摘要：口罩预约管理系统（系统网站）基本功能实现，结合前端基础、后端PHP和MySQL数据库实现。基于上一篇设计地数据库，开始搭建口罩预约管理系统，实现基本需求功能！ 阅读全文
摘要：口罩预约管理系统（数据库设计）基本功能实现，如何结合前端基础、后端PHP和MySQL数据库实现呢？手把手教你设计数据库，搭建口罩预约管理系统，实现基本需求功能！ 阅读全文
摘要：购书+阅读静态网页设计与实现，纯HTML+CSS+Javascript，基本实现网站经典功能：图片轮播切换、点击切换、表单登录验证、用户浏览网站时长计算、鼠标点击提示、加载提示，体验前端开发的过程，小白入门前端开发案例详细步骤。 阅读全文
摘要：隐马尔可夫模型(HMM)，熟悉又陌生的名字，给人一种很神秘高深的感觉，而其原理来源于概率论统计学知识，包括了条件概率、贝叶斯公式、概率分布函数。这一篇将探索HMM三个基本问题的解决方案：估计问题、序列问题、参数估计。 阅读全文
摘要：玩转Linux编程，这篇记录总结学习，理解进程间通信机制，进程的执行顺序和关系，同步互斥问题。Linux系统调用函数的认识和使用更进一步掌握相关Linux知识。 阅读全文
摘要：Linux 是一个分时、多用户、多任务的操作系统。它具有精简的核心。linux 提供两种用户界面：一种是交互命令，即用户在终端上通过使用命令交互调用核外程序；另一种是系统调用，即用户编写程序时通过使用 C 语言的函数调用来调用系统核心功能。 阅读全文
摘要：隐马尔可夫模型HMM学习记录，这一章从概率图模型开始，学习常见的图模型具体的原理以及实现算法，包括了有向图模型：贝叶斯网络(BN)、（隐）马尔可夫模型(MM/HMM)，无向图模型：马尔可夫网络(MN)、条件随机场(CRF)。学习前提条件需要一定的概率论与数理统计知识，里面许多方法都是概率统计知识。 阅读全文
摘要：基于sklearn的线性判别分析(LDA)代码实现 一、前言及回顾 本文记录使用sklearn库实现有监督的数据降维技术——线性判别分析（LDA）。在上一篇LDA线性判别分析原理及python应用（葡萄酒案例分析），我们通过详细的步骤理解LDA内部逻辑实现原理，能够更好地掌握线性判别分析的内部机制。 阅读全文
摘要：目录 线性判别分析（LDA）数据降维及案例实战 一、LDA是什么 二、计算散布矩阵 三、线性判别式及特征选择 四、样本数据降维投影 五、完整代码 结语 一、LDA是什么 LDA概念及与PCA区别 LDA线性判别分析（Linear Discriminant Analysis）也是一种特征提取、数据压缩 阅读全文
摘要：运用sklearn进行主成分分析(PCA)代码实现 一、前言及回顾 二、sklearn的PCA类介绍 三、分类结果区域可视化函数 四、10行代码完成葡萄酒数据集分类 五、完整代码 六、总结 一、前言及回顾 从上一篇《PCA数据降维原理及python应用（葡萄酒案例分析）》，我们知道，主成分分析PCA 阅读全文
摘要：目录 主成分分析（PCA）——以葡萄酒数据集分类为例 1、认识PCA （1）简介 （2）方法步骤 2、提取主成分 3、主成分方差可视化 4、特征变换 5、数据分类结果 6、完整代码 总结： 1、认识PCA （1）简介 数据降维的一种方法是通过特征提取实现，主成分分析PCA就是一种无监督数据压缩技术， 阅读全文
摘要：本文记录刚接触Android开发搭建环境后新建工程各种可能的报错，并亲身经历漫长的解决过程(╥╯^╰╥)，寻找各种偏方，避免大家采坑，希望能帮助到大家。 报错信息 出错一：The import android.support cannot be resolved类型解决 出错二：android.su 阅读全文
摘要：深度学习模型的调优，首先需要对各方面进行评估，主要包括定义函数、模型在训练集和测试集拟合效果、交叉验证、激活函数和优化算法的选择等。 那如何对我们自己的模型进行判断呢？——通过模型训练跑代码，我们可以分别从训练集和测试集上看到这个模型造成的损失大小（loss），还有它的精确率（accuracy）。 阅读全文
摘要：前言 今天记录一下深度学习的另外一个入门项目——《mnist数据集手写数字识别》，这是一个入门必备的学习案例，主要使用了tensorflow下的keras网络结构的Sequential模型，常用层的Dense全连接层、Activation激活层和Reshape层。还有其他方法训练手写数字识别模型，可 阅读全文
摘要：熵是一个很常见的名词，在物理上有重要的评估意义，自然语言处理的预备知识中，熵作为信息论的基本和重点知识，在这里我来记录一下学习的总结，并以此与大家分享。 信息论基本知识 1、熵 2、联和熵与条件熵 3、互信息 4、交叉熵与相对熵 5、困惑度 6、总结 1、熵 熵也被称为自信息，描述一个随机变量的不确 阅读全文
摘要：2020 年百度之星·程序设计大赛 - 初赛三解题思路及代码（Discount、Game、Permutation） 1、Discount Problem Description学皇来到了一个餐馆吃饭。他觉得这家餐馆很好吃，于是就想办个会员。一共有 nn 种会员充值卡套餐，假设学皇这餐饭的消费为 a 阅读全文
摘要：2020年百度之星程序设计大赛-初赛二前两题解答代码思路Poker Problem Description小沃沃在玩一个有趣的游戏。初始他有 n 块钱，每一轮他需要投入至少 m 块钱，系统会拿走其中 p% 的钱，并把剩下的钱还给他。请问在最优情况下，小沃沃最多可以玩多少轮？假设当前一轮小沃沃投入了 阅读全文
摘要：文章目录 一、项目背景 二、数据处理 1、标签与特征分离 2、数据可视化 3、训练集和测试集 三、模型搭建 四、模型训练 五、完整代码 一、项目背景数据集cnn_train.csv包含人类面部表情的图片的label和feature。在这里，面部表情识别相当于一个分类问题，共有7个类别。其中label 阅读全文
摘要：期末考试的这一道实验题目具体要求如下： 搭建一个包含5个路由器、两个交换机和3个PC机的连通网络，网络拓扑结构自定，网络IP地址，子网掩码等信息自定， 最后实现3个PC机互通。要求：1）3个PC机要分别连接在不同的路由器下2）使用OSPF路由协议实现下面分为3步来完成实验： 文章目录 1、网络规划 阅读全文
摘要：学习python,机器学习（maching-lerning）、深度学习（deep-learning）等概念也是耳熟能详。我最近从新手开始学习maching-learning知识，不过课程偏向基本的理论知识，所以有时感觉枯燥无味，于是我试着实践代码，对于从零开始的小白来说，理论到实践要解决的第一个问题 阅读全文
摘要：口罩预约管理系统（系统网站）基本功能实现，结合前端基础、后端PHP和MySQL数据库实现。基于上一篇设计地数据库，开始搭建口罩预约管理系统，实现基本需求功能！ 阅读全文
摘要：口罩预约管理系统（数据库设计）基本功能实现，如何结合前端基础、后端PHP和MySQL数据库实现呢？手把手教你设计数据库，搭建口罩预约管理系统，实现基本需求功能！ 阅读全文
摘要：购书+阅读静态网页设计与实现，纯HTML+CSS+Javascript，基本实现网站经典功能：图片轮播切换、点击切换、表单登录验证、用户浏览网站时长计算、鼠标点击提示、加载提示，体验前端开发的过程，小白入门前端开发案例详细步骤。 阅读全文
摘要：隐马尔可夫模型(HMM)，熟悉又陌生的名字，给人一种很神秘高深的感觉，而其原理来源于概率论统计学知识，包括了条件概率、贝叶斯公式、概率分布函数。这一篇将探索HMM三个基本问题的解决方案：估计问题、序列问题、参数估计。 阅读全文
摘要：玩转Linux编程，这篇记录总结学习，理解进程间通信机制，进程的执行顺序和关系，同步互斥问题。Linux系统调用函数的认识和使用更进一步掌握相关Linux知识。 阅读全文
摘要：Linux 是一个分时、多用户、多任务的操作系统。它具有精简的核心。linux 提供两种用户界面：一种是交互命令，即用户在终端上通过使用命令交互调用核外程序；另一种是系统调用，即用户编写程序时通过使用 C 语言的函数调用来调用系统核心功能。 阅读全文
摘要：隐马尔可夫模型HMM学习记录，这一章从概率图模型开始，学习常见的图模型具体的原理以及实现算法，包括了有向图模型：贝叶斯网络(BN)、（隐）马尔可夫模型(MM/HMM)，无向图模型：马尔可夫网络(MN)、条件随机场(CRF)。学习前提条件需要一定的概率论与数理统计知识，里面许多方法都是概率统计知识。 阅读全文
摘要：基于sklearn的线性判别分析(LDA)代码实现 一、前言及回顾 本文记录使用sklearn库实现有监督的数据降维技术——线性判别分析（LDA）。在上一篇LDA线性判别分析原理及python应用（葡萄酒案例分析），我们通过详细的步骤理解LDA内部逻辑实现原理，能够更好地掌握线性判别分析的内部机制。 阅读全文
摘要：目录 线性判别分析（LDA）数据降维及案例实战 一、LDA是什么 二、计算散布矩阵 三、线性判别式及特征选择 四、样本数据降维投影 五、完整代码 结语 一、LDA是什么 LDA概念及与PCA区别 LDA线性判别分析（Linear Discriminant Analysis）也是一种特征提取、数据压缩 阅读全文
摘要：运用sklearn进行主成分分析(PCA)代码实现 一、前言及回顾 二、sklearn的PCA类介绍 三、分类结果区域可视化函数 四、10行代码完成葡萄酒数据集分类 五、完整代码 六、总结 一、前言及回顾 从上一篇《PCA数据降维原理及python应用（葡萄酒案例分析）》，我们知道，主成分分析PCA 阅读全文