aaa2222339

摘要： package com; public class RabbitApp { public static void main(String[] args) { // TODO Auto-generated method stub Rabbit r=new Rabbit(); Tortoise t=new Tortoise(); ... 阅读全文

摘要： 1.页面颜色设置页面布局-》背景 2.图片等比例缩放按住shift 3.想任意挪动图片 设置为文字环绕型 4.插入分页符后，前一页怎么改动都不会影响后一页，分节符也能实现同样效果，而且节与节之间互不影响，如果某个节的纸张方向变成横版，则其他节的纸张不会变 4.word由分节符构成。可以看左下角节的显 阅读全文

摘要： 1.模式 用户模式：基本没有什么作用，干不到什么 ：Switch>特权模式：在这里面能实现一些功能，可以参看下配置，修改部分配置 :Switch#全局模式：在这里做配置后，是对整个交换机起作用的，不是局部的。 :Switch(config)#端口模式：这里配置就是局部的，应用到端口上面的，你配置哪个 阅读全文

摘要： 1.选择event List可以迅速完成操作，而选择simulation就会一步一步地执行操作，但是如果都点了下方的Delete删了记录的话，所有的机器都是该整个流程执行完毕的结果。 阅读全文

摘要： 35.nmap 扫描指定服务器上所开启的tcp端口。 34.for 格式1： 格式2： 例子： y=的那行是判断num是否是数字：sed是对以数字开头和以数字结尾的数字扔掉 34.while 说明：计算1+2。。。。+100 34.until 循环条件成立，则终止循环。与while相反 34.服务管 阅读全文

摘要： 例子（正） 可以把这些电影看成一个一个的样本，而评价结果看成是标签，x1,x2看成是电影的特征。 符号约定 特征矩阵： 参数矩阵： 思想（正） 将问题视为一个线性回归问题，定义代价函数：（这里x有1项，θ有θ0） 利用梯度下降算法或其他高级算法更新参数： 例子（反） 若已知用户的偏好θ和评分结果，倒 阅读全文

摘要： 原始模型前提 假设所有特征均服从正态分布： 数据集划分 假定有1万个好引擎，20个坏引擎。训练集全部都是好引擎，以便训练出均值和方差。则按如下分类： 原始模型步骤 1.计算从j=1,2,3...,n的所有均值和方差： 2.选定一个可疑点x，计算： 3.判定： 评价指标 参数的确定 为了确定ε的大小或 阅读全文

摘要： 思想 通过找到一个低维平面，使得样本到该平面的投影误差最小，而这些投影形成了新的特征。比如下图： 步骤 1.对样本做feature scaling 2.将数据从n维降到k维，计算协方差矩阵（这里的x没有1项）： 利用SVD（奇异值分解）计算特征向量 我们真正需要的是U矩阵的前k列： 然后将原来的特征 阅读全文

摘要： 代价函数 定义：即每个样本到它所属类的聚类中心的距离平方和再除以m： 本质就是为了代价函数最小从而推出的算法。 步骤 1.随机选择K个聚类中心（可以随机选择k个样本点作为聚类中心），离聚类中心近的样本点被归为一类 公式表达：（i=1,2..m,Ci表示第i个样本所在的类的索引是多少） 聚类中心k的坐 阅读全文

摘要： ①公式 此处用高斯核函数计算样本x和标记向量之间的相似度，公式： ②分情况讨论 ③图像 当变化时，假定已知一个标记向量，则在空间坐标系中，核函数的图像是这样变化的： ④作用 给定n个标记向量，通过核函数利用样本分别和这n个标记向量进行计算，可以生成如下n个特征变量 通过这些个特征变量并通过某个算法学 阅读全文