feverfew1的博客

python–字符串处理技巧1、+操作对字符串组合a="jupyter"b="notebook"print(a+b)---result---jupyternotebook2、*操作重复字符串个数a="jupyter notebook\n"print(a*5)---result---jupyter notebookjupyter notebookjupyter notebookjupyter notebookjupyter notebook3、in操作用于判断某个

git 版本管理

windows常用dos命令1、打开CMD的方式：开始+系统+命令提示符win键+R 输入cmd打开控制台在任意的文件夹下边，按住Shift+鼠标右键点击，在此处打开命令行窗口（power shell)资源管理器的地址栏前面加CMD+空格+路径管理员方式运行：选择以管理员方式运行（获取最高层次权限）2、常用的dos命令：1. #盘符切换2. #查看当前目录下的所有文件 dir3. #切换目录 cd (change directory) cd/d D:（进入D盘） cd/d F:

matlab数据整合内容来源众多，故不一一挂出，本文章仅仅为自己记录学习内容，如果相关内容涉及他人原创，需要删除或者挂原文链接的联系我。一、读取数据matlab 文本文件的读写可以分为两类，一类是高级函数，一类是底层函数。高级函数运用起来简单，但是定制性差。底层函数用法复杂，灵活性高1、load/importdata/csvread对于简单文本读取（文本内容只包括数值，并且以逗号或者空格为分隔符），三个函数用法基本一致。load、importdata常见用法：datapath=[datapa

MATLAB基本语法注意事项1、语句后面加分号，不是交互式，不加分号，会同时打印结果，即交互式。2、字符串使用单引号才可以。3、变量赋值不需要提前声明，随时使用。4、clear清除变量，clc清除屏幕。5、who和whos查看我们已经拥有的变量的各项树形。6、类型强制转换。后缀名是 .m注释符号是 %建议在所有语句后面加分号（;），否则运行时会当作交互式命令输出结果，从而掩盖我们的重要信息。文件名仅包含字母、下划线、数字且不能以数字开头。编写文件前检查自己是否在工作目录一、MA

线性与非线性规划一、线性规划（LP）数学模型都是求一组非负解，在满足一组以线性等式或线性不等式所表示的限制条件下，使一个线性函数取得最优值（最大值或者最小值）标准型：maxz=∑j=1ncjxjs.t.∑j=1naijxj=bj(i=1,2,3...)s.t.xj≥0(j=1,2,3...)max z=\sum_{j=1}^{n}{c_jx_j}\\s.t.\sum_{j=1}^{n}{a_{ij}x_j}=b_j\\(i=1,2,3...)s.t.x_j\geq0(j=1,2,3...)m

最优化问题和求解在统计计算中广泛用到求最小（最大）值点或求方程的根的算法比如，参数最大似然估计、置信区间的统计量法、回归分析参数估计、 惩罚似然估计、惩罚最小二乘估计，等等。求最小值点或最大值点的问题称为最优化问题（或称优化问题），最优 化问题和求方程的根经常具有类似的算法。有些情况下，可以得到解的解析表达式；更多的情况只能通过数值迭 代算法求解梯度与海色阵设 f(x) 是 $R^d $上的多元函数，如果 f(x) 有一阶偏导数，则记 f(x) 的 梯度向量为g(x)=∇f(x)=(∂f(x)

阅读文献系列(一)由于健忘，额，可能是年龄大了，对自己的论文记录进行个记录论文题目：大数据下机械智能诊断的机遇与挑战文章链接：https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CJFD&dbname=CJFDLAST2018&filename=JXXB201805011&uniplatform=NZKPT&v=BaNEOKJ4Vil9aoMMOQ7LDrF6beGPFsLuLZFQtl00iYZEPWjEDtN2HL

吃瓜学习第一天（1，2章）1、绪论1.1 基本术语二分类：对只涉及两个类别的‘’二分类“任务，通常称其中一个类为”正类“，另一个为’‘反类”。回归任务：是通过对训练集进行学习，建立一个从输入空间x到输出空间y的映射f： x→y，y=R（R为实数集）二分类任务：通常令y={0，1}；多分类任务：|y|>2；“泛化”能力：学到的模型适用于新样本（测试样本）能力通常假设样本空间中全体样本服从一个**“未知”分布**，我们获得的每个样本都是独立从这个分布上采样得到的，即“独立同分布”；一般而言

吃瓜学习第二天（第三章）学习书籍：西瓜书、南瓜书学习视频：https://www.bilibili.com/video/BV1Mh411e7VU?p=33 线性模型文章架构，1、线性模型基本形式 ，2、线性回归公式推导，3、线性回归代码3.1 基本形式机器学习三要素：模型：根据具体问题，确定假设空间 （即y=kx+by=kx+by=kx+b还是y=kx2+by=kx^2+by=kx2+b,归根到底就是拟合方式）策略：根据评价标准，确定选取最优模型的策略（通常会产出一个“损失函数”）