- 博客(14)
- 收藏
- 关注
RSS订阅原创 PEP8编码规范
目录前言Indentation缩进单行字符限制空行源文件编码方式注释文档注释模块和包相关规范命名规范前言Guido（荷兰的一位计算机程序员）的一条重要见解就是代码阅读比写更加频繁。我们都知道能写出程序很厉害，但是能写出好程序更厉害！！！PEP8是针对python代码格式而编写的风格指南，下面跟着小编一起学习一下，让我们的代码变得更好看吧！提示：以下是本篇文章正文内容，下面案例可供参考Indentation缩进每一级缩进使用4个空格（慎用Ta
2022-04-06 18:24:30
828
1
原创 操作系统进程管理（p、v操作）例题
有四个进程S1、R1、R2和R3，其中S1向缓冲区BUFF发送消息，R1、R2和R3从缓冲区中接收消息。发送和接收的规则如下：缓冲区BUFF任何时候只能存放1个消息；R1、R2和R3每次可取S1存放在缓冲区中的消息；每个存放在缓冲区中的消息必须被R1、R2和R3均接收后才能清除。请用信号量机制来实现这4个进程间的同步。2、面包店有很多面包，由n个销售人员推销。每个顾客进店后先取一个号，并且等待叫号。当一个销售人员空闲下来时，就叫下一个号。设计一个使销售人员和顾客同步的算法
2022-03-26 17:14:09
1766
1
原创 操作系统引论
前言操作系统是一门极为重要的课程，在考研专业课统考中占35分，希望可爱的小伙伴们可以同我一同进步~提示：以下是本篇文章正文内容，下面案例可供参考一、操作系统的目标和作用1.1 OS的定义操作系统（Operating System），简称OS简单来说，OS就是“硬件相关，应用无关”OS是直接控制和管理计算机硬件和软件资源，合理地对各类作业进行调度，以方便用户使用的程序集合。1.2 OS在计算机中的地位紧贴系统硬件之上，所有其他软件之下（是其他软件的共同环境）...
2022-03-20 20:14:20
503
1
原创 大数据与人工智能方向基础 ---- 特征选择与决策树的构建
纯节点，不纯节点，节点不纯度的度量方式（熵不纯度，方差不纯度，误差不纯度），信息增益，增益率，基尼指数，决策树算法的历史，ID3决策树算法，C4.5决策树算法，CART分类树算法，CART回归树的构建……
2022-01-09 10:41:40
930
2
原创 大数据与人工智能方向先修课第四次雪梨任务
1、理解模型的学习能力，泛化能力？2、理解什么是学习误差？什么是测试误差？3、理解什么是交叉验证？4、理解什么是过拟合？什么是欠拟合？5、(基于测试集的)模型评价： (1) 基于测试集的二分类模型评价； (2) 基于测试集的多分类模型的评价； (3) 基于测试集的实值函数预测模型评价。
2022-01-09 10:07:03
261
1
原创 大数据与人工智能方向基础 ---- 决策树的初步认识
目录前言一、决策树的基本认识二、决策树的优势三、基本流程四、决策树的使用前言有很多新手刚刚接触大数据与人工智能方向学习，如果不知道怎么着手的，跟我一起慢慢进步叭~提示：以下是本篇文章正文内容，下面案例可供参考一、决策树的基本认识决策树：是一类常见的机器学习方法。顾名思义，决策树是基于树结构来进行决策的，这恰是人类在面临决策问题时一种很自然的处理机制。例如：我们要对“这是好瓜吗”这样的问题进行决策时，通常会进行一系列的判断或子判断：我们先看“它是什么...
2022-01-05 21:08:08
1320
2
原创 大数据与人工智能方向先修课第三次雪梨任务
了解K近邻模型的原理和流程，K近邻模型能解决机器学习任务中的哪些常见的任务？考虑影响K近邻模型的因素有哪些？距离向量？超参数K值，决策规则
2021-12-31 20:08:17
1418
1
原创 大数据与人工智能方向基础 ----- K近邻回归模型
K近邻回归模型，回归模型的一般描述，K近邻回归算法的一般描述，K近邻回归模型的预测规则（等权平均，基于距离的加权平均）
2021-12-31 19:32:11
2364
1
原创 大数据与人工智能方向基础 ----- K近邻分类模型
K近邻分类模型，分类问题的一般描述，K近邻分类算法的描述，K近邻分类的三个基本要素（距离向量、超参数K值、决策规则），kd树的构建，kd树的搜索
2021-12-30 21:04:33
1203
1
原创 大数据与人工智能方向基础 ---- 模型的选择与性能评价
学习能力，泛化能力，过拟合，欠拟合，划分数据集D的典型实现方式（留一法，交叉验证法，自助法），错误率与精度，查准率与查全率，F1，ROC与AUC，代价敏感错误率与代价曲线，均方误差，均方根误差，平均绝对误差，中值绝对误差
2021-12-28 17:56:50
1145
原创 大数据与人工智能方向基础 ---- 机器学习基本概念
什么是机器学习？机器学习的相关术语（样本、示例、特征、属性、属性值、属性空间、样本空间、输入空间、特征空间、样本点、特征向量、特征维数、样本集、数据集、测试样本、标记、已知样本、未知样本、标记空间、输出空间、学习、训练、训练数据、训练样本、训练集、测试、测试样本）典型的机器学习任务？典型的机器学习范式？假设与假设空间？假设的选择原则？机器学习的三要素？
2021-12-24 20:53:10
2056
原创 大数据与人工智能方向基础 --- 概述
什么是智能？什么是人类智能？什么是人工智能？人工智能的分类（弱人工智能、强人工智能）？人工智能的特征？人工智能与机器学习与深度学习的关系？
2021-12-23 16:07:05
1919
原创 大数据与人工智能方向先修课第一次雪梨任务
有关人工智能的基础知识（大数据、智能与人工智能、机器学习、深度学习、监督学习、无监督学习、机器学习典型的学习任务以及典例）
2021-12-21 21:02:29
779
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