我根据本学期老师说的考试重点和我自身的情况总结的，希望能帮助到你，如有错误欢迎指正目录第三章判别函数Fisher线性判别感知机算法第四章特征选择和提取K-L变换第五章统计学习学习基础损失函数风险正则化过拟合欠拟合泛化误差第六章有监督学习有监督学习分类器定义缩写第七章支持向量机间隔硬间隔SVM软间隔SVMSVM核方法支持向量回归SVR第八章聚类K均值聚类高斯混合模型（GMM）基于密度的聚类（DBSCAN）第九章降维PCA（主成分分析法）第十章半监督学习三个假设第十二章集成学习BaggingBoosting第十三章深度学习神经元梯度消失梯度爆炸神经网络结构梯度下降神经网络抗过拟合现在采用了什么技术
一、前言SparkAi创作系统是基于ChatGPT进行开发的Ai智能问答系统和Midjourney绘画系统，支持OpenAI-GPT全模型+国内AI全模型。本期针对源码系统整体测试下来非常完美，那么如何搭建部署AI创作ChatGPT？小编这里写一个详细图文教程吧。已支持GPT语音对话、GPT-4-Turbo模型、DALL-E3文生图、GPT-4-1106-Preview多模态模型。支持GPT-4图片对话能力上传图片，ChatFile文档对话总结、Midjourney绘画动态全功能。《SparkAi系统详情及搭建部署文档》:https://www.yuque.com/yuqueyonghutq9
文章目录1Kafka1.1Kerberos安全模式的认证与环境准备1.2创建一个测试主题1.3消费主题的接收测试2Flink1.1Kerberos安全模式的认证与环境准备1.2Flink任务的开发3HDFS与Hive3.1Shell脚本的编写思路3.2脚本测试方法4DolphinScheduler该需求为实时接收对手Topic，并进行消费落盘至Hive。在具体的实施中，基于华为MRS3.2.0安全模式带kerberos认证的Kafka2.4、Flink1.15、Hadoop3.3.1、Hive3.1，调度平台为开源dolphinscheduler。本需求的完成全部参考华为官方MRS3.2.0开
目录1:查询总数2:查询所有数据3:查询指定条数4:根据ID查询5:一个查询字符串搜索6:match搜索7:term搜索8:bool搜索9:must多条件匹配查询10:Should满足一个条件查询11:must_not必须不匹配查询12:多个字段查询内容13:一个字段查询多个内容14:通配符和正则匹配15:前缀查询16:短语匹配17:范围查询18:字段存在查询1:查询总数GETdemo_person/_count{"query":{"match_all":{}}}上述用sql表示：SELECTCOUNT(*)FROMdemo_person2:查询所有数据GETdemo_person/_sear
1.场景分析现有需求需要将elasticsearch的备份至hdfs存储，根据以上需求，使用logstash按照天级别进行数据的同步2.重难点数据采集存在时间漂移问题，数据保存时使用的是采集时间而不是数据生成时间采用webhdfs无法对文件大小进行设置解决@timestamp时区问题3.问题解决3.1安装webhdfs插件./bin/logstash-plugininstalllogstash-output-webhdfs3.2logstash配置input{elasticsearch{hosts=>"xxxx:9200"index=>"xxxx"#自定义查询query=>'{"query":
仅用于记录当天的市场情况，用于统计交易策略的适用情况，以便程序回测短线核心：不参与任何级别的调整，采用龙空龙模式昨日主题投资连板进级率66%二进三：进级率低最常用的二种方法：方法一：指标选股找强势股select*fromdbo.ResultAllwhere入选类型like'%指标选股%'and入选日期='20240109';方法二：趋势选股法，找龙头1、最低价持续3日上涨2、均价持续3日上涨3、收盘价持续3日上涨4、最高价持续3日上涨5、开盘价持续3日上涨6、均线成发散形态select*fromdbo.ResultAllwhere入选类型like'%趋势选股法%'and入选日期='202401
目录1.稳点与非稳定排序2.冒泡排序3.简单选择排序4.直接插入排序5.快排6.堆排7.归并1.稳点与非稳定排序不稳定的：快排、堆排、选择原地排序：快排也是非原地排序：归并和三个线性时间排序：桶排序，计数，基数2.冒泡排序时间复杂度O(n*n)空间复杂度O(1)稳定publicclassReviewToo{//1.冒泡排序时间复杂度O(n*n)空间复杂度O(1)稳定publicint[]BubbleSort(int[]a){inttemp;//空间复杂度的体现booleanflag;o:for(inti=1;ia.length;i++){flag=false;for(intj=0;ja.len
了解整个流程：【第一部分】输入图像x（W*H*3的RGB图像）【第一部分】x经过编码器生成 (latent空间的表示)h*w*c(具体设置多少有实验)【第二部分】逐步加噪得到，和噪声标签【第二部分】由Unet（）预测噪声与噪声标签得到loss,训练【第三部分】由Clip得到文本编码或者图像编码。以改变K和V的方式添加到Unet【第二部分】训练后，Unet（随机高斯，文本等条件）得到z【第一部分】解码器D将z 重建成RGB图像本文公式推导没有简化，从最原始概率到最终表达式，细致到具体约分！！！仅此一篇足以学会写文不易，点赞收藏关注本文将分为3个部分讲解生成模型全过程：第一部分：VAE编码器第二部
目录1.关闭es分片迁移2.修改配置文件，开启x-pack验证3.重启elasticsearch服务4.生成CA授权证书，配置certs5.修改es配置文件，追加以下内容6.再次重启ES每个节点。7.执行设置用户名和密码的命令8.最后放开es分片迁移9.FQA9.1Postman访问不了ES9.2curl访问不了ES9.3elasticvue访问不了ES线上的Elasticsearch，因为安全问题，需要开启用户名和密码。本文主要是通过开启x-pack来实现，以下是7.9.3版本开启用户名密码访问实战。1.关闭es分片迁移在开启用户名/密码访问的过程中，是需要停止ES集群的，为了防止停止节点时
目录1.二叉树前序遍历，中序遍历和后序的实现2.层序遍历3.求二叉树中的节点个数4.求二叉树中的叶子节点个数5.求二叉树的高度6.求二叉树第k层节点个数7.二叉树查找值为x的节点8.单值二叉树9.二叉树最大深度10.翻转二叉树11. 检查两颗树是否相同12.对称二叉树13.另一颗树的子树14.二叉树的前序遍历15.通过前序遍历的数组构建二叉树 16.判断二叉树是否是完全二叉树17.判断二叉树是否是平衡二叉树 18.二叉树销毁 1.二叉树前序遍历，中序遍历和后序的实现我们回顾以下二叉树的遍历：前序遍历（先序遍历）：访问根节点的操作发生在遍历其左右子树之前中序遍历：访问根节点的操作发生在遍历其左
