- 博客(38)
- 资源 (4)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 Gitee常见问题
报错处理1. master -> master (pre-receive hook declined)git push 到gitee 时，出现问题PS D:\FreeRtos\rtos\freertos> git pushEnumerating objects: 9, done.Counting objects: 100% (9/9), done.Delta compression using up to 8 threadsCompressing objects: 100% (
2022-01-02 14:03:12
1518
转载 Typora + Git 打造最强笔记软件
Just for Mark:windows 环境 通过bat+vbs脚本 自动上传typora笔记 到gitee/github的方法https://www.bilibili.com/video/BV12K4y1g7Nf?share_source=copy_web
2021-06-01 17:36:42
1643
2
原创 关于神狼民必三行，上中下必产狼的概率统计
12人狼人杀位置学这6个条件至少满足4个的概率高达97%，显著性明显神狼民必三行如图所示数字为玩家号码，神狼民必三行，说的是三条轴线的其中一条的某一边，会出现三神，三狼，三民。也就是说，下面的6各种上色号码组合中，会出现三神，三狼，三民。还不清楚的可以B站找相关解说。上中下必产狼如图，上中下必产狼，说的是，#1，7，4，10 至少一狼，#2，8，2，22 至少一狼，#3，9，6，12 至少一狼，绝大多数下这6个条件至少满足4个，这就是所谓的位置学。概率统计
2021-05-19 07:59:39
1289
2
原创 MinGW-w64没有bin没有进度
MinGW-w64安装就是下载文件，添加环境变量。过程中可能会下载到错误的文件，出现有两个问题1.没有/bin文件夹，比如是这个样子的。说明你下载到源码了，这个是为了交叉编译的源码文件。2.MinGW-W64-install.exe没有进度。正确的使用文件看这里。！！！需要下拉这都是源码！！！需要下拉这是在线安装，网络不好，能等死人！！！需要下拉...
2021-03-21 12:11:00
10392
12
原创 tensorflow2.0 没有 tensorflow.examples.tutorials 的问题
想运行下面代码，错误：No module named 'tensorflow.examples.tutorials'tensorflow官方example已经没有tutorials目录了，官方下载什么的根本不管用。经过坚苦奋战。终于。。。。from tensorflow.examples.tutorials import input_data mnist = input_data.read_data_sets("./data/mnist",one_hot=True)发现我只要input_d
2021-03-03 20:07:18
8790
6
原创 spyder运行tensorboard出现多个重复的图
问题描述明明只定义一个图，多次编译后图会重复出现解决办法重启编译器可以，或者结束进程都可以，但是太过麻烦，后面我发现，只需要编译之前关闭console就ok了如果有帮助，请随手点赞，收藏，谢谢...
2020-11-16 11:36:09
362
原创 vim的多文件操作
vim 在远程操作中有不可替代的优势，在代码修改，查看对比的过程中，往往需要多文件操作，同时操作，查看多个文本文件对于vim来说也是完全可以hold住的，在此做个笔记。
2020-11-11 15:19:39
1054
原创 Nginx手册-下载安装与配置
Nginx的下载网址：http://nginx.org/en/download.htmlmainline:主线版本，也可以称作最新版本。stable:稳定版本，公司一般使用这个版本，稳定性高legacy:老版本Nginx安装启动下载解压后是这个样子的实际上它并不需要安装就可以直接运行，你可以双击这个exe运行，黑框一闪。或者你用命令行：start nginx.exe此时如果没有报错，那么你可以在浏览器上输入：http://localhost:80你就...
2020-10-28 20:58:35
175
原创 网页的请求和响应
网页请求的时候分为请求头和响应头，也就是下面的东西请求1. 请求方法ａｄｆａ ｓｄｆ２．请求链接＃＃ ３ 请求头＃＃ ４．请求体
2020-10-27 00:38:46
1488
原创 C语言三个点...表示什么意思
C语言三个点...表示什么意思1，可变参数2.数组切片1，可变参数当参数个数可变的时候会使用三个点来表示，比如内核中的printk的定义：static inline int printk(const char *fmt, ...) 2.数组切片比如指定从某个下标到另外一个下标初始化为同一个值，比如 1
2020-10-20 18:28:56
3976
原创 请和我一起学习机器学习算法（高斯混合聚类）
1. 高斯混合聚类的原理分析高斯混合的含义高斯混合聚类有一个重要的前提：假定样本集是从若干个（需要聚类的个数）满足高斯分布的集合中按照一定的比例随机抽取生成的。而高斯混合聚类的任务就是上面假定的逆过程，从这些杂乱的高斯分布中抽取出来的样本集，重新归类到集合中。问题推到既然高斯混合聚类是从若干个满足高斯分布的集合中抽取而成，那么高斯分布是怎么样的呢？根据定义多元的高斯分布的概率密度函数长下...
2020-08-15 12:28:33
554
原创 请和我一起学习机器学习算法(k-means)
请和我一起学习机器学习算法之k-meansk-means 概念简述 k-means 是一种聚类算法，具有随机，无监督的特点。也叫k中心值聚类。其中的k，表示的是要分成类别的数量，也就是说你最终要分成几堆。k-means 算法流程 k-means 是一通过距离情况优化中心的策略来实现聚类。具有一定的随机性。算法步骤如下：算法输入：训练数据X={x1,x2,...,xm}X=\{x_1,x_2,...,x_m\}X={x1,x2,...,xm}，K(想聚类的数目)随机在训练数据中选取
2020-08-12 18:26:24
151
原创 请和我一起学习机器学习算法(朴素贝叶斯)
请和我一起学习机器学习算法之朴素贝叶斯1. 朴素贝叶斯概念贝叶斯公式由条件概率：P(A,Bi)=P(A∣Bi)⋅P(Bi)=P(Bi∣A)⋅P(A)P(A,B_i)=P(A|B_i) \cdot P(B_i)=P(B_i|A) \cdot P(A)P(A,Bi)=P(A∣Bi)⋅P(Bi)=P(Bi∣A)⋅P(A)（条件概率表示已知条件发生的情况下的概率，比如“P(好学生|性别女)”表示在女生的范围内好学生的概率）可得到贝叶斯常规型：P(A∣Bi)=P(Bi∣A)⋅P(A)P(Bi)
2020-08-11 16:46:16
168
原创 请和我一起学习机器学习算法(支持向量机)
请和我一起学习机器学习算法之支持向量机支持向量机（SVM）从逻辑回归到SVM为什么SVM可以实现间距最大什么是核函数核函数和SVM之间是如何合作的支持向量机（SVM）(Sport vector machine) 支持向量机是一分类算法，是机器学习算法中，公式推导产生巨大困难的算法之一。我前前后后学习了好多遍，都被他复杂的公式打败了(周志华的西瓜书的锅)。这次，我不打算仔细去推演SVM的公式，但是我们可以通过一些相对简单可以理解的数学来理解SVM的工作过程。从逻辑回归到SVM为什么SVM可以实现间距
2020-07-28 18:08:35
136
原创 Android 邮箱APP体验
Android 邮箱APP体验。实测于2020.07.24. 测试机器为xiaomi8 SE. 测试的系统版本为MIUI11.03. 内核版本为4.9QQ邮箱：图标太丑，就没看，莫名不想用，听说功能还可以。网易邮箱大师：不能忍受的推送，直接夭折了。outlook：新邮件到了，没有办法及时更新，如果邮件作为主要交流工具的话，这就会很尴尬。极邮：已经打不开了，看来很久没有更新了。139邮箱： 上来就是要电话号码权限。并且有“发现”“云盘”等根本无用的东西。新版听说增加邮币系统。看起来是越走越远
2020-07-24 14:20:56
1568
1
原创 请和我一起学习机器学习算法（过度拟合问题）
所有的机器学习需要的能力都不是针对标签已知的样本进行判别决策的能力，而是正对未知样本能够正确预测的能力，但是在我们的模型学习过程中，会出现一些过犹不及的现象。什么是过度拟合过度拟合(overfitting), 实际上是为了尽可能的减小训练集的误差，从而导致模型过度复杂，泛化能力下降的情况。所谓泛化能力，指的就是对未知样本的预测能力。如图所示，在预测面积和房价的案例中。如果我们使用线性图一，过于简单的模型，会使得样本偏离变大，这个叫做欠拟合。而使用第三个曲线，虽然训练样本的方差很小，但是其的泛化能力反
2020-07-15 18:05:48
284
原创 git 常见问题
git clone <地址>错误error: RPC failed; result=18, HTTP code = 200MiB/sfatal: The remote end hung up unexpectedlyfatal: 过早的文件结束符（EOF）fatal: index-pack failed解决办法如果当前文件夹没有仓库，先建立仓库。git initgit config http.postBuffer 524288000 //设置为500...
2020-07-15 14:48:07
1527
原创 请和我一起学习机器学习算法（最邻近规则分类 KNN）
最邻近规则分类，KNN分类算法KNN 简介KNN算法描述K 值选取距离判断样本决策KNN 简介最邻近算法，K-Nearest Neighbor（KNN）。是一种非常简单有效的分类算法。KNN 是一种懒惰学习算法，什么是懒惰学习算法呢？懒惰学习是一种训练集处理方法，其会在收到测试样本的同时进行训练，与之相对的是急切学习，其会在训练阶段开始对样本进行学习处理。KNN算法描述相比于线性回归和逻辑回归有严谨的数学推导，KNN是一个从认识层面非常容易理解的算法。他的核心思想是：需要预测样本的周围的样本是什么
2020-07-13 14:37:07
199
原创 请和我一起学习机器学习算法(逻辑回归)
请和我一起学习机器学习算法之逻辑回归为什么不用线性回归做分类问题逻辑回归Sigmoid函数逻辑回归的代价函数逻辑回归的参数求解其他优化算法为什么不用线性回归做分类问题所谓逻辑回归就是用来分类的回归，所谓分类，就是我们希望预测的结果是离散的值，而不是连续的值。再线性回归的章节上，我们有讨论到对数几率回归。为什么我们不用线性回归做分类问题呢？如上图，如果我们对上面的肿瘤预测的分类问题做线性回归，可能会得到一条蓝色的线，我们以0.5作为阈值，当预测值大于0.5是表现为恶性肿瘤，到小鱼0.5时表现为良性，
2020-07-12 20:17:50
155
原创 请和我一起学习机器学习算法(线性回归)
请和我一起学习机器学习算法之线性回归线性回归灵魂三问线性回归数学分析一般线性回归1.公式定义2. 参数求解之梯度下降3. 参数求解之正规方程4. 梯度下降和正规方程的对比对数几率回归线性判别分析线性回归的变量选择变量选择线性回归的训练多分类的学习类别不平衡的问题代码举例线性回归灵魂三问什么是线性回归所谓线性回归实际上就是利用已知的样本（已知数据），选择一个线性方程，并对其进行拟合，并通过拟合得到的方程来对未知的数据进行预测线性回归能干什么线性回归主要是用来预测，和判断合理性。 比如用身高预测体重
2020-07-11 15:21:44
295
原创 请和我一起学习机器学习算法（计划）
一直想学习机器学习算法，但是由于其及其复杂的数学推导，以及时间的间断，导致完全没有系统学习过一遍机器学习的基本算法，现在将主流的机器学习算法罗列出来，使用一个半月左右的时间，将这些算法系统的学习一遍。如果你也有意致力于机器学习算法，请您跟我一起，完成今年的学习计划。下面是我的学习计划：...
2020-07-09 14:35:37
178
原创 C语音打印进度条
在有些需要长时间等待的程序，有个精度条是必须的。确保程序正在运行，又知道进度情况。C语言实现精度条的关键是“\r”,也就是回车键，回车键会使得输出从头开始。只使用回车键，而不使用换行符，就可以实现在同一行重复打印。 但是由于很多情况，不使用换行，无法输出stdout的缓冲，导致无法输出相应的信息，从而需要加上刷新缓存函数。实现的代码如下： 1 #include <stdio.h> .
2020-07-08 16:08:53
940
原创 如何快速有效的读一本书
IT人员大多都是积极上进，在各种各样的提高的方法中，读书，就是一个低成本而高效的方法。除了为了提高技术所查阅的技术类书籍，还有各种为了改善生活质量的其他数据。最近看到了一个读书的方法，简单记录一下。写在前面读书的最终需求是从书中获取对我们个人有用的知识或者经验。为了达到这个目的，光是“读”，就远远不够，它需要一个系统性的完备工程，那么这个工程该如何建立呢？废话少说，直接干货读书工程选书——...
2020-01-10 09:53:25
200
原创 随机森林应该这么理解
随机森林应该这么理解随机森林是什么基本概念随机森林的理解随机森林的过程算法实现与举例随机森林是什么随机森林还是一种决策算法，是有多个决策树组成的集成学习方法，只是在决策树的构成中引入了随机性。基本概念集成学习：秉承“三个臭皮匠，顶个诸葛亮”的思想，通过多个相对弱的学习器，一起参与决策，从而得到一个强的决策方案。决策树： 什么是决策树就不多说了，决策树关键的是如何选择每个节点用来判断的属...
2019-11-13 16:22:36
300
原创 Ababoost 算法最简易理解
目录算法简介两个思想两个问题算法流程算法推倒举例论证算法简介Ababoost 算法是boost算法族之中的一个。boost 算法族是这样一种决策算法，它有多个子学习器组成，学习器之间的学习具有强依赖性，必须串行生成。Ababoost 是boost种最著名的一种。它使用的评价方式是指数损失函数。两个思想将弱的学习器进行线性组合得到一个强的学习器的过程。f(X)=∑t=1Nβϕt(x) ...
2019-11-08 18:06:19
943
原创 python 实现日期计算器
题目输入两个日期，计算出两个日期之间间隔（除去周末）多少天？思路1. 比较输入的日期，那个在前面，哪个在后面。2. 计算从前日期到后日期的天数3. 考虑周末的情况代码代码为初学者手撕，难免会有错误，欢迎批评指正。import reMonthDay=(31,28,31,30,31,30,31,31,30,31,30,31)Weeks={'Monday','Tu...
2019-10-16 16:09:05
1662
原创 数据分类算法（2）——统计建模
相比于只使用一种属性作为判别依据的1R 算法，另外一种分类算法是使用所有的属性作为判别的依据，并且每一种属性对决策都同等重要，且假设他们相互独立。算法概述对每一个属性的所有的值对结果的影响做统计，并根据统计的结果对未知属性进行预测。假如有数据如下表。NO. outlook temperature humidity windy play 1 sun...
2019-04-24 23:47:50
1445
翻译 数据分类算法（1）——1R
数据分类算法中，我们遵循“简单高效”，而最简单高效的算法就是1R什么是1R1R 就是 1-rule，称为1 规则，也就是产生一层的决策树，用一个规则集的形式，只在某个特定的属性上进行测试。1R是一个简单廉价的方法，但却常常能得到令人吃惊的准确率。1R 算法1R是一个非常简单的方法，就是对每一个属性逐个测试并且从中选择一个准确率最高的属性作为决策属性。大致的流程为：对所有的属性...
2019-04-23 22:28:20
5124
原创 新手对Ubuntu应该这么学！
新手对ubuntu应该这么学 ubuntu是从windows下转入linux最好的版本之一，desktop版本几乎满足了大部分的windows需求，转入ubuntu后有些不知所错，遇到问题，只能重装系统，等等。。。 这篇文章从新手的角度，说明了如何学习使用ubuntu，从系统安装，到输入法，到文本输入，到系统操作，到工作使用和内核探索，帮助初学者对ubuntu建立一个完整的学习...
2018-08-04 18:27:54
1211
1
原创 洗牌算法的随机性简单证明。
所谓洗牌算法，就是产生一个包含指定范围的所有数的随机序列。主流的洗牌算法的实现如下：对于N张牌,用大小为N的数组a[N];for(i=0;i<N;i++) x=rand()%(n-i)+i;if(x!=i) swap(a[i],a[x]) 我们总是担心他的随机性是否能保证，这里有一个很简单的理解。可以先达成一个共识：如果： 1. 一张牌出现在任何位置的概率是相等的。 ...
2018-04-01 21:37:40
1412
原创 关于火狐浏览器被搜狗网址导航劫持解决办法
本文主要阐述了一个52.0.1版火狐浏览器新建标签页时被搜狗网址导航（hao9.xjz15.com）劫持的解决办法。
2017-04-10 17:42:33
16531
3
原创 芯片检测问题的新手见解（感觉有问题）
这个问题网上的解答感觉思路还是不太清晰，作为刚刚接触算法的我来说还是太难理解了一点，这里讲述了一个新手对这个问题理解的思路。对第二问题的结论表示怀疑。
2017-04-02 11:03:05
3518
USB/PD/TYPEC协议规格书打包下载(官方英文版)
2020-11-03
使用设备树后是否无需关注设备号了？
2021-05-24
TA创建的收藏夹 TA关注的收藏夹
TA关注的人