自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(15)
  • 收藏
  • 关注

原创 开发板如何手动实现无线网卡和U盘热插拔

之前写了一篇怎么在随身WIFI 410 debian上加载几个无线网卡的驱动教程和编译文件分享,最后提了一嘴加载完后可以设置开机自启动,这篇来具体展开讲讲怎么做。同理可应用于linux其他开发板。系统为debian11,内核为5.15。

2024-06-20 20:06:36 455 1

原创 如何提升随身wifi 410 debian网速达到近160M

由于现在的开发板感觉还是有点贵,买不起的情况下又想弄小服务玩,只好选择410处理器的随身wifi来刷机成debian用了。但是它自带的wifi4网速非常拉跨,而且只支持2.4ghz频率,非常不利于局域网内传输和外网下载。所以我编译了一些无线网卡的驱动,下载即可用,分享出来供大家学习。

2024-06-16 18:19:26 1567 2

转载 机器学习-频率派vs贝叶斯派

参考视频:【机器学习】【白板推导系列】【合集 1~33】_哔哩哔哩_bilibili

2022-07-13 17:39:34 146

原创 西瓜书第三章-线性模型

给定m个样本{Xi}i=1...m,每个Xi由d个属性描述,整体样本为一个m*d的矩阵,每个样本有一个真实值yi,yi=wXi+bi,我们要求的就是对应的w和和bi。w为1*d大小,Xi为d*1大小,bi为1*1大小。拓展:若每个样本的真实值是一个向量,假如说是n维的向量,那yi=wXi+bi中,w为n*d大小,Xi为d*1大小,bi为n*1大小。(多因变量的多元线性回归)为了找到尽可能符合 上面等式的w和b,可以定义一个损失函数,然后让损失函数最小化即可,损失函数可以定义为预测值和真实值的均方误差,然后进

2022-07-13 17:36:23 402

原创 十种经典排序算法介绍

稳定的,一开始正序的话,不需要交换,但是也要比较固定次数。逆序比较和交换次数最多。冒泡优化:可以设置一个标记位,如果某次循环中有交换出现,就把标记位置为1,如果标记位是0的话直接退出(说明剩下的都有序)。每次循环找到最小的一位位置,遍历一边后交换。选择排序不稳定!一开始正序的话,还是要全部遍历比较。逆序的话交换次数不是最多。优化方法:一趟中既选出最小值,也选出最大值,交换两个位置。假定前面部分都排好序,把每一个元素在已排数组中从后往前找合适位置。插入排序是稳定排序!因为移动耗时高,时间复杂度也是n方。一开始

2022-07-13 14:12:11 331

原创 集合间的映射和集合的势

两个集合A、B,存在映射f,若对任意x1,x2属于A(x1!=x2),f(x1)!=f(x2),则f为单射。如果B中的任何一个元素,都能由A中的元素通过f映射得到,则f为满射。如果既是满射又是单射,就是双射,也叫一一映射。集合的势是用来度量集合规模大小的属性的。对于有限集合,可用集合的元素个数来进行度量,对于无限集合这个办法就行不通了,为此我们需要采用一种新的方法来比较两个集合规模的大小,这种方法对有限集合和无限集合都适用。具体方法:如果存在集合A到集合B的双射(又称一一映射),则称集合AB等势,记为A~B

2022-07-12 14:46:49 2040 1

原创 数据结构-堆

纯看完后自己凭记忆打的,可能有疏漏,欢迎批评指正堆是一种特殊的数据结构,它很方便可以找到最大元素和插入元素。使用数组存储的堆可以很容易构造出相应的树。因为堆里面有个规律,树:父节点一定大于两个子节点,且右子节点大于左子节点。数组:第k个一定大于第2k个和第2k+1个,且第2k+1个大于第2k个所以上移的话,假如移动第i个,只需要不断和i/2相比,如果大于i/2的话,就互换位置,然后i=i/2。直到小于等于或者i=1了(到根节点了)。时间复杂度O(logn)。同样是根据上面这个规律。假如移动第i个,先判断它有

2022-07-10 21:57:13 165

原创 西瓜书第二章-比较检验

有了实验评估方法和性能度量,看似就可以比较不同方法的效果了,但是这是不严谨的。首先我们希望比较的是泛化性能,可能与测试集上的结果不同,这就需要用到统计假设检验,基于假设检验结果我们可推断出,若在测试集上观察到学习器A比B好,则A的泛化性能是否在统计意义上优于B,以及这个结论的把握有多大。以下介绍两种最基本的假设检验,为便于讨论,本节默认使用错误率为性能度量。很多时候要经过多次留出法或者交叉验证法进行多次训练/测试,这样就会有多个测试错误率。假设得到了k个测试错误率,1~k,平均错误率和方差可求出 可以使用T

2022-07-09 17:40:44 482

原创 概率论-假设检验

1.假设H0实际上为真时,拒绝了H0。\alpha错误2.假设H0实际上为假时,接受了H0。\beta错误想要同时降低两个错误概率,最好是增大样本量(cue机器学习) S是样本方差,S=1/(n-1)****,注意分母是n-1同样有S,算的时候注意分母如果均值已知的话,可以把(n-1)S^2换成,如下图 上面都是双边检验,对应的假设都是取等号,如果是不等号假设的话,那就成了单边检验,拒绝域需要改一下。...

2022-07-09 17:23:59 857

原创 概率论-大数定律和中心极限定理

注意这个不要求σ存在,比切比雪夫要求弱一点 n次实验中,频率收敛于概率。实际生活中没有这么多的重复次数,所以生活中往往是小数定律。二项分布Xn在n无穷大的时候趋近于正态分布,下面是正态分布标准化后。∑Xk也服从正态分布,并不要求Xn的具体分布,他们求和一定是正态分布。所以实际生活中往往服从正态分布!...

2022-07-09 17:02:38 690

原创 概率论-方差和协方差、相关系数

方差定义:离散型:连续型:公式计算: 第四条很重要!多加了协方差 第五条要记住,第四条要记住。

2022-07-09 16:20:10 256

原创 概率论-最大似然估计

最大似然估计主要分两种,一种是离散的,一种是连续的,主要都是用来估计参数的。 总体思想都是根据现有的样本分布,去求得一个参数,让该参数在所求值的情况下,当前样本分布的概率是最大的。参考资料:概率论与数理统计【合集】【小元老师】_哔哩哔哩_bilibili...

2022-07-09 16:02:36 278

原创 西瓜书第二章笔记-性能度量

本篇只讨论预测任务的度量方法。回归任务中常用的是均方误差:更一般的,对于数据分布D和概率密度函数p(),均方误差可以表示为错误率:分类错误的样本站样本总数的比例精度:1-错误率同样有概率分布形式,与回归任务类似。真正例(TP)、假正例(FP)、真反例(TN)、假反例(FN)查准率P=TP/(TP+FP),判断的正例中,真是正例的比例查全率R=TP/(TP+FN),所有正例中,被判断为真的比例P-R曲线,可大致判断哪个模型好,一般如果A能全包B则说明A好,但是这种情况很少,可以比较面积,也可以比较平衡点(BE

2022-07-09 14:30:20 155

原创 西瓜书第二章笔记-评估方法

机器学习西瓜书第二章-评估方法

2022-07-09 13:54:19 191

原创 P/NP/NP完全/NP难

NP问题相关概念

2022-07-09 13:33:02 255 1

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除