计网知识点回归

概述

计算机网络的定义:

        不同地理位置的计算机通过通信电路实现资源共享

计算机网络的组成:

        资源子网——提供共享的软硬件资源

        通信子网——提供信息交换的网络接点和通信线路

计算机网络分类:

        按拓扑分:星形 树形 总线型 环形 网状

        按范围分:局域网LAN 城域网MAN 广域网WAN 个人区域网PAN

        按传输方式分:有线网络 无线网络

计算机网络体系结构:

  • 五层协议的体系结构
    1. 应用层:应用进程间通信和交互的规则
    2. 运输层:向两台主机中进程之间的通信提供数据传输服务
    3. 网络层:为不同主机提供通信服务
    4. 数据链路层:把上层的IP数据报组装成帧,在相邻节点之间传输
    5. 物理层:利用传输介质建立网络结点间的通信
  • TCP/IP体系结构(理念:网络核心部分越简单越好)
    1. 应用层
    2. 运输层(TCP/UDP)
    3. 网际层IP(IP)
    4. 链路层

物理层

基本概念:考虑怎么传送比特率,让上层感受不到这些差异

四大特性:

  1. 机械特性:接口标准化规定
  2. 电气特性:电缆电压范围
  3. 功能特性:某一电频电压特性
  4. 过程特性:不用功能的各种事件出现顺序

两大类型号:

        模拟型号——连续信号

        数字信号——离散信号

信道的概念

        单向通信(单工通信):只能一个方向发送一个方向接收

        双向交替通信(半双工通信):一段时间一个方向发送一个方向接收

        双向同时通信(全双工通信):同时发送和接收

为什么要调制?计算机输出的信号包含大量低频分量,许多信道不能传输,所以要调制。

两大类调制

  1. 基带调制(编码)
    1. 不归零制:正1负0
    2. 归零制:正脉冲1,负脉冲0
    3. 曼彻斯特编码:上0,下跳1
  2. 带通调制
    1. 调频(FM)
    2. 调幅(AM)
    3. 调相(PM)

信道复用技术:降低成本用

  • 频分复用:各路信号相同时间占用不同资源
  • 时分复用:各路型号不同时间占用相同资源
  • 波分复用:光的频分复用
  • 码分复用:同样时间使用同样频带通信,扛干扰性强,有计算题

数据链路层

本章讨论在同一个局域网中,分组怎样从一台主机传送到另一台主机

数据链路层两种通信类型:

  • 点对点通信
  • 广播通信

数据链路层单元:帧

数据链路层三个共同的基本问题

  • 封装成帧
    1. 在数据前后添加首部和尾部构成一个帧
    2. 首部和尾部作用:帧定界
    3. 数据部分长度上限:最大长度单元MTU
  • 透明传输:(让数据中可能出现的SOH和EOT不被解释为控制字符)
    1. 字节填充/字符填充:在每一个控制字符前面加一个ESC(转义字符)
  • 差错检测
    1. 冗余码,计算题
    2. 这里的差错检验只保证数据链路层接收端发什么,接收端就要收什么,不保证向网络层提供“可靠传输”

点对点协议PPP的需求:

  1. 简单
  2. 封装成帧
  3. 透明传输
  4. 多种网络层协议
  5. 多种链路类型
  6. 差错检验
  7. 检测连接状态
  8. 最大传输单元MTU
  9. 网络层地址协议
  10. 数据压缩协议

PPP协议实现透明传输两种方法

  1. 字节填充:用于异步传输
  2. 零比特太南充:用于同步传输,发送五个1加0,接收五个1删0

广播信道的的数据链路层 CSMA/CD协议:

为了通信渐变,以太网采用两种措施:

  1. 无连接的工作方式,尽最大努力交付
  2. 发送的数据采用曼彻斯特编码方便同步

CSMA/CD协议的四个特点

  1. 先听先发
  2. 边听边发
  3. 冲突停止
  4. 延迟后发

CSMA/CD是单双工通信

征用时间为51.2μs

10Mbit/s的网络在争用期可以发送64字节,所以长度小于64字节的帧都是由于冲突异常而终止的无效帧

局域网中,硬件地址又称物理地址/MAC地址

扩展以太网(网络层任然是一个网络)

  1. 在物理层:用光纤
  2. 在数据链路层:用以太网交换机
    1. 交换表,大题,生成树协议STP防止广播风暴
  3. 虚拟局域网VLAN:提供给用户的服务,而不是新型局域网,是物理位置无关的逻辑组

网络层

网络层要尽可能简单灵活,向上层提供无连接、最大努力交付的数据服务

单位是IP数据报

运输层

  • 22
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
线性回归是一种监督学习算法,它用于预测连续型目标变量与一个或多个自变量之间的线性关系。在Python中,可以使用scikit-learn库中的LinearRegression类来实现线性回归模型。下面是一些线性回归知识点: 1. 简单线性回归:当只有一个自变量时,称为简单线性回归。它的数学模型可以表示为Y = β₀ + β₁X + ε,其中Y是目标变量,X是自变量,β₀和β₁是模型的参数,ε是误差项。 2. 多元线性回归:当有多个自变量时,称为多元线性回归。它的数学模型可以表示为Y = β₀ + β₁X₁ + β₂X₂ + ... + βₚXₚ + ε,其中Y是目标变量,X₁、X₂、...、Xₚ是自变量,β₀、β₁、β₂、...、βₚ是模型的参数,ε是误差项。 3. 最小二乘法:线性回归模型的参数估计通常使用最小二乘法来进行。最小二乘法的目标是使得模型预测值与实际观测值之间的残差平方和最小化。 4. 均方误差(MSE):均方误差是线性回归模型中常用的性能度量之一。它衡量了模型预测值与实际观测值之间的平均差异的平方。MSE越小,表示模型的拟合效果越好。 5. R²(决定系数):R²是另一个常用的性能度量,它表示模型解释因变量变化的比例。R²的取值范围在0到1之间,越接近1表示模型的解释能力越强。 6. 特征选择:在多元线性回归中,可以使用特征选择方法来选择对目标变量具有最强影响的自变量。 7. 正则化:为了避免过拟合问题,可以使用正则化技术(如岭回归、Lasso回归)对线性回归模型进行约束。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值