E-COM-NET
首页
在线工具
Layui镜像站
SUI文档
联系我们
推荐频道
Java
PHP
C++
C
C#
Python
Ruby
go语言
Scala
Servlet
Vue
MySQL
NoSQL
Redis
CSS
Oracle
SQL Server
DB2
HBase
Http
HTML5
Spring
Ajax
Jquery
JavaScript
Json
XML
NodeJs
mybatis
Hibernate
算法
设计模式
shell
数据结构
大数据
JS
消息中间件
正则表达式
Tomcat
SQL
Nginx
Shiro
Maven
Linux
mmlab学习系列
机器
学习系列
--R语言随机森林进行生存分析(2)
随机森林(Breiman2001a)(RF)是一种非参数统计方法,需要没有关于响应的协变关系的分布假设。RF是一种强大的、非线性的技术,通过拟合一组树来稳定预测精度模型估计。随机生存森林(RSF)(Ishwaran和Kogalur,2007;Ishwaraan,Kogalur、Blackstone和Lauer(2008)是Breimans射频技术的延伸从而降低了对时间到事件数据的有效非参数分析。接
天桥下的卖艺者
·
2024-01-13 03:55
R语言
机器学习
机器学习
r语言
随机森林
Windows下面安装MMDetection图文教程
https://github.com/open-
mmlab
/mmdetection/blob/master/docs/get_started.md注意事项在安装MMDetection之前需要先将环境中的
我真的爱发明
·
2024-01-13 02:23
Java学习——字节流操作文件
系列文章目录这里是Java
学习系列
课程,点击进入http://t.csdnimg.cn/Xtkz9欢迎大家一起来学习!目录系列文章目录一、字节流是什么?
m0_7Ella
·
2024-01-12 16:06
Java学习
学习
java
intellij
idea
Odrive
学习系列
一:vscode 编译Odrive
搭建环境可参考Markerbase教程,很详细了。简单说一两点:解压ODrive-fw-v0.5.1.zip:打开ODrive-fw-v0.5.1文件夹,找到Firmware文件夹,用vscode打开该文件夹:按照以下内容操作:编译工程:打开中断(terminal),输入make-j4回车进行编译。编译成功后如下:注意:在编译前Firmware文件夹下没有build文件夹。在编译成功后将会生成bu
嘉禾天成
·
2024-01-12 07:17
MCU_32-Advanced
odrive学习
C#
学习系列
之MVVM模型
C#
学习系列
之MVVM模型文章目录C#
学习系列
之MVVM模型啰嗦MVVM是什么?MVCMVVMMVC与MVVM区别总结啰嗦需要深入了解C#/WPF相关的内容,那么大家常说的MVVM时什么?
arriettyandray
·
2024-01-11 17:30
c#
c#
学习
wpf
Linux内核
学习系列
(1)——系统调用
前言由于工作需要,个人从java栈转为了c语言栈,并需要深入学习linux内核。本系列记录一些个人学习笔记。由于Linux内核涉及内容以及知识点很多,一开始接触十分痛苦,通过反复阅读《Linux内核完全注释》一书才逐渐能够看懂源码。在理解的过程中,个人发现自上而下地探索内核,才是最适合自己的学习内核的方式。因此,本系列主要从自上而下的角度,进行笔记记录。整个系列配图及概念描述将直接引用《Linux
DaHuangXiao
·
2024-01-11 02:10
内核
linux
Kotlin
学习系列
之:使用async和await实现协程高效并发
引例:privatesuspendfunintValue1():Int{delay(1000)return1}privatesuspendfunintValue2():Int{delay(2000)return2}funmain()=runBlocking{valelapsedTime=measureTimeMillis{valvalue1=intValue1()valvalue2=intValu
xlh1191860939
·
2024-01-10 02:04
Kotlin系列教程
GO语言
学习系列
九——GO的结构(struct)与方法(method)
结构(struct)由于在GO中没有class的关键字,也就是其它语言经常在面向对象中使用的方面,但GO是通过struct结构与method方法组合来实现的面向对象概率,所以在GO中,结构是非常重要的一种语法类型在定义结构体时,和map等语言类型非常像似var结构变量struct{字段1字段1类型字段2字段2类型...}一个例子,简单介绍写定义与使用结构packagemainimport("fmt
astarblog
·
2024-01-09 08:20
【Spring Boot 源码学习】SpringApplication 的定制化介绍
SpringBoot源码
学习系列
SpringApplication的定制化介绍一、引言二、往期内容三、主要内容1.基础配置1.1设置关闭Banner1.2设置自定义Banner打印对象1.3设置应用程序主入口类
Huazie
·
2024-01-08 11:07
开发框架-Spring
Boot
spring
boot
源码学习
Spring应用类定制化介绍
基础配置
数据源配置
C++
学习系列
-- tuple 原理
一可变参数模板variadictemplate前面的章节C++
学习系列
--模板template-CSDN博客我们介绍了c++中的模板概念,本章则在其基础上介绍了新的概念可变参数模板variadictemplate
在河之洲木水
·
2024-01-08 05:10
学习
Kotlin
学习系列
——集合详解(一)
概述集合类存放的都是对象的引用,而非对象本身,出于表达上的便利,我们称集合中的对象就是指集合中对象的引用。集合的分类:Set(集)List(列表)Map(映射)在Kotlin中,明确的区分了可变和只读的集合(list,set,map等),明确的确定了集合的可读性,有助于良好的编码,以及便于Bug的规避。IterableIterable接口是最基本的接口,声明了Kotlin中集合的通用方法。funi
xk_一步一步来
·
2024-01-07 18:11
Kotlin
集合
机器
学习系列
- 9. 主成分分析法 PCA
1.主成分分析法思想及原理1.1什么是主成分分析法PCA(PrincipalComponentAnalysis),即主成分分析方法,是一种使用最广泛的数据降维算法(非监督的机器学习方法)。其最主要的用途在于“降维”,通过析取主成分显出的最大的个别差异,发现更便于人类理解的特征。也可以用来削减回归分析和聚类分析中变量的数目。1.2为什么要做主成分分析在很多场景中需要对多变量数据进行观测,在一定程度上
小蘑菇1962
·
2024-01-07 07:20
rabbitMQ 高级整合应用第四篇 消息监听适配器
RabbitMQ
学习系列
第二十二篇高级整合第四篇MessageListenerAdapterMessageListenerAdaoter:即消息监听适配器。
凯哥Java
·
2024-01-06 17:46
Java |
学习系列
Java1.8 新特性详解( 包含学习代码 )
前言:Java8已经发布很久了,很多报道表明Java8是一次重大的版本升级。在JavaCodeGeeks上已经有很多介绍Java8新特性的文章,例如PlayingwithJava8–LambdasandConcurrency、Java8DateTimeAPITutorial:LocalDateTime和AbstractClassVersusInterfaceintheJDK8Era。本文还参考了一
天上的小仙女呀
·
2024-01-06 07:44
李沐机器
学习系列
5---循环神经网络
1Introduction对于样本的分析,通过全连接层处理表格数据,通过卷积神经网络处理图像数据;第一种假设,所有数据都是独立同分布的RNN处理序列信号序列数据的更多场景1)用户使用习惯具有时间的先后性2)外推法和内插法1.1自回归模型1)自回归模型,对自己执行回归2)隐变量的自回归模型生成训练数据,1.2马尔科夫模型一个模型被称为马尔可夫模型,主要是因为它满足马尔可夫性质,也就是说,该模型中的未
expectmorata
·
2024-01-06 07:40
机器学习
rnn
人工智能
【dubbo
学习系列
】dubbo消费端的代理生成详解(@DubboReference和@Reference)
文章目录spring中dubbo实现RPC如何加载@Reference和@DubboReference注解DubboComponentScanRegistrar概括发现@Refrence和@DubboReference注解,并编织RPC通信逻辑ReferenceAnnotationBeanPostProcessor(核心)@Reference@DubboReference@Reference和@D
唐芬奇
·
2024-01-06 05:52
dubbo
java
dubbo
C++
学习系列
-- using关键字
一概述c++11中新引入了关键字using二using关键字的用处1.usingnamespace与usingnamespacemember#include#includeintmain(){usingnamespacestd;vectorvec={1,2,3};usingstd::list;listli={1,2,3};return0;}2.aliastype与aliastemplate#inc
在河之洲木水
·
2024-01-05 13:53
c++
学习
开发语言
Docker网络上篇-网络介绍
本系列教程直通车直通车,本系列教程已发布文章,快速到达,《Docker
学习系列
》教程已经发布的内容如下:【图文教程】Windows11下安装DockerD
凯哥Java
·
2024-01-05 13:41
【Python机器
学习系列
】建立逻辑回归模型预测心脏疾病(完整实现过程)
一文彻底搞懂机器学习中的归一化与反归一化问题【Python机器
学习系列
】一文彻底搞懂机器学习中表格数据的输入形式(理论+源码)【Python特征工程系列】利用随机森林模型
数据杂坛
·
2024-01-05 12:22
机器学习
机器学习
python
逻辑回归
【Python机器
学习系列
】建立支持向量机模型预测心脏疾病(完整实现过程)
一文彻底搞懂机器学习中的归一化与反归一化问题【Python机器
学习系列
】一文彻底搞懂机器学习中表格数据的输入形式(理论+源码)【Python特征工程系列】利用随机森林模型
数据杂坛
·
2024-01-05 12:47
机器学习
机器学习
支持向量机
python
EasyExcel
学习系列
笔记(1)--easyexcel 样式设置
packagecom.zjm.gwork.utils.myEasyExcel;importcom.alibaba.excel.write.metadata.style.WriteCellStyle;importcom.alibaba.excel.write.metadata.style.WriteFont;importcom.alibaba.excel.write.style.Horizontal
幸福巡礼
·
2024-01-05 08:14
李沐机器
学习系列
4---全连接层到卷积
1从全连接到卷积1.1平移不变性从概率分布的角度来看卷积的定义,f(τ)f(\tau)f(τ)是概率密度,g(t−τ)g(t-\tau)g(t−τ)是在这个分布下的均值(f∗g)(t)=∫−∞∞f(τ)g(t−τ)dτ(f*g)(t)=\int_{-\infin}^{\infin}f(\tau)g(t-\tau)d\tau(f∗g)(t)=∫−∞∞f(τ)g(t−τ)dτ2图像卷积2.1互相关运算
expectmorata
·
2024-01-05 08:01
机器学习
深度学习
神经网络
李沐机器
学习系列
1--- 线性规划
1Introduction1.1线性回归函数典型的线性回归函数f(x)=w⃗⋅x⃗f(x)=\vec{w}\cdot\vec{x}f(x)=w⋅x现实生活中,简单的线性回归问题很少,这里有一个简单的线性回归问题。房子的价格和房子的面积以及房子的年龄假设成线性关系。price=warea∗area+wage+bprice=w_{area}*area+w_{age}+bprice=warea∗area
expectmorata
·
2024-01-04 12:53
机器学习
人工智能
李沐机器
学习系列
3---深度学习计算
1层和块1.1定义块用class表示层,并只需要实现构造函数和前向传播函数classMLP(nn.Module):#用模型参数声明层。这里,我们声明两个全连接的层def__init__(self):#调用MLP的父类Module的构造函数来执行必要的初始化。#这样,在类实例化时也可以指定其他函数参数,例如模型参数params(稍后将介绍)super().__init__()self.hidden=
expectmorata
·
2024-01-04 12:53
机器学习
深度学习
人工智能
李沐机器
学习系列
2--- mlp
1IntroductionLP中有一个很强的假设,输入和输出是线性关系,这一般是不符合事实的。通过几何的方式去对信息进行理解和压缩是比较高效的,MLP可以表示成下面的形式。1.1从线性到非线性X∈Rn×dX\inR^{n\timesd}X∈Rn×d表示输入层,有n个样本,d个特征。H∈Rn×hH\inR^{n\timesh}H∈Rn×h表述隐藏层的输出,有h个输出;W(1)∈Rd×hW^{(1)}
expectmorata
·
2024-01-04 11:45
机器学习
人工智能
云原生
学习系列
之基础环境准备(单节点安装kubernetes)
一、环境要求操作系统CentOS7.x-86_x64硬件配置:内存2GB或2G+,CPU2核或CPU2核+,需要在虚拟机中提前设置好,不然后续会报错二、系统初始化1、设置主机名#在master节点执行hostnamectlset-hostnamemaster012、配置主机和IP映射,注意IP换成自己的cat>>/etc/hosts/etc/sysctl.d/kubernetes.conf/etc
shanshan3003
·
2024-01-04 07:20
云原生
学习
kubernetes
云原生
学习系列
之基础环境准备(虚拟机搭建)
最近由于工作需要开始学习云原生相关内容,为方便学习操作,准备在外网搭建自己的环境,然后进行相关的练习,搭建环境的第一步便是虚拟机的安装。基础软件这里我用到的是CentOS-7-x86_64的操作系统。链接:https://pan.baidu.com/s/1WqBlPY-kr55NAkZs96wvwQ?pwd=abcd提取码:abcd安装虚拟机少不了VMware链接:https://pan.baid
shanshan3003
·
2024-01-03 07:47
云原生
vmware
ChatGPT
学习系列
教程(一)—chatGPT简介
一、ChatGPT介绍ChatGPT是一种基于GPT(GenerativePre-trainTransformer)模型的大型语言模型,由OpenAI公司开发。它是目前世界上最先进的自然语言处理技术之一。二、ChatGPT发展历程ChatGPT是美国人工智能研究实验室OpenAI在2023年11月30日推出的一款人工智能技术驱动的语言模型应用。以下是ChatGPT的发展历程:三、ChatGPT的主
huazi99
·
2024-01-03 01:23
chatgpt
学习
gradle
Gradle
学习系列
之一——Gradle快速入门-无知者云-博客园Gradle学习总结——根本上看透AndroidStudio构建-
味123
·
2024-01-02 01:34
VUE3.0
学习系列
随笔(五):自定义组件使用
VUE3.0
学习系列
随笔(五):自定义组件使用VUE2.0和VUE3.0虽然在工程目录结构上存在较大差异,但是具体的代码实现逻辑相同,本文所使用的自定义组件方法,同样适用于VUE2.0。
一方通行00
·
2024-01-01 21:27
VUE3.0学习随笔
VUE2.0学习随笔
vue
html
html5
【深度学习】第一章:深度学习的入坑线路
所以在写深度
学习系列
文章之前,我觉得非常有必要先把深度学习的整个框架展示一下。这是我自己跌跌撞撞走了很多弯路,才略知一二
宝贝儿好
·
2024-01-01 12:26
深度学习
人工智能
HTML+JS好例子集锦
基础知识参见HTML5+CSS入门与提高
学习系列
https://blog.csdn.net/cnds123/artic
软件技术爱好者
·
2024-01-01 04:25
JavaScrip技术
HTML5与CSS3
html
javascript
前端
MAML 源代码解释说明 (一)
元
学习系列
文章optimizationbasedmeta-learning《Model-AgnosticMeta-LearningforFastAdaptationofDeepNetworks》论文翻译笔记元学习方向
田小成plus
·
2023-12-31 23:30
meta-learning
深度学习
元学习
人工智能
【Python机器
学习系列
】一文带你了解机器学习中的Pipeline管道机制(理论+源码)
一、引言对于表格数据,一套完整的机器学习建模流程如下:背景知识1:机器学习中的学习器【Python机器
学习系列
】一文搞懂机器学习中的转换器和估计器(附案例)背景知识2:机器学习中的管道机制简介:转换器用于数据的预处理和特征工程
数据杂坛
·
2023-12-31 14:36
机器学习
python
机器学习
开发语言
【vim
学习系列
文章 3.1 -- vim 删除 ^M】
请阅读【嵌入式开发学习必备专栏之VIM专栏】文章目录^M来源^M删除^M来源在Vim中打开文件时,您可能会遇到行尾的^M字符,这通常是因为文件使用了Windows风格的回车换行符(CRLF),而不是Unix/Linux风格的换行符(LF)。在Vim中,^M实际上是回车符(CarriageReturn,CR)的可见表示。^M删除为了删除所有行尾的^M字符,您可以使用Vim的替换命令::%s/\r$/
CodingCos
·
2023-12-31 13:55
#
vim
学习系列文章
vim
学习
编辑器
vim
删除
M
计算机视觉 全教程目录
图像处理框架实战系列总目录2、现代卷积网络实战系列总目录现代卷积网络实战系列总目录3、YOLO物体检测系列教程总目录YOLO物体检测系列教程总目录4、图像分割实战-系列教程总目录图像分割实战-系列教程总目录5、
MMLAB
机器学习杨卓越
·
2023-12-31 12:22
计算机视觉
人工智能
机器
学习系列
- 3. 数据预处理
一.KNN优缺点及KD-Tree1)KNN优缺点:KNN的主要优点有:理论成熟,思想简单,既可以用来做分类也可以用来做回归天然解决多分类问题,也可用于回归问题和朴素贝叶斯之类的算法比,对数据没有假设,准确度高,对异常点不敏感由于KNN方法主要靠周围有限的邻近的样本,而不是靠判别类域的方法来确定所属类别的,因此对于类域的交叉或重叠较多的待分样本集来说,KNN方法较其他方法更为适合KNN的主要缺点有:
小蘑菇1962
·
2023-12-31 07:31
机器
学习系列
11:减少过拟合——L1、L2正则化
如果我们注意到模型在训练集上的表现明显优于模型在测试集上的表现,那么这就是模型过拟合了,也称为highvariance。产生的过拟合的原因是对于给定的训练集数据来说,模型太复杂了。有几种可以减少过拟合的方法:收集更多的训练数据(通常可行性不大)通过正则化引入对模型复杂度的惩罚选择一个含有较少参数的简单模型减少数据的维度假设模型的参数是向量w,那么L1和L2正则化的定义如下。L1正则化通常会产生更稀
加百力
·
2023-12-30 18:04
深度学习
机器学习
深度学习
人工智能
2019-12-29 mmdetection 入坑指南
1.环境python3.72.安装指导,缺少对nccl的安装指导https://github.com/open-
mmlab
/mmdetection/blob/master/docs/INSTALL.md3
Joyner2018
·
2023-12-30 18:19
机器
学习系列
06:决策树
如果你很关心模型的可解释性,那么决策树(DecisionTree)算法当之无愧为首选。决策树算法如何工作套用西瓜书上的一个图来说明决策树算法是如何工作的:我们挑选西瓜时,都会考虑西瓜脐部、色泽、根蒂以及敲一敲听声音等因素(特征),决策树就是对这些考虑因素进行逐个拆解,从而判断西瓜(样本)是好瓜还是坏瓜(类别)。从上面来看,这些特征好像都是离散型的,对于Iris数据集中数值特征来说,我们可以设定一个
加百力
·
2023-12-30 07:00
深度学习
机器学习
决策树
人工智能
机器
学习系列
13:通过随机森林获取特征重要性
你可能需要参考:《机器
学习系列
06:决策树》这种方法无需对特征做归一化或者标准化预处理,也不假设数据集是否线性可分。以红酒数据集为例。我们可以直接通过feature_impor
加百力
·
2023-12-30 07:58
深度学习
机器学习
随机森林
人工智能
机器
学习系列
12:减少过拟合——降维(特征选择)
对于不支持正则化的模型来说,我们可以通过降低数据的特征维度来减小模型复杂度,从而避免过拟合。有两种降维方法:特征选择(featureselection):从原始特征集中选择一部分特征子集。特征抽取(featureextraction):从现有的特征集中抽取信息形成新的特征空间。顺序特征选择是一种贪心算法,它通过自动选择与问题最相关的特征子集来提升计算效率,剔除不相关的特征或噪声数据来降低模型泛化误
加百力
·
2023-12-30 07:32
深度学习
机器学习
人工智能
机器
学习系列
10:数据预处理——特征缩放
这里我们要换使用UCI上面的红酒数据集了。下载地址:https://archive.ics.uci.edu/dataset/109/wine这个数据集含有三种不同的红酒,共178个样本,每个样本由13个不同化学属性。我们首先将数据集分层采样划分70%出来作为训练集,剩余30%用作测试集。特征缩放(featurescaling)是数据预处理步骤中及其容易被忽略的一步。除了决策树和随机森林这两种不需要
加百力
·
2023-12-30 07:02
深度学习
机器学习
人工智能
VarifocalNet: An IoU-aware Dense Object Detector(CVPR 2021)原理与代码解析
//github.com/hyz-xmaster/VarifocalNetthird-partyimplementation:mmdetection/vfnet_head.pyatmain·open-
mmlab
00000cj
·
2023-12-29 19:05
Object
Detection
深度学习
人工智能
目标检测
varifocal
loss
计算机视觉
PP-YOLOE论文解读
PaddlePaddle/PaddleDetection/tree/release/2.7/configs/ppyoloethird-partyimplementation:https://github.com/open-
mmlab
00000cj
·
2023-12-29 19:32
Object
Detection
YOLO
深度学习
计算机视觉
目标检测
YOLO
Open3D
学习系列
一:轻松安装Open3D
文章目录前言python安装安装步骤常见问题及解决方案c++安装安装步骤常见问题及解决方案总结前言欢迎来到“Open3D学习”系列的第一篇文章:“轻松安装Open3D”。在这个系列中,我们将一起深入探索Open3D——一个强大的、开源的三维数据处理库,它正在逐渐成为三维视觉和图形领域的热门工具。Open3D提供了丰富的功能,包括点云处理、三维重建、几何学分析和三维数据可视化等。无论您是一名研究人员
梦想的理由
·
2023-12-29 18:04
Open3d
c++
python
学习
c++
3d
算法
学习系列
(十四):并查集
目录引言一、并查集概念二、并查集模板三、例题1.合并集合2.连通块中点的数量引言这个并查集以代码短小并且精悍的特点,在算法竞赛和面试中特别容易出,对于面试而言,肯定不会让你去写一两百行的代码,一般出的都是那种比较短的,而且还不好想考验思维的那种题,那并查集就将这两点全占了,所以重要性很大,而且竞赛的话也就是将多个知识点合并起来考察,这个也很可能成为一个点,所以话不多说就开始吧。一、并查集概念并查集
lijiachang030718
·
2023-12-29 02:21
算法
算法
学习
图论
算法
学习系列
(十三):Trie树
目录引言一、Trie概念二、Trie树模板三、例题引言这个Trie还是比较有用的,主要的功能就是高效的存储和查找字符串的数据结构。一、Trie概念假设这个Trie只存储小写字母的话:这个大概就是这么个概念,就是头结点是0号,然后每个结点都可以有26个儿子,然后每个儿子又有它们的儿子插入操作:先看0号结点的儿子有没有插入字符串的第一个字符,如果有那就进入下一个结点,如果没有那就创造出来,然后进入下一
lijiachang030718
·
2023-12-29 02:51
算法
算法
学习
算法
学习系列
(十五):最小堆、堆排序
目录引言一、最小堆概念二、堆排序模板(最小堆)三、模拟堆引言这个堆排序的话,考的还挺多的,主要是构建最小堆,并且在很多情况下某些东西还用得着它来优化,比如说迪杰斯特拉算法可以用最小堆优化,然后面试和考研用的也是挺多的,总之开始吧。一、最小堆概念本文只讲述最小堆,其一这个用的最多,而且跟最大堆来说其实都是差不多的,就一个小于一个大于最小堆:首先是一个完全二叉树,然后每个结点都小于或等于其两个儿子,性
lijiachang030718
·
2023-12-29 02:18
算法
算法
学习
gRPC学习之一:在CentOS7部署和设置GO
Docker、Kubernetes、DevOPS等;关于《gRPC学习》系列《gRPC学习》是欣宸最新创作的实战风格原创,旨在通过一系列实战操作与读者一同掌握基于golang的gRPC开发基础知识;gRPC
学习系列
文章链接在
程序员欣宸
·
2023-12-28 21:01
上一页
1
2
3
4
5
6
7
8
下一页
按字母分类:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他