草庐IT

【机器学习算法】KNN鸢尾花种类预测案例和特征预处理。全md文档笔记(已分享,附代码)

本系列文章md笔记(已分享)主要讨论机器学习算法相关知识。机器学习算法文章笔记以算法、案例为驱动的学习,伴随浅显易懂的数学知识,让大家掌握机器学习常见算法原理,应用Scikit-learn实现机器学习算法的应用,结合场景解决实际问题。包括K-近邻算法,线性回归,逻辑回归,决策树算法,集成学习,聚类算法。K-近邻算法的距离公式,应用LinearRegression或SGDRegressor实现回归预测,应用LogisticRegression实现逻辑回归预测,应用DecisionTreeClassifier实现决策树分类,应用RandomForestClassifie实现随机森林算法,应用Kme

读人工不智能:计算机如何误解世界笔记03_AlphaGo

1. 人工智能1.1. “人工智能”这个词听起来就是电影里的意象1.1.1. 电影《星际迷航:下一代》中栩栩如生的机器人“数据少校”1.1.2. 电影《2001太空漫游》中的哈尔90001.1.3. 电影《她》中的人工智能系统萨曼莎1.1.4. 漫威系列漫画和电影中钢铁侠的管家贾维斯1.2. 许多人希望现实世界中能有人工智能的东西出现,他们多半就是想要一个能满足所有需求的机器人管家1.2.1. 脸书的马克·扎克伯格就曾开发过一个基于人工智能的家庭自动化系统,他将其命名为“贾维斯”1.3. 自己特别想要得到的东西,人们就很容易将想象和现实混为一谈1.4. 计算机科学家和普罗大众(包括从事技术工作

【论文笔记】Image Manipulation Detection by Multi-View Multi-Scale Supervision

ICCV2021:MVSS-Net:ImageManipulationDetectionbyMulti-ViewMulti-ScaleSupervision原文链接:https://arxiv.org/abs/2104.06832源码:https://github.com/dong03/MVSS-Net摘要图像篡改检测的关键挑战是如何学习对新数据的篡改敏感的通用特征,同时防止对真实图像的误报。目前的研究强调了敏感性,而忽略了特异性。本文通过多视角特征学习和多尺度监督来解决这两个问题。为了兼顾模型在篡改图像检测上的灵敏度和在真实未篡改图像上的特异性,MVSS-Net一方面利用语义无关的图像噪声分

transformer学习笔记:Positional Encoding(位置编码)

对于任何一门语言,单词在句子中的位置以及排列顺序是非常重要的,它们不仅是一个句子的语法结构的组成部分,更是表达语义的重要概念。一个单词在句子的位置或排列顺序不同,可能整个句子的意思就发生了偏差。举个例子来说:I donot likethestoryofthemovie,butI do likethecast.I do likethestoryofthemovie,butI donot likethecast.上面这两句话所使用的的单词完全一样,但是所表达的句意却截然相反。那么,引入词序信息有助于区别这两句话的意思。什么是位置编码 在transformer的encoder和decoder的输入层

字符串学习笔记-lstrip-rstrip-strip-split-partition-rpartition-splitlines

学习目标:字符串lstrip-rstrip-strip-split-partition-rpartition-splitlines的用法学习内容:一、lstrip、rstrip、strip函数“字符串”.lstrip(char=None)删除左空格“字符串”.rstrip(char=None)删除右空格“字符串”.strip(char=None)删除空格例1"左侧不留白".lstrip()‘左侧不留白’"右侧不留白".rstrip()‘右侧不留白’"左右两侧均不留白".strip()‘左右两侧均不留白’例2:strip(参数1)#注意:这里我们传入的虽然是一串字符,但它是按照单个字符为单位进行

Git笔记——2

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一、撤销修改__情况一二、撤销修改__情况二三、撤销修改__情况三四、删除文件五、理解分支六、创建、切换和合并分支初体验七、删除分支八、合并冲突总结前言世上有两种耀眼的光芒,一种是正在升起的太阳,一种是正在努力学习编程的你!一个爱学编程的人。各位看官,我衷心的希望这篇博客能对你们有所帮助,同时也希望各位看官能对我的文章给与点评,希望我们能够携手共同促进进步,在编程的道路上越走越远!提示:以下是本篇文章正文内容,下面案例可供参考一、撤销修改__情况一二、撤销修改__情况二三、撤销修改__情况三四、删除文件五、理解分支六、

读十堂极简人工智能课笔记04_计算机视觉

1. 仙女蜂1.1. Megaphragmamymaripenne1.2. 一种微小的蜂类1.3. 人类已知第三小的昆虫1.4. 大脑仅由7400个神经元组成,比大型昆虫的大脑小了好几个数量级1.5. 微小的身体里没有空间容纳这些神经元,所以在生长的最后阶段,它把每个神经元内最重要的细胞核剥离出来以节省空间1.6. 我们还无法理解如此少的神经元如何能够实现如此复杂的感知和控制1.7. 它的感知机制似乎比今天的人工智能简单得多1.7.1. 我们的人工智能往往是借助大量的数据、成千上万的人工神经元和巨大的计算能力,用蛮力训练出来的1.7.2. 小小的仙女蜂告诉我们,自然界其实还有很多更优雅、更简单

线性代数笔记2--矩阵消元

0.简介矩阵消元1.消元过程实例方程组{x+2y+z=23x+8y+z=124y+z=2\begin{cases}x+2y+z=2\\3x+8y+z=12\\4y+z=2\end{cases}⎩⎨⎧​x+2y+z=23x+8y+z=124y+z=2​矩阵化A=[121381041]X=[xyz]A=\begin{bmatrix}1&2&1\\3&8&1\\0&4&1\end{bmatrix}\\X=\begin{bmatrix}x\\y\\z\end{bmatrix}A=​130​284​111​​X=​xyz​​B=[2122]B=\begin{bmatrix}2\\12\\2\end{bm

UE4 C++联网RPC教程笔记(一)(第1~4集)

UE4C++联网RPC教程笔记(一)(第1~4集)前言1.教程介绍与资源2.自定义Debug功能3.Actor的复制4.联网状态判断前言本系列笔记将会对梁迪老师的《UE4C++联网RPC框架开发吃鸡》教程进行个人的知识点梳理与总结,此课程也像全反射零耦合框架的课程那样,已经超过报名截止时间了,无法通过正常方法观看。笔者依旧是采取神奇的方法,通过手机浏览器(不同浏览器的效果有差别,有的会直接要求你登录,遇到这样的就换一个;还有可能点开网页会发现没有播放按钮,遇到这样的就换一个网页)搜索该课程后可以在课程预览界面观看,也可以在目录进行跳转,不过没有字幕。建议是在PC端的手机模拟器观看。本课程集数不

STM32笔记(5) ——————USART串口发送&串口发送和接收

一、USART串口发送1.串口发送硬件接线:由引脚定义表,PA9为USART1_TX复用,PA10为USART1_RX复用,与USB的TX和RX交叉连接。程序里GPIO初始化时,把TX配置成复用推挽输出,RX配置为输入模式。输入并不分什么普通输入、复用输入,一根线只能一个输出,但可以有多个输入,所以输入脚外设和GPIO都可以同时使用,一般RX配置为浮空输入或者上拉输入。要交叉连接,所以RX接TX注意首先在电脑设备管理器里会有如下标识,如果出现了COM号并且图标前没有感叹号,就说明串口CH340驱动没问题,否则需要安装下串口驱动:1.Serial.c#include"stm32f10x.h"//