目录前言一、准备材料二、代码部分前言1.引入库2.客户端（即PC端）3.服务端（即树莓派端）演示前言博主闲得无聊，利用某宝几十块钱的机械臂自制了一个摄像头云台，使用了两个MG90S舵机和一块PCA9685驱动的16路舵机扩展板，再通过谷歌的MediaPipe库实现摄像机跟随人脸移动的功能，代码十分简单，快来给你的树莓派添加一个新玩法吧~一、准备材料①树莓派（这个肯定需要有的）②摄像头③PCA9685驱动的16路舵机扩展板（关于这部分的教程可以百度或谷歌一下，建议先调试成功后再开始这个项目，不然容易把舵机烧坏）④舵机⑤制作云台的工具（我是用某宝买的四自由度亚克力机械臂拆出来做的）二、代码部分前言
基于PCA与LDA的数据降维实践描述数据降维（DimensionReduction）是降低数据冗余、消除噪音数据的干扰、提取有效特征、提升模型的效率和准确性的有效途径，PCA（主成分分析）和LDA（线性判别分析）是机器学习和数据分析中两种常用的经典降维算法。本任务通过两个降维案例熟悉PCA和LDA降维的原理、区别及调用方法。源码下载环境操作系统：Windows10、Ubuntu18.04工具软件：Anaconda32019、Python3.7硬件环境：无特殊要求依赖库列表matplotlib 3.3.4scikit-learn 0.24.2分析任务1、基于PCA算法实现鸢尾花数据集降维，涉及下
基于PCA与LDA的数据降维实践描述数据降维（DimensionReduction）是降低数据冗余、消除噪音数据的干扰、提取有效特征、提升模型的效率和准确性的有效途径，PCA（主成分分析）和LDA（线性判别分析）是机器学习和数据分析中两种常用的经典降维算法。本任务通过两个降维案例熟悉PCA和LDA降维的原理、区别及调用方法。源码下载环境操作系统：Windows10、Ubuntu18.04工具软件：Anaconda32019、Python3.7硬件环境：无特殊要求依赖库列表matplotlib 3.3.4scikit-learn 0.24.2分析任务1、基于PCA算法实现鸢尾花数据集降维，涉及下
目录LDA主题模型1.LDA主题模型原理2.LDA主题模型推演过程3.sklearn实现LDA主题模型（实战）3.1数据集介绍3.2导入数据3.3分词处理 3.4文本向量化3.5构建LDA模型3.6LDA模型可视化 3.7困惑度 LDA主题模型1.LDA主题模型原理 其实说到LDA能想到的有两个含义，一种是线性判别分析（LinearDiscriminantAnalysis），一种说的是概率主题模型：隐含狄利克雷分布（LatentDirichletAllocation，简称LDA）。 现在讨论的是主题模型这个东西，它通俗点说吧，就是可以将一篇文中的主题以概率分布的形式
目录LDA主题模型1.LDA主题模型原理2.LDA主题模型推演过程3.sklearn实现LDA主题模型（实战）3.1数据集介绍3.2导入数据3.3分词处理 3.4文本向量化3.5构建LDA模型3.6LDA模型可视化 3.7困惑度 LDA主题模型1.LDA主题模型原理 其实说到LDA能想到的有两个含义，一种是线性判别分析（LinearDiscriminantAnalysis），一种说的是概率主题模型：隐含狄利克雷分布（LatentDirichletAllocation，简称LDA）。 现在讨论的是主题模型这个东西，它通俗点说吧，就是可以将一篇文中的主题以概率分布的形式
目录任务描述相关知识PCA与降维1.demean2.协方差矩阵3.特征值与特征向量编程要求测试说明PCA第二关—PCA算法流程任务描述本关任务：补充python代码，完成PCA函数，实现降维功能。相关知识为了完成本关任务，你需要掌握：demean；协方差；特征值分解；PCA算法流程。PCA与降维降维的方法有很多，而最为常用的就是PCA(主成分分析)。PCA是将数据从原来的坐标系转换到新的坐标系，新的坐标系的选择是由数据本身决定的。第一个新坐标轴选择的是原始数据中方差最大的方向，第二个新坐标轴的选择和第一个坐标轴正交且方差最大的方向。然后该过程一直重复，重复次数为原始数据中的特征数量。最后会发现
一、准备python和windows10系统在安装sklearn之前，需要安装两个库，即numpy+mkl和scipy。二、scipy安装和普通库安装方式一样，这里采用pip安装。pipinstall-Uscikit-learn--user三、numpy+mkl安装不要使用pip3直接在终端安装，因为pip3默安装的是numpy，而不是numpy+mkl。采用在第三方库中手动下载后，再安装的方式。第三方库网址：https://www.lfd.uci.edu/~gohlke/pythonlibs/3.1安装wheel软件包工具python-mpipinstall--upgradepippip3i
一、准备python和windows10系统在安装sklearn之前，需要安装两个库，即numpy+mkl和scipy。二、scipy安装和普通库安装方式一样，这里采用pip安装。pipinstall-Uscikit-learn--user三、numpy+mkl安装不要使用pip3直接在终端安装，因为pip3默安装的是numpy，而不是numpy+mkl。采用在第三方库中手动下载后，再安装的方式。第三方库网址：https://www.lfd.uci.edu/~gohlke/pythonlibs/3.1安装wheel软件包工具python-mpipinstall--upgradepippip3i
文章目录一、什么是主成分分析？二、主成分分析作用？三、主成分分析原理推导四、相关问题五、PCA公式推导六、实例讲解一、什么是主成分分析？ 主成分分析（PCA）是一种降维算法，PCA的主要思想是将n维特征映射到k维上，这k维是全新的正交特征也被称为主成分（特征之间互相独立），是在原有n维特征的基础上重新构造出来的k维特征（k二、主成分分析作用？ 一般来说，当研究的问题涉及到多变量且变量之间存在很强的相关性时，我们可考虑使用主成分分析的方法来对数据进行简化。三、主成分分析原理推导 可参考主成分分析原理推导和视频讲解四、相关问题1、什么是协方差矩阵？ 答:协方差矩阵表示的是两
有道是“一花独放不是春，万紫千红春满园”我们不能只满足于眼前所谓的“够用、能用”的少量知识，而不去深入学习探究，进而不慎封锁了自己的见识和更多创新开发上的可能性。曾经仅满足于学习了蓝桥杯单片机的三个外部晶振定时器：定时器0、1、2.就认为完全够用了直到有高人提点，方才认识到对官方手册的研究实属过于缺乏了，从而使得自我不能了解到CCP/PCA/PWM模块。本文就学习研究下这个模块的基础以及驱动原理：文末会安排代码硬件实验，使其实现外部中断、定时器、PWM输出等功能，并附上源码。芯片型号：STC15F2K60S2蓝桥杯单片机CT107D开发实训平台CCP代表的是Capture/Compare/PW
