- 博客(30)
- 收藏
- 关注
原创 汽车专业名词
ABS制动防抱死系统(antilock brake system)链接:防抱死制动系统_百度百科EBD(Electronic Brake-Force Distribution)EBD是电子制动力分配,实际上EBD是ABS的辅助功能,配置有EBD系统的车辆,会自动侦测各个车轮与地面间的附着力状况,将刹车系统所产生的力量,适当地分配至四个车轮,在EBD系统的辅助之下,制动力可以得到有效的控制,使得制动距离明显地缩短,并在制动的时候保持车辆的平稳,提高行车的安全。EBD的功能就是在汽车制动的瞬间,
2022-07-23 21:46:27
301
1
原创 专业名词(ADAS)
LDW车道偏离预警(LDW)旨在帮助驾驶员在高速公路、快速道路等类似主干道上降低车辆意外偏离车道的风险,车道偏离预警(LDW)将通过视觉、听觉和触觉的方式警告驾驶员。链接:LDW车道偏离预警系统_什么是LDW车道偏离预警系统_太平洋汽车网百科车道偏离报警(ldw)系统技术简介ADAS算法设计(三):LDW算法设计、FCW前碰撞预警,全称Forward Collision Warning,简称FCW。它通过视觉摄像头或雷达系统监测车辆与前车距离及相对时速,对
2022-05-05 00:11:03
4010
原创 半导体公司
MOTOROAL(美国莫托罗拉半导体产品公司) http://www.motorola.com/ PHILIPS(荷兰菲利浦公司) http://www.semiconductors.philips.com/ FAIRCHILD(美国仙童公司) http://www.fairchildsemi.com/ SANKEN(日本三肯电子公司) http://ww...
2020-03-21 16:37:36
360
原创 makefile知识点整理
.PHONYPHONY 目标名称这里的目标名称不是真实的文件名称,作为执行命令显示的名称。= := ?= +== 是最基本的赋值:= 是覆盖之前的值?= 是如果没有被赋值过就赋予等号后面的值+= 是添加等号后面的值...
2019-12-03 14:21:34
151
原创 Redis代码剖析(1)
Redis代码剖析(1)ACLAEaeCreateEventLoop 创建事件循环aeCreateTimeEvent 创建时间事件aeSearchNearestTimer查找最近一个时间事件processTimeEvents循环执行时间事件aeMain event处理主循环事件处理apiACLACL 访问控制列表(Access Control List)AE事件驱动的程序库。aeCrea...
2019-12-02 17:14:48
142
原创 数据挖掘-支持度
在数据挖掘的关联分析中,支持度和置信度会同时分析。支持度和置信度总是伴随关联规则存在的,他们是对关联规则的必要的补充。A->B(support=30%,confidence=60%)支持度是说A和B同时发生的概率。P(AB)=30置信度是说在A发生的条件下,B发生的概率。P(B|A)=60% ...
2018-12-11 16:55:08
1622
原创 机器学习-感知机模型(pocket算法)实现
我们上一篇考虑的感知机模型有一个假定:数据是线性可分的。实际上,由于噪音或者其他因素的存在,不能都是线性可分的。所以,需要考虑非线性可分的情况下,实现方法。这里使用Pocket算法:Pocket算法的思想非常简单,在搜索W的时候,不断记录最好的准确率和W。这样即使数据不是线性可分的,也可以得到比较好的测试结果(只要不断的提高迭代的次数)数据:https://www.csie.ntu...
2018-11-22 18:29:08
1738
原创 机器学习-线性感知机模型
把断断续续学习的机器学习方面的东西整理一下,还是需要系统的记录一下。线性预测定义下面的的函数Ld是一个函数集合,W是d维度的参数,b是定义在R的标量。所以整个函数就是标量。当Y的值域是{-1,1}的时候,半空间可以定义为:在于W垂直的超平面上面的部分,数据被标记为正类,当在超平面的下面的话,数据被标记为负类。=>两边同时乘以因为sign(&l...
2018-11-20 16:36:45
271
原创 hyperledger fabric环境构建
1.ubuntu 16.04LTS准备(通过虚拟机安装)2.升级docker首先需要更新源,之前使用163和阿里的,发现总有更新不成功的源,所以改回官方源。vim /etc/apt/sources.listhttp://wiki.ubuntu.org.cn/%E6%A8%A1%E6%9D%BF:16.04sourceapt-get update --fix-missing更...
2018-11-02 16:39:25
419
原创 机器学习-AUC/ROC
1.ROC接收者操作特征曲线(receiver operating characteristic curve,或者叫ROC曲线)ROC空间将伪阳性率(FPR)定义为 X 轴,真阳性率(TPR)定义为 Y 轴。TPR:在所有实际为阳性的样本中,被正确地判断为阳性之比率。FPR:在所有实际为阴性的样本中,被错误地判断为阳性之比率。给定一个二元分类模型和它的阈值,就能从所有样...
2018-10-12 00:46:05
625
原创 主成分分析(PCA)
1.PCA的原理主成分分析PCA(principal component analysis)是一种降维的方法。在PCA中,数据集被从原来的坐标系统转换到一个新的坐标系统。坐标系的选择是有数据决定的,第一个坐标选择是原始数据中方差最大的方向,第二个坐标轴选择是跟第一个坐标轴正交,并且具有最大方差的方向。其他坐标轴的选择跟这个一样的做法。这样大部分方差大的坐标就在前几个坐标系里面了。2...
2018-10-10 10:03:38
225
原创 特征选择-熵和互信息
1、熵一个离散型的随机变量X的熵H(X)定义为熵常用以2为底的对数,则熵的单位用比特(bit)进行表示。以e为底的对数,则熵的单位用nat表示熵可以看做是随机变量平均不确定度的度量。 2、互信息定义(mutual information)它是一个随机变量包含另一个随机变量信息的度量。考虑两个随机变量X和Y,它们的联合概率密度函数为p(x,y),其边际概率密度函数...
2018-09-21 13:02:23
4268
原创 特征选择-χ²检验
χ²检验用来检验两个事件的独立性。如果A,B两个事件是独立的,则概率P(AB)=P(A)P(B)。公式如下:其中:1)D是数据集2)t:term,即特征3)c:class,分类4)N:在数据集里面观测值的频率5)E:数学期望计算方法:0)前提假设:t与c是独立的1)首先计算t=xi,c=yi的观测值(观测数量/频率)Nx,y= xi出现并且yi出...
2018-09-21 10:42:52
2321
原创 mysql数据库导入导出命令
当数据库有json或者外键依赖的时候,通过navicat等工具导出有时候就会出现错误,因而还是需要通过命令行进行导入导出。备份一下命令:■数据导出mysqldump.exe -h localhost -u root -p --default-character-set=utf8 test >d:\datatable\test.sql■数据导入mysql -h local...
2018-09-21 09:37:04
176
原创 特征选择-单变量特征选择
1.SelectKBest可以依据相关性对特征进行选择,保留k个评分最高的特征。①方差分析分类问题使用f_classif,回归问题使用f_regression。f_classif:分类任务跟目标的分类,将样本划分成n个子集,S1,S2,..,Sn,我们希望每个子集的均值μ1,μ2,...,μn不相等。我们假设H0:μ1=μ2=...=μn,当然我们希望拒绝H0,所以我们希望构造...
2018-09-20 22:53:52
5899
原创 特征选择-方差分析
1.方差分析按照其性质分为两大类:固定处理(fixed treatment)和随机效应(random effect)。方差分析模型分为三类:1)固定模型方差分析(fixed model anova),或称为模型Ⅰ方差分析。2)随机模型方差分析(random model anova),又叫做模型Ⅱ方差分析。3)混合模型方差分析(mixed model anova),即模型Ⅲ方差分析。 ...
2018-09-20 15:58:34
6798
原创 连续数据的离散化
1.分段类散同步pandas.cut对值进行分段划分,进行离散化。类散化后是分段的index。import pandas as pddata = [1,3,6,20,50,100]w =[0,10,50,100]v=5data_cut1 = pd.cut(data,w,labels=False)data_cut2=pd.cut(data,v,labels=False)print...
2018-09-19 00:42:05
2298
原创 特征变换
1.One-Hot Encoding有多少个状态就用几个bit来进行表示,实际上是向量维度增加了。树形模型不进行One-Hot Encodingfrom sklearn.preprocessing import OneHotEncoderimport pandas as pddata = pd.DataFrame({'number': [1, 2, 1], 'age': [20, ...
2018-09-18 18:24:31
936
原创 特征放缩(Feature scaling)
特征放缩的几种方法1.Min-Max scaling min-max标准化该方法是最简单的数组放缩方法。处理类:from sklearn.preprocessing import MinMaxScaler2.均值归一化处理(Mean normalization)3.均值标准化Z-score standardization在很多机器算法中使用到,例如支持向量机,逻...
2018-09-18 15:39:54
516
原创 机器学习-箱线图(Box-and-Whisker Plots)
箱线图的构成:1.中位图 代表分布的位置2.箱线(box)代表内部的上下4分位的宽度,可以作为分布的宽度3.上下边界:分布的上下尾部4.极端值
2018-08-23 16:26:04
11684
原创 机器学习-统计学概要
1.平均值(mean)2.方差(variance)3.标准差(standard deviation)4.中位数(median)一组数据进行排序,如果是基数个数,则取中间的那个数据。如果是偶数个数据,则取中间两个数的平均值。5.分位数(quantiles)针对一组数据(n个数据)进行从小到大进行排序,p分为数为(1+n)*p位置上对应的数。6.百分位数(per...
2018-08-23 14:17:09
157
原创 机器学习-累计分布函数(CDF)
1.累计分布函数(The Cumulative Distribution Function):在x点左侧事件发生的总和。累计分布函数的特性:①因为累计分布函数是计算x点左侧的点的数量,所以累计分布函数CDF是单调递增的。②CDF比没有直方图变化剧烈,但是CDF包含了相同的信息,并且减少了噪声。。③由于CDF不存在装箱(分段),因此比直方图能更好的展现数据。④所有的CDF中,...
2018-08-23 12:04:35
60023
6
原创 机器学习-直方图和核密度估计(Kernel Density Estimates)
1、直方图的问题①直方图装箱(binning)的过程会导致信息丢失。②直方图不是唯一的。对比起来比较困难。③直方图不是平滑的④直方图不能很好的处理极值核密度估计(KDE)完全没有上述的问题。构建KDE需要准备核函数:下面是常用的核函数图形和定义。构建一个KDE包含两部分:①把kernel偏移到特定的位置②设定带宽bindwidth下图是高斯k...
2018-08-22 19:17:38
10375
原创 机器学习的数据准备
数据准备是机器学习的关键步骤。大致可以分为以下步骤:1.选择数据这一步骤是选择可分析的业务数据的一个子集。2.选择数据后就需要对数据进行预处理。包含以下内容:①格式化转换成需要的形式②清理删除或者修复部分缺失的数据。③采样可能选择的数据比模型运行的要的数据要多,可以从选择的数据中选取有代表性的数据进行使用。3.转换数据①放缩预处理后的数据可能...
2018-08-21 18:14:59
641
原创 PAC学习框架-模型定义
针对概念分类C,PAC可学习定义为:存在算法A和多项式 poly(.,.,.,.)对于任意的ε和δ(其中ε是最大错误率,δ是置信度),针对X上的任意分布D,针对任意的c∈C,针对任意的数量m>poly(1/ε,1/δ,n,size(c))的学习集,以下概率都成立:则如果A运行在poly(1/ε,1/δ,n,size(c))中,则称C是可以PAC学习的。如果算法A存在,则称A是...
2018-08-21 11:13:32
2948
原创 PAC学习框架-经验误差
假设h∈H,目标concept c∈C,并且在训练集上S=(x1,..,xm),经验误差被定义为:经验误差实际上是在学习集上的误差。在i.i.d的情况下,数据量理想的情况下,经验误差的数学期望等于实际误差。...
2018-08-21 10:23:35
291
原创 PAC学习框架-泛化误差
术语:independently and identically distributed (i.i.d.) 独立同分布The notation x∼D simply states that the sample x came from the specific distribution that was noted as D.定义理解 1.泛化误差(Generalization e...
2018-08-21 01:19:28
583
原创 mysql数据库导入数据乱码
最近在导入其他人提供的SQL文件到MYSQL数据库中的时候,提示列太长,出现导入错误。通过查看数据库发现中文数据都是乱码。虽然在创建表的时候使用了default charset=utf8,但是还是存在乱码。原来是在导入的时候需要设置下面的命令。1. use database_name; 2. set names utf8; (或其他需要的编码) 3. source ex
2016-01-19 22:33:52
252
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