自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(5)
  • 收藏
  • 关注

原创 【设备诊断】设备可靠性与运维名词学习笔记(二)更新中

SIS的设计遵循国际标准如IEC 61511(功能安全-安全仪表系统的安全生命周期),确保系统的可靠性、可用性和安全性。在诸如石油化工、油气开采、核能、制药以及大型能源生产等高风险行业中,SIS是保障生产安全不可或缺的关键系统。用于工业过程安全控制的重要自动化系统。SIS设计的目标是为了防止或减轻由于设备故障或人为错误导致的潜在危害事件,保护人员安全、环境安全以及设备财产安全。

2024-05-14 10:58:41 260 1

原创 【machine learning】线性模型(二)Lasso代码实例

压缩感知(Compressed Sensing, CS)是一种信号处理和采样理论,它允许在信号采样数远低于奈奎斯特定理要求的采样率(即信号的Nyquist采样率)的情况下,通过有效的数学方法精确重构原始信号。基于L1范数(Lasso先验)的层析重建是压缩感知在图像重建领域的一种应用,特别是在医学影像(如CT、MRI)和遥感成像等场景中。

2024-04-25 17:26:24 608 1

原创 【设备诊断】设备可靠性与运维名词学习笔记(一)

是一种先进的设备维护策略,其核心理念是根据设备故障的可能性及其对生产、安全、环境等造成的影响来制定和优化维护计划。RBM强调对设备的维护不再仅依据预定的时间周期或运行小时数,而是基于对设备实际状况、故障模式、失效后果以及相关风险的深入分析。RCM分析的核心理念是通过系统化的方法识别设备可能出现的故障模式、分析其潜在后果,并据此制定针对性的预防性维修策略。是一种结构化、系统化的风险管理方法,用于识别潜在的产品、过程或系统故障模式、评估其可能产生的影响,并采取预防措施以降低风险。

2024-04-23 17:54:29 1418

原创 【machine learning】线性模型(一)系数解释中的常见缺陷

X_train_preprocessed.drop(columns=column_to_drop).std(axis=0):计算预处理后的训练集(X_train_preprocessed)中,除去 ‘AGE’ 列后的各特征的标准差。cross_validate 函数返回一个字典,其中包含交叉验证的各种统计量和(由于设置了 return_estimator=True)每个折叠训练得到的模型估计器,这些估计器存储在字典的 ‘estimator’ 键下。将目标变量 y 应用以10为底的对数变换。

2024-04-12 11:56:28 1153

原创 【machine learning】使用稀疏特征对文本文档进行分类代码解析

... (省略若干行,见下文)使用 optparse 模块(已弃用,现代代码通常使用 argparse 模块)创建一个 OptionParser 实例 op,用于解析命令行传入的选项。定义一个名为 size_mb 的函数,接受一个文档集合(字符串列表)作为参数。函数计算所有文档(编码为 UTF-8 字节串)的总长度,然后除以 1e6(即 1,000,000),得到文档集合的总大小(以兆字节 MB 为单位)。print()

2024-04-11 18:03:50 1819

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

提示
确定要删除当前文章?
取消 删除