摘要：
Rpc接口 request 实现Serializable接口，实例化数据 继承BaseAmsRequest类，封装操作人 参数要带上@ApiModelProperty，说明参数的含义 对于Long、Integer等类型的参数，使用@NotNull限制非空，使用@Min和@Max限制最小值和最大值 对 阅读全文
摘要：
功能 virtualenv可以创建一个python虚拟环境 安装 pip install virtualenv 创建一个python环境env virtualenv env 激活虚拟环境 source env/bin/activate 退出虚拟环境 deactivate 参数 --python 指明 阅读全文
摘要：
将二分查找问题分为两种情况讨论，一种是有序序列中不存在重复元组，另一种是有序序列中存在重复元素 一、不存在重复元素 分为三种情况讨论，>=（大于或者等于）、>（大于）和<=（小于或者等于） 有序序列为{1, 3, 4, 5, 7, 8, 9, 10, 12} 大于或者等于target 可以用lowe 阅读全文
摘要：
创建环境 conda create -n env python=3.6 env是环境名，后面的python=3.6用来指定python的版本，也可以不加 激活anaconda环境 source activate 激活python环境 conda activate env env指的是要激活的pyth 阅读全文
摘要：
介绍 argparse 是 Python 内置的一个用于命令项选项与参数解析的模块，通过在程序中定义好需要的参数，argparse 将会从 sys.argv 中解析出这些参数，并自动生成帮助和使用信息。 使用步骤 import argparse # 导入模板 parser = argparse.Ar 阅读全文
摘要：
生成式对抗网络介绍 生成对抗网络（GAN）最初被提议用于在连续空间中生成样本，例如图像。 GAN 网络由两部分组成，生成器和判别器。 生成器接受噪声输入并输出图像。 鉴别器是一个分类器，它将图像分类为“真”（来自真实数据集）或“假”（由生成器生成）。 在训练 GAN 时，生成器和判别器是在做极小极大 阅读全文
摘要：
问题提出 针对链接预测任务，先前的工作倾向于使用浅层和简单的模型，如翻译模型和双线性模型，但存在表现力差的问题；为了增加模型的表现力，产生了更加深层和复杂模型，如神经网络架构，但容易过拟合。 接着作者引入了ConvE模型，相对于之间的模型，ConvE模型的优点是表现力强、参数效率高，但仍存在问题，C 阅读全文
摘要：
为什么需要maven 解决jar包之间的冲突 jar包之间的依赖关系 获取第三方jar包更方便 将项目拆分为多个工程模板 实现项目的分布式部署 自动化构建工具 清理→编译→测试→报告→打包→安装→部署 maven的核心概念 POM（项目对象模型） 约定的目录结构 坐标（groupId、artifac 阅读全文
摘要：
概述 机器学习是人工智能AI的一个分支，包括决策树、分类、聚类、贝叶斯学习、深度学习和神经网络等方面的研究。通过机器学习，我们可以从大量数据中挖掘出潜在的规律，并用于分析和预测。机器学习就是学习过程中尽量找到一个能够模拟真实情况的模型，即目标函数。输入是样本数据，输出是期望的结果，我们寄希望于建立的 阅读全文
摘要：
拟合与插值的不同 与插值问题不同，在拟合问题中不需要曲线一定经过给定的点。拟合问题的目标是寻求一个函数（曲线），使得该曲线在某种准则下与所有的数据点最为接近，即曲线拟合的最好（最小化损失函数）。 拟合的步骤 首先，我们需要绘制散点图，观察点的走向，选择合适的函数进行拟合 这里我们选用一元函数 y=k 阅读全文
摘要：
一、插值的定义 在离散数据的基础上补插连续函数，使得这条连续曲线通过全部给定的离散数据点。插值的目的是为了补齐样本数据或者对未来的数据进行预测。 一维插值问题的定义如下： 二、多项式插值 构造f(x)，使得f(x)满足以下形式： 即为多项式插值。 解决多项式插值的方法有拉格朗日插值法和牛顿插值法。 阅读全文
摘要：
一、熵权法介绍 熵权法是一种客观赋权方法，其基本思路是根据指标变异性的大小来确定客观权重。 依据的原理：指标的变异程度越小，所反映的信息量也越少，其对应的权值也应该越低。 二、熵权法步骤 （1）对数据进行预处理 假设有n个要评价的对象，m个评价指标（已经正向化）构成的正向化矩阵如下： 对数据进行标准 阅读全文
摘要：
一、模型介绍 灰色关联分析的基本思想是根据序列曲线的几何形状的相似程度来判断其联系是否紧密。曲线越接近，相应序列之间的关联度就越大，反之就越小。 灰色关联分析有两个应用。一是可以用来进行系统分析，分析每个因素对结果的影响程度；二是用来解决随时间变化的综合评价类问题。 二、基本步骤 （1）确定分析数列 阅读全文
摘要：
一、模型介绍 TOPSIS 法是一种常用的综合评价方法，其能充分利用原始数据的信息，其结果能精确地反映各评价方案之间的差距。 基本过程为先将原始数据矩阵统一指标类型（一般正向化处理）得到正向化的矩阵，再对正向化的矩阵进行标准化处理以消除各指标量纲的影响，并找到有限方案中的最优方案和最劣方案，然后分别 阅读全文
摘要：
1、新建脚本，是指新建一个以.m结尾的文件 2、语句后加分号表示不显示运行结果 3、多行注释 Ctrl+R 取消注释 Ctrl+T 4、clear 清除工作区所有变量 clc 清空命令行窗口 clear:clc 初始化 5、disp 输出函数 用法：disp("输出内容")； input 输入函数 阅读全文