阿尔法=1然后我们可以看到这个时候1=x^2+y^2那么我们把函数写出来
脑瓜凉·2023-11-14 15:15

人工智能基础_机器学习026_L1正则化_套索回归权重衰减梯度下降公式_原理解读---人工智能工作笔记0066

然后我们继续来看套索回归,也就是线性回归,加上了一个L1正则化对吧,然后我们看这里L1正则化的公式是第二个,然后第一个是原来的线性回归,然后最后一行紫色的,是J=J0+L1对吧,其实就是上面两个公式加起来然后我们再去看绿色的第一行,其实就是原来线性回归的梯度下降公式,这里的n表示学习率,也是步幅对吧然后第二行是加上了L1正则的,梯度下降公式然后我们把加上了L1的梯度下降公式,进行展开,可以看到上面
脑瓜凉·2023-11-14 13:16

人工智能基础_机器学习024_梯度下降进阶_L1正则可视化图形---人工智能工作笔记0064

然后我们就来用代码实现一下L1正则的可视化,我们来看看首先导入importnumpyasnp数学计算importmatplotlib.pyplotasplt画图用的然后我们把L1正则的公式写出来可以看到L1的正则其实就是w1和w2的绝对值相加对吧然后这里我们写一个公式:f(x,y)=|x|+|y|#令f(x,y)=0我们来绘制图形，在平面中我们使得0=/x/+/y/#我们假设x,y都是大于零#那么
脑瓜凉·2023-11-12 09:28

人工智能基础_机器学习022_使用正则化_曼哈顿距离_欧氏距离_提高模型鲁棒性_过拟合_欠拟合_正则化提高模型泛化能力---人工智能工作笔记0062

然后我们再来看一下,过拟合和欠拟合,现在,实际上欠拟合,出现的情况已经不多了,欠拟合是在训练集和测试集的准确率不高,学习不到位的情况.然后现在一般碰到的是过拟合,可以看到第二个就是,完全就把红点蓝点分开了,这种情况是不好的,因为分开是对训练数据进行分开的,如果来了测试数据他的效果就不好了,也就说,泛化能力不行.然后最理想的是第三个图.可以看到如果我们有一个2图中的绿点,这个点可以看到,如果按照预测
脑瓜凉·2023-11-11 22:19

人工智能基础_机器学习023_理解套索回归_认识L1正则---人工智能工作笔记0063

然后上一节我们说了L1,L2正则是为了提高,模型的泛化能力,提高泛化能力,实际上就是把模型的公式的w,权重值,变小对吧.然后我们这里首先看第一个L1正则,是怎么做到把w权重变小的可以看到最上面是线性回归的损失函数,然后L1可以看到,这个正则,就是在损失函数的基础上给损失函数,添加了一个带有绝对值的||所有的w的和对,不过这里,又有一个阿尔法对吧.这个阿尔法是用来调节,这个泛化能力强弱的,其实就是用
脑瓜凉·2023-11-11 17:14

人工智能基础_机器学习020_归一化实战_天池工业蒸汽量项目归一化实战过程---人工智能工作笔记0060

标题：天池工业蒸汽量项目归一化实战1.引言在工业生产中，蒸汽是重要的能源之一。然而，由于各种因素的影响，蒸汽的产量和质量可能会有所波动。为了确保生产过程的稳定性和效率，我们需要对蒸汽量进行归一化处理。本文将详细介绍天池工业蒸汽量项目的归一化实战。2.归一化的概念归一化是一种数据处理方法，通过将数据转换为统一的度量单位或范围，使得不同来源、不同单位的数据可以在同一尺度上进行比较和分析。在蒸汽量项目中
脑瓜凉·2023-11-07 06:12

Docker网络模式_Docker常用命令_以及Docker如何给运行的镜像内容连接互联网_Docker网络模式原理---Docker工作笔记004

然后我们来看一下docker的网络模式:这个docker我们先看一下电脑上的网络,有两个,1个是lo是测试用的一个是enp0s3这个是我们以太网地址,然后我们去:安装docker安装后我们再去ipaddress可以看到多出来一个网络是docker0这里ip地址是172.17.0.1这个是私有地址外部无法访问这个命令可以查看,docker中有哪些网络,可以看到,有bridge桥接,有host直连,有
脑瓜凉·2023-11-04 12:27

人工智能基础_机器学习017_SGD随机梯度下降求解多元一次方程_以及求解多元一次方程---人工智能工作笔记0057

然后我们再来看一下X.shape这个用来显示,一个矩阵的形状,其实就是几行几列对吧然后,比如上面这个是100行,9列,其实对应我们的方程上,就是8元一次方程,w1到w8加上w0一共9列,然后有100个样本,也就是100行数据对吧然后我们来看一下我们用SGD随机梯度下降来实现一个一元一次方程importnumpyasnpimportmatplotlib.pyplotaspltX=np.random.
脑瓜凉·2023-11-04 01:02

2022-02-11

不是所有的套路都是迷路，《老秘书工作笔记》带你打开全新思路“给我一个支点，我能翘起整个地球”。这句话，是古希腊物理学家阿基米德的一句名言。这在当时被认为是一句疯话，因为大家都认为这样的支点是没有的。
己过闲谈·2023-11-03 17:40

人工智能基础_机器学习013_三种梯度下降对比_线性回归梯度下降更新公式_对梯度下降函数求偏导数_得到---人工智能工作笔记0053

这里批量梯度下降,就是用准备的所有样本数据进行梯度下降计算.然后小批量梯度下降就是使用比如我一共有500个样本,那么我从中拿出50个样本进行梯度下降计算.然后随机梯度下降,更厉害,从一共有500个样本中,随机的取一个样本进行梯度下降计算,首先我们看批量梯度下降,使用所有样本数据,可以看到是蓝色的走的比较规律,最终得到最优解然后小批量梯度下降是绿色的,可以看到因为用了一部分样本所以,走的比较乱,但是
脑瓜凉·2023-11-03 14:55

人工智能基础_机器学习015_BGD批量梯度下降代码演示_在批量梯度下降中使用逆时衰减---人工智能工作笔记0055

然后我们用代码来演示一下BGD批量梯度下降,首先启动jupyternotebook然后我们新建一个文件新建文件夹,然后新建一个python文件然后我们这里用一元一次方程进行批量梯度下降.importnumpyasnp导入数学计算包X=np.random.rand(100,1)`np.random.rand(100,1)`是NumPy库中的一个函数，用于生成一个形状为(100,1)的二维数组，其中的
脑瓜凉·2023-11-03 12:42

Git详解(仅做个人学习工作笔记使用)

转载自https://www.jianshu.com/p/15b8e6b7e3d7一、Git工作流程以上包括一些简单而常用的命令，但是先不关心这些，先来了解下面这4个专有名词。Workspace：工作区Index/Stage：暂存区Repository：仓库区（或本地仓库）Remote：远程仓库工作区程序员进行开发改动的地方，是你当前看到的，也是最新的。平常我们开发就是拷贝远程仓库中的一个分支，基
真的有神·2023-11-03 02:42

人工智能基础_机器学习006_有监督机器学习_正规方程的公式推导_最小二乘法_凸函数的判定---人工智能工作笔记0046

我们来看一下公式的推导这部分比较难一些,首先要记住公式,这个公式,不用自己理解,知道怎么用就行,比如这个(mA)T这个转置的关系要知道然后我们看这个符号就是求X的导数,X导数的转置除以X的导数,就得到单位矩阵,可以看到下面也是,各种X的导数,然后计算,得到对应的矩阵结果,这个知道就可以,到时候可以查,不用背.可以看一下高斯发现最小二乘法的故事然后我们看一下之前的目标函数,我们看如何通过这个目标函数
脑瓜凉·2023-11-02 23:08

人工智能基础_机器学习011_梯度下降概念_梯度下降步骤_函数与导函数求解最优解---人工智能工作笔记0051

然后我们来看一下梯度下降,这里先看一个叫无约束最优化问题,,值得是从一个问题的所有可能的备选方案中选最优的方案,我们的知道,我们的正态分布这里,正规的一个正态分布,还有我们的正规方程,他的这个x,是正规的,比如上面画的这个曲线,他的这个x,就是大于0的对吧,而现实生活中,我们x的值可能是各种各样的没有约束的,基于没有约束的,这个问题..我们来求导数,对y求导数得到,曲线的斜率,就叫做梯度下降继续看
脑瓜凉·2023-11-02 22:56

人工智能基础_机器学习014_BGD批量梯度下降公式更新_进一步推导_SGD随机梯度下降和MBGD小批量梯度下降公式进一步推导---人工智能工作笔记0054

然后我们先来看BGD批量梯度下降,可以看到这里,其实这个公式来源于梯度下降的公式对吧,其实就是对原始梯度下降公式求偏导以后的梯度下降公式,然后使用所有样本进行梯度下降得来的,可以看到*1/n其实就是求了一个平均数对吧.所有样本的平均数.然后我们看,我们这里*1/n那么前面还有一个eta,对吧,那么这个1/n是个常量对吧,我们下面就和eta进行了合并,可以看到,这里的eta*1/n进行合并以后,就只
脑瓜凉·2023-11-02 14:25

人工智能基础_机器学习016_BGD批量梯度下降求解多元一次方程_使用SGD随机梯度下降计算一元一次方程---人工智能工作笔记0056

然后上面我们用BGD计算了一元一次方程,那么现在我们使用BGD来进行计算多元一次方程对多元一次方程进行批量梯度下降.importnumpyasnpX=np.random.rand(100,8)首先因为是8元一次方程,我们要生成100行8列的X的数据对应x1到x8w=np.random.randint(1,10,size=(8,1))然后我们生成8行1列的数据,从1到10之间,用来做为w1到w8和X
脑瓜凉·2023-11-02 06:58

NIFI1.23.2_最新版_性能优化通用_技巧积累_使用NIFI表达式过滤表_随时更新---大数据之Nifi工作笔记0063

nifi好用,但是对机器的性能要求也高,如果性能达不到,就会导致,问题发生,比如,队列里显示有内容,但是实际上队列是空的,清也清不掉,只能重启,很麻烦.关于优化:1.配置前端页面刷新的间隔时间默认30秒,我们可以自己需要看的时候手动刷新我们改成300sec2.修改CPU阻塞时间,提高CPU利用率,根据实际情况设置吧.设置以后可以看看CPU的情况这个比如可以改成1毫秒,降低阻塞CPU时间3.如果列出
脑瓜凉·2023-11-01 20:33

人工智能基础_机器学习012_手写梯度下降代码演示_手动写代码完成梯度下降_并实现梯度下降可视化---人工智能工作笔记0052

可以看到上面我们那个公式,现在我们用梯度下降实现一下,比如我们有一堆数据,但是没有方程的情况下,我们来看一下如果计算,对应的w值也就是seta值对吧,没有方程我们可以使用梯度下降这里首先我们可以设置一个0.0001.我们知道梯度下降的公式,梯度下降刚开始的时候,下降会快,然后慢慢的,x和x-1的,间距,也就是步幅,或者说学习率会越来越小,当我们比如这里规定,当x和x-1的间距,小于0.0001的时
脑瓜凉·2023-11-01 18:26

时间都去哪了？

翻翻你的工作笔记，翻翻你零散的文字，翻翻聊天记录，翻翻账单，一篇篇博文，一件件划掉的已完成事项，每天运动时的酸痛，每天刷微博时暂时的欢快，事后的懊悔，每次跟父母的视频通话，给客人的一封封邮件，跟同事一次次的聊天
可乐妹的自我改造·2023-11-01 13:28

web前端学习/工作笔记（十）

react16.production.js:14Uncaught(inpromise)InvariantViolation:MinifiedReacterror#85;visithttps://reactjs.org/docs/error-decoder.html?invariant=85forthefullmessageorusethenon-minifieddevenvironmentforf
kiki··2023-10-31 22:01

职教笔记110217：瑞士职业教育启示

【09年前后干职业教育时，在博客上写过一些工作笔记，基本上都是体会感悟一类的东西，貌似忧国忧民，其实杞人忧天，非常粗浅，能说明的只是当初工作还算认真投入而已。
简叔老魏·2023-10-30 20:21

人工智能基础_机器学习008_使用正规方程_损失函数进行计算_一元一次和二元一次方程演示_sklearn线性回归演示---人工智能工作笔记0048

自然界很多都是正态分布的,身高,年龄,体重...但是财富不是.然后我们来看一下这个y=wx+b线性回归方程.然后我们用上面的代码演示.可以看到首先importnumpyasnp导入numby数据计算库importmatplotlib.pyplotasplt然后导入图形画的库然后:X=np.linspace(0,10,num=30).reshape(-1,1)这段代码的意思是创建一个NumPy数组，
脑瓜凉·2023-10-29 16:47

坚守心中“石油梦”

翻看张站长的工作笔记，扉页赫然写着这样一句话：“只要精神不滑坡，办法总比困难多。”这是他的座右铭，是他工作态度的真实写照。十余年的职业生涯，张站长始终不忘为油奋斗的初心，2008年
菊ling·2023-10-29 01:36

人工智能基础_机器学习007_高斯分布_概率计算_最小二乘法推导_得出损失函数---人工智能工作笔记0047

这个不分也是挺难的,但是之前有详细的,解释了,之前的文章中有,那么这里会简单提一下,然后,继续向下学习首先我们要知道高斯分布,也就是,正太分布,这个可以预测x在多少的时候,概率最大要知道在概率分布这个,高斯分布公式中,u代表平均值,然后西格玛代表标准差,知道了这两个数以后,带入正态分布的公式,可以看到就可以求出y的值来那么可以看到这里有派,还有e对吧,这两个自然界常数,拥有自然的规律....是上帝
脑瓜凉·2023-10-28 16:40

Docker部署onlyoffice工作笔记

1.检查自己的环境操作系统:centos7.7内核：3.10docker支持基础条件就是系统内核必须满足3.10或以上2.安装docker:（我用的是在线安装）通过uname-r命令查看你当前的内核版本uname-r使用root用户。yum包更新到最新。yumupdate卸载旧版本(运行一遍没啥坏处)yumremovedockerdocker-commondocker-selinuxdocker-
是苑昭阳阿·2023-10-27 18:11
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他