Vici__

问题描述：下载nb_conda时出现异常，边终止了下载，之后发现jupyter notebook打不开了，产生了如下报错：[C 19:33:23.915 NotebookApp] Bad config encountered during initialization:[C 19:33:23.916 NotebookApp] The 'kernel_spec_manager_class' trait of <notebook.notebookapp.NotebookApp object a

一、python代码'''Author: Vici__date: 2020/5/18'''import math import randomimport numpy as npfrom math import logimport operator'''1. 获取数据集'''def get_dataset(): dataset = [['青年', '否', '否', '中', '否'], ['青年', '否', '否', '高', '否'],

一、python代码'''Author: Vici__date: 2020/5/14'''import math'''Point类，记录坐标x，y和点的名字id'''class Point: ''' 初始化函数 ''' def __init__(self, x, y, name): self.x = x # 横坐标 self.y = y # 纵坐标 self.name = name # 名字 '

一、python代码'''Author: Vici__date: 2020/5/13'''import math'''Point类，记录坐标x，y和点的名字id'''class Point: ''' 初始化函数 ''' def __init__(self, x, y, name, id): self.x = x # 横坐标 self.y = y # 纵坐标 self.name = name # 名字

一、python代码'''Author: Vici__date: 2020/5/21'''import math'''Point类，记录坐标x，y和点的名字id'''class Point: ''' 初始化函数 ''' def __init__(self, x, y, id): self.x = x # 横坐标 self.y = y # 纵坐标 self.id = id # 名字（编号） '.

一、python代码'''Author: Vici__date: 2020/5/21'''import mathimport randomimport numpy as np'''Point类，记录坐标x，y和点的名字id'''class Point: ''' 初始化函数 ''' def __init__(self, x, y): self.x = x # 横坐标 self.y = y # 纵坐标 '''

在线性回归的基础上，使用梯度下降的方法降低损失值，找到最优参数，另外需要在最后加上softmax函数。import numpy as npclass LogisticRegression(): def __init__(self): self._theta = None self._coef = None self._intercept = None def _sigmoid(self, t): return 1. /

1 概述一元线性回归只能拟合y=ax+by=ax+by=ax+b，或者说只能拟合直线。其实对于多元线性回归来说，x2,x3...x_2,x_3...x2​,x3​...是不同于x1=xx_1=xx1​=x的另一个特征，方程可表示为：y=θ1x1+θ2x2+...+θnxn+θ0y=\theta _{1}x_1+\theta _{2}x_2+...+\theta _{n}x_n+\theta _{0}y=θ1​x1​+θ2​x2​+...+θn​xn​+θ0​x1,x2...x_1,x_2...x1​

1 原理说明回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。1.1 目标：给定一系列数据x(i)和y(i)，x是自变量，y是因变量，用公式y=ax+b去拟合，求出参数a和b。给定一系列数据x^{(i)}和y^{(i)}，x是自变量，y是因变量，用公式y = ax + b去拟合，求出参数a和b。给定一系列数据x(i)和y(i)，x是自变量，y是因

一、Tools -> Options二、Advanced -> HTML Head Editor三、复制上下面的代码<script type="text/javascript" src='http://cdn.mathjax.org/mathjax/latest/MathJax.js?config=TeX-MML-AM_CHTML'></script><script type="text/javascript" src="htt...

前言：有一次学长在电话面试，碰巧我在周围的课桌上刷题，然后就（偷）听到了面试的内容。。。 ~ 记忆比较深的就是面试官特意问了A∗A^*A∗算法（那么多算法里偏偏挑了A∗A^*A∗，一定是特别的缘分）； ~ 这位学长是ACM队里的大佬，现在已经保研，但是被问到A∗A^*A∗算法的时候也楞了一下， ~ 毕竟这个算法接触的比较少，我之前也是大概懂个原理，没写过代码； ~ 碰巧这几天做了个A∗A^*A∗的题，简单记录.

一、什么是关联规则挖掘？“啤酒与尿布”的故事大家都听过吧，一些年轻的父亲在去超市给孩子买尿布的时候，会顺便给自己买点啤酒，超市发现这个规律之后，就把啤酒和尿布的货架放在一起，这次改动明显增加了超市的销售额。啤酒和尿布两者之间就存在着关联规则。那么学会挖掘这些关联规则，用处是非常大的。二、规则度量：支持度和置信度支持度就是两个事务同时发生的概率。support(A⇒B)=P(A∪B)support(A\Rightarrow B) = P(A \cup B)support(A⇒B)=P(A∪B)置

直线段的扫描转换算法【理论知识，学习必看】一、实验任务掌握任意斜率直线段的中点Bresenham扫描转换算法。 掌握CLine直线类的设计方法。 掌握状态栏编程方法。二、实验要求 设计CLine直线类，其数据成员为直线段的起点坐标P0和终点坐标P1，成员函数为MoveTo()和LineTo()函数。 CLine类的LineTo()函数使用中点Bresenham算法绘制任意斜率k的直线段，包括k＝±∞、k＞1、0≤k≤1、-1≤k＜0和k＜-1五种情况。 在屏幕...

一、实验任务定义二维坐标系原点位于屏幕中心，x轴水平向右为正，y轴铅直向上为正。 以二维坐标系原点为圆心绘制半径为r的圆，将圆的n等分点使用直线彼此连接形成金刚石图案。 程序运行界面提供“文件”、“绘图”和“帮助”三个弹出菜单项。“文件”菜单提供“退出”子菜单项，用于退出应用程序；“绘图”菜单提供“金刚石”子菜单项，用于绘制金刚石图案；“帮助”菜单提供“关于”子菜单项，用于说明开发信息。...

1 直线方程法1.1 基本思想：根据直线的表达式确定线段路径上点的像素位置。1.2 算法描述有两点P0(x0, y0), P1(x1, y1)P_{0}(x_{0},~y_{0}),~P_{1}(x_{1},~y_{1})P0​(x0​, y0​), P1​(x1​, y1​)确定一条线段，设线段所在直线方程为y=kx+by=...

1 数据度量常见的数据类型：区间标度变量二元变量标称、序数、比例标度变量混合类型变量1.1区间标度变量区间标度变量是一个粗略线性标度的连续度量，一般有单位描述。首先将数据规范化，有以下集中方法：List item小数定标规范化：通过移动属性的小数点位置规范化属性范围，属性A的规范化计算方法为：Zif=xif/10TZ_{if}=x_{if}/10^TZif​=xif​...

目录1 计算机图形系统1.1 组成1.2 基本功能2 图形显示设备2.1 彩色CRT显示器2.2 LCD液晶显示器2.3 性能指标3 显示系统3.1 主要组成3.2 随机扫描显示系统3.3 光栅扫描显示系统3.4 其它知识4 习题1 计算机图形系统1.1 组成 硬件： 输入设备 输出设备 ...

一、实验平台 操作系统：Linux(deepin) Hadoop版本：2.7.7 HBase版本：1.2.6 Java IDE：Eclipse 二、实验内容1.使用Hadoop提供的Java编程共同实现以下指定功能： 列出HBase所有的表的相关信息，例如表名； 在终端打印出指定的表的所有记录数据； 向已经创建好的表添加和删...

启动hadoop后，用jps命令查看，始终没有DataNode。解决办法：首先关闭hadoophadoop@vici-PC:/usr/local/hadoop$ ./sbin/stop-all.sh进入tmp这个文件下（看好路径）hadoop@vici-PC:/usr/local/hadoop$ cd ./tmp删除dfshadoop@vici-PC:/us...