习之

内容渲染 采用 ：进行属性渲染 创建 demo3.html,内容如下 效果展示

        最近，在了解机器学习相关的数学知识，包括线性代数和概率论的知识，今天，回顾了概率论的知识，贴上几张其他博客的关于概率论的图片，记录学习过程。                            

常见对象(Scanner的概述和方法介绍)(掌握) A:Scanner的概述 B:Scanner的构造方法原理 Scanner(InputStream source) System类下有一个静态的字段： public static final InputStream in; 标准的输入流，对应着键盘录入。 C:一般方法 hasNextXxx() 判断是否还有下一个输入项,其中Xxx可以是Int,Double等。如果需

目录 第1关：什么是决策树 第2关：信息熵与信息增益 第3关：使用ID3算法构建决策树 第4关：信息增益率 第5关：基尼系数 第6关：预剪枝与后剪枝 第7关：鸢尾花识别 第1关：什么是决策树 1、下列说法正确的是？（AB） A 、训练决策树的过程就是构建决策树的过程 B 、ID3算法

是一种语法结构，将实现某一个功能的代码块封装到一个结构中，从而实现代码的重复利用 （与C++/Java很类似，区别在于没有数据类型，因为php是弱类型语言） function 函数名(参数){         //函数体         return 返回值; } 下图展示了一个实现加法功能的函数   由字母、数

常量是在程序运行中的一种不可改变的量（数据），常量一旦定义，通常不可改变（用户级别）。 使用define函数：define(\\\"常量名字\\\", 常量值); 使用const：const 常量名字 = 常量值; //该方法类似C、C++、Java、Python等语法，在php5.3之后才支持 示例： 注意细节—— define和cons

任务描述: 从键盘输入年份t，如果年份t 能被 400整除，或者能被4整除但不能被100整除，则输出“t年是 闰年”，否则输出“t年不是闰年”，t用输入的年份代替。 任务描述： 满足以下两个条件之一： （1）25岁及以下且是重点大学“金融工程”专业的应届学生。 （2）具备至少

1.进程间通信概述 UNIX系统IPC是各种进程通信方式的统称。 2.管道通信原理 特点： 1.它是半双工的（即数据只能在一个方向上流动），具有固定的读端和写端。 2.它只能用于具有亲缘关系的进程之间通信（也是父子进程或者兄弟进程之间）。 3.它可以看成是一种特殊文件，对

1.1 监督学习 1.1.1 回归（线性回归） 1.1.1.1 描述 线性回归模型公式： 多元线性关系：一个通过特征的的线性组合来进行预测的函数 其中，h(x)是因变量，x1、x2、…、xn是自变量，o1、o2、…、bn是回归系数。回归系数表示自变量对因变量的影响程度，可以通过最小二乘法来求解

使用更复杂的机器学习算法。 本课程所需数据集夸克网盘下载链接：https://pan.quark.cn/s/9b4e9a1246b2 提取码：uDzP 决策树给你留下了一个困难的选择。一个深度很大、有很多叶子的树会因为每个预测都来自其叶子上仅有的几个房屋的历史数据而过拟合。但是一个浅树，叶子较少，

一、介绍 数据清洗是机器学习中的一个重要步骤，它涉及对原始数据进行预处理和修复，以使数据适用于机器学习算法的训练和分析。数据清洗的目标是处理数据中的噪声、缺失值、异常值和不一致性等问题，以提高数据的质量和准确性。   二、方法 处理缺失值：识别数据

聚类 ：针对给定的样本，依据他们的属性的相似度或距离，将其归并到若干个“簇”或“类”的数据分析问题。 类：样本的子集。直观上，相似的样本聚集在同类，不相似的样本分散在不同类。 距离 和 相似度量在聚类中十分重要。 常用的距离度量有： 闵可夫斯基距离 d

（在pytorch包中）Tensor数据成员：data（存放数据w，也是Tensor变量，但是取data不会构建计算图）和grad（存放梯度loss对w的导，调用bacward之后grad也是个Tensor，每次引用结束要zero） backward会释放计算图，每一次运行神经网络时计算图可能是不同的，所以没进行一次反向传播就释放

分类任务和回归任务的不同之处在于，分类任务需要做出离散的预测。对于多分类任务的神经网络模型，其输出目标通常会用 one-hot 编码来表示，在输出层中使用 softmax 函数，同时使用分类交叉熵损失函数进行训练。在本博客中，我们将使用 TensorFlow 的底层API实现一个基于全