摘要：
C语言中的使用操作 + 宏定义时使用do while防止语句的分离, 但是不使用与需要有返回值的语句, 这个时候可以参考第二条 + 宏定义时使用({}), ()加上{}的方式, 在代码中填写逻辑算法, 最后的一条语句就是该宏定义的返回值; 在使用该宏定义时需要以";"结尾 阅读全文
posted @ 2018-08-29 17:57
gogogo11
阅读(129)
评论(0)
推荐(0)
摘要：
不仅仅是汇编 CPU中的"内存" 寄存器 常用寄存器 + AX: accumulator, 累加寄存器 + CX: counter, 计数寄存器 + DX: data, 数据寄存器 + BX: base, 基址寄存器 + SP: stack pointer, 栈指针寄存器 + BP: base po 阅读全文
posted @ 2018-08-29 17:56
gogogo11
阅读(576)
评论(0)
推荐(0)
摘要：
FileZilla下载文件失败的原因 + 对应访问的目录在服务器上没有权限下载 + 在本地没有切换到用户的家目录 阅读全文
posted @ 2018-08-29 17:54
gogogo11
阅读(234)
评论(0)
推荐(0)
摘要：
android studio Linear Layout Relative Layout 阅读全文
posted @ 2018-08-29 17:53
gogogo11
阅读(231)
评论(0)
推荐(0)
摘要：
小小的注意点们 + 交换两个变量的值时, 如果使用异或运算符, 需要先判断两个数是否相等 + 取一个数组的中间位置, 应该使用(low + high) / 2, 不适用length / 2, 目的是方便之后可能出现的函数的递归等操作 + 堆排序 对一个整数类型的数组进行升序排序 1. 原始数组即为一 阅读全文
posted @ 2018-08-29 17:52
gogogo11
阅读(150)
评论(0)
推荐(0)
摘要：
算法 大数据 + bitmap 排序 + 桶排序 + 计数排序 + 字典序 字符串 + 字符串匹配 KMP 关键是构造出一个数组, 通过该数据判断从哪一个字符开始匹配 + 字符串最长的不重复字串 滑动窗口算法, 根据 start 与 end 两个变量锁定一个窗口; 为了进一步提高字符串不重复的查找效 阅读全文
posted @ 2018-08-29 17:51
gogogo11
阅读(158)
评论(0)
推荐(0)
摘要：
BIOS 1. 除了主板上有BIOS之外, 在显卡, SCSI控制卡, 磁盘附加卡或者高级网卡也都有自己的BIOS芯片, 这些设计在主板上负责整个主板运行的BIOS, 称之为System BIOS或者Mainboard BIOS; 显卡上的BIOS称之为Video BIOS, SCSI控制卡上的BI 阅读全文
posted @ 2018-08-29 17:49
gogogo11
阅读(499)
评论(0)
推荐(0)
摘要：
MS DOS + doskey /history /reinstall /buffersize /macros doskey di=dir /w/p + defrag 磁盘碎片整理 + xcopy + deltree + md + rd + move + ren + dir /w: wide /p: 阅读全文
posted @ 2018-08-29 17:48
gogogo11
阅读(389)
评论(0)
推荐(0)
摘要：
Windows Server 2012 R2 + 历史上的Server有2003 server, 2008 server, 2012 server + windows server 2012 r2对计算机的消耗比图形化的Linux要大, 但是笔记本上使用VMware使用也没有问题 windows操作 阅读全文
posted @ 2018-08-29 17:47
gogogo11
阅读(2243)
评论(0)
推荐(0)
摘要：
Linux 操作系统必须完成的两个主要目的 + 与硬件部分交互, 为包含在硬件平台上的所有底层可编程部件提供服务 + 为运行在计算机系统上的应用程序(即所谓的用户空间)提供执行环境 一些操作系统运行所有的用户程序都直接与硬件部分进行交互, 比如典型的MS DOS。而类Unix操作系统把与计算机物理组 阅读全文
posted @ 2018-08-29 17:45
gogogo11
阅读(1564)
评论(0)
推荐(1)
摘要：
BIOS注意点 1. BIOS是通过汇编或者C语言写的, 要想调动BIOS程序提供的函数, 需要CPU运行在16位模式下, 而我们的操作系统一般是在32位或者64位运行, 所以在操作系统的启动盘中, 我们需要在16位模式下调用BIOS程序的函数通过BIOS获取一些硬件的参数信息, 接着让CPU进入到 阅读全文
posted @ 2018-08-29 17:45
gogogo11
阅读(313)
评论(0)
推荐(0)
摘要：
Python 科学工具笔记 numpy a = numpy.array([1,2,3,4]);// 创建一个numpy的数组对象 此时a.shape显示的值为(4,); 由此得出结论在一维的数组中, 数组的是列优先的 numpy.random.uniform(low, high): 产生在low和h 阅读全文
posted @ 2018-08-29 17:44
gogogo11
阅读(311)
评论(0)
推荐(0)
摘要：
pyenv + python V 显示版本 + pyenv install list 列出所有可以安装的包 + pyenv versions 显示所有的版本 + pyenv version 显示当前的版本 + pyenv install versionId 安装，如果太慢的话，则在mkdir ~/. 阅读全文
posted @ 2018-08-29 17:43
gogogo11
阅读(1318)
评论(0)
推荐(0)
摘要：
Python第三方库使用的感言加使用笔记 1. 一般来讲第三方库会提供大量的类与对象, 对象方法的返回值和库中函数的返回值一般不会是Python原始自带的对象, 而是由该第三方库提供的对象, 因为Python的开源性, 第三方库的编写风格各异, 不怎么好记忆, 如, 一般常理来说, 函数应该是动词, 阅读全文
posted @ 2018-08-29 17:43
gogogo11
阅读(544)
评论(0)
推荐(0)
摘要：
逻辑回归算法的Python实现 代码 小结 + 一般程序的开头就是调用梯度下降函数, 在该函数中调用我们之前定义好的sigmoid, model等函数, 该函数的返回结果就是我们需要的theta参数 + 对于array([1,2,3])这样矩阵, 它默认是一个列向量, 但是我们希望将他当做一个行向量 阅读全文
posted @ 2018-08-29 17:41
gogogo11
阅读(305)
评论(0)
推荐(0)
摘要：
机器学习英语 + norm: 范式 + bias: 偏见; 高偏差 + unfitting: 欠拟合 + overfitting: 过拟合 + variance: 方差 + logistic regression: 逻辑回归 + classifier: 分类器 + stratified: 分层的 + 阅读全文
posted @ 2018-08-29 17:40
gogogo11
阅读(749)
评论(0)
推荐(0)
摘要：
神经网络 特性 + 全连接 + 非线性 激活函数(保障神经网络的非线性, 在神经网络中的每一层添加一个激活函数) 类别 + Sigmod: 会出现梯度消失的现象 + RELU: 目前使用最多的激活函数, 表达式时Max(0, x) 计算过程 + 正向传输 + 反向传输 + 参数更新 + 形象一点就是 阅读全文
posted @ 2018-08-29 17:40
gogogo11
阅读(148)
评论(0)
推荐(0)
摘要：
机器学习常用函数解析 逻辑回归 from sklearn.preprocessing import StandardScaler from sklearn.linear\_model import LogisticRegression from imblearn.over_sampling impo 阅读全文
posted @ 2018-08-29 17:39
gogogo11
阅读(715)
评论(0)
推荐(0)
摘要：
机器学习常用工具 + jieba分词器 jieba.cut(content): 返回一个生成器, 迭代可以返回文本 jieba.lcut(content): 直接返回文本 jieba.cut\_for\_search(content): 搜索引擎模式 jieba.analyse extract\_t 阅读全文
posted @ 2018-08-29 17:39
gogogo11
阅读(761)
评论(0)
推荐(0)
摘要：
机器学习 K Means + 原理: 随机的再原始数据的图像中选择几个随机的点 分别以这些点为k, 也就是为中心, 对数据中其他的点的距离进行判断, 那个点里这随意的点中的一个最近, 就认为该点和随机点是同一类的 分类之后, 再从新分成的每一个堆中的再随机取出一个中心点, 重复第二步 最终, 阅读全文
posted @ 2018-08-29 17:38
gogogo11
阅读(247)
评论(0)
推荐(0)
摘要：
机器学习(二) 本文只提供机器学习整体框架 类, 方法与函数的使用请自行查看官方API 机器学习的步骤 数据采样(过采样与下采样) + 下采样: 目前不知道有第三方库实现, 自己实现的思路: 通过随机函数生成下标列表, 将下标连接在一起生成新的样本集合 + 过采样(更常用一些, 因为过采样的数据量比 阅读全文
posted @ 2018-08-29 17:38
gogogo11
阅读(218)
评论(0)
推荐(0)
摘要：
Python文本数据分析与处理(新闻摘要) 分词 + 使用jieba分词, 注意lcut只接受字符串 过滤停用词 TF IDF得到摘要信息或者使用LDA主题模型 + TF IDF有两种 jieba.analyse.extract_tags(content, topK=20, withWeight=F 阅读全文
posted @ 2018-08-29 17:37
gogogo11
阅读(13482)
评论(0)
推荐(0)
摘要：
sklearn 就是因为有了像sklearn这样的黑箱库, 我们大部分时候做的是调试算法, 比较那个算法的性能好, 这就需要熟练算法的推导过程 preprocessing模块 pandas 机器学习知识点 recall与precision + recall: 称之为查全率, 通过学习出来的算法已经得 阅读全文
posted @ 2018-08-29 17:37
gogogo11
阅读(1556)
评论(0)
推荐(0)
摘要：
数据分析 1. 提供了数据集合, 应该将他们分成两类, 一个是测试类, 一个是训练类 2. 深度学习中最难的就是特征提取 3. 并不是数据中的所有特征都有用的, 没有需要的使用DataFrame中的drop()去掉 4. one\ hot: 将string值转为int值,方便运算 pd.get\_d 阅读全文
posted @ 2018-08-29 17:37
gogogo11
阅读(143)
评论(0)
推荐(0)
摘要：
机器学习中的数学基础 微分学 + 求导数 + 求偏导数 以上两个通过公式或者使用泰勒公式进行逼近得到的 求f(x)在x0处的导数 根据泰勒公式: f(x) = f(x0) + f'(x0)(x x0) + f''(x0)(x x0)^2/2! + f'''(x0)(x x0)^3/3! + ... 阅读全文
posted @ 2018-08-29 17:36
gogogo11
阅读(252)
评论(0)
推荐(0)
摘要：
机器学习(包括监督学习, 无监督学习, 半监督学习与强化学习) 监督学习(包括分类与线性回归) 分类(标签的值为散列的"yes"或者"no", "good"或者"bad", "have"或者"don't have", 总之是bool值) 在分类中我已经将学习大致的思路讲完了, 所以下面就不会再重复了 阅读全文
posted @ 2018-08-29 17:35
gogogo11
阅读(111)
评论(0)
推荐(0)
浙公网安备 33010602011771号