qqfq

摘要： 使用配置： 1.傻瓜式安装VMware 2.创建一台虚拟机 3.克隆多台虚拟机以实现集群 4.对每个虚拟机分配内存 5.修改主机名+配置ip： 6.配置主机名映射（修改host文件）： 7.使用FinalShell（用于连接vmware，可复制粘贴命令） 主机填刚刚填的主机名： 8.配置SSH免密登 阅读全文

摘要： 预处理： 1.归一化：（当前值-最小值）/（最大值-最小值） 2.标准化： 模型拟合： 1.过拟合：数据量较多模型复杂，学到了些脏的内容（在训练集表现良好，测试集表现不好） 2.欠拟合：数据量少模型简单，无法做出预测（在训练和测试集都表现不好） 3.拟合：（在训练集和测试集均表现良好） 阅读全文

摘要： 1.获取数据 获取经验数据 图像数据 文本数据 2.数据基本处理 数据缺失值处理：删或填（平均值/中位数） 异常值处理 3。特征工程 特征提取：从原始数据中提取与任务相关的特征，会改变原数据 特征预处理:因量纲问题有些对模型影响大有些影响小 特征降维 特征选取 特征组合 4.机器学习 线性回归 逻辑 阅读全文

摘要： 有监督： 1.分类问题：目标值（标签）连续不连续，离散 2.回归问题：目标值（标签）连续 无监督： 聚类 半监督： 1.纯半监督 2.直推学习（与半监督的区别在于半监督是用有题目及答案的样本做出没标签的，但目的不是求没标签的，是求另一套卷子。直推则是将你要求的卷子放进去，目的是求出这些没答案的标签） 阅读全文

摘要： ai，ml（机器学习），dl（深度学习）关系： 都是前者包含后者的关系 ai的期望：用计算机模拟人脑，让计算机像人一样思考行动，来辅助人处理事件 学习方式： 1.基于规则学习 2.基于模型的学习：从数据中自动学习规律 如y=ax+b中，a为权重，b为偏置 阅读全文

摘要： 1.样本：一条数据 2.特征：要分析的字段 3.标签：要的结果 4.训练集：模型训练时的集合 5.测试集：测试模型的集合 算法分类： 1.有监督学习：有特征有标签 2.无监督学习：有特征无标签 （注：监督指是否有数据能验证机器的学习结果，相当于考试对答案） 3.半监督：少量有标签大量无标签（部分有答 阅读全文

摘要： 默认扫描范围是启动类所在包以及所有子包，如果需要扫描外部其他包，需要在启动类 ComponentScan 注解中手动指定扫描包路径。 阅读全文

摘要： 飞书设计卡片回调 添加机器人 添加权限 添加事件 阅读全文

摘要： spring.factories 文件是 spring 自定义的 spi 实现，通过键值对的方式记录接口与对应实现类，项目启动时读取文件批量加载配置类，是 springboot 实现自动配置的核心底层机制。 阅读全文

摘要： 1·ConditionalOnClass，项目类路径存在指定类时配置生效；ConditionalOnMissingBean，容器内不存在对应 bean 才自动创建，方便开发者自定义组件覆盖默认配置；ConditionalOnProperty，配置文件存在指定属性才开启配置；ConditionalOn 阅读全文