草庐IT

元学习

全部标签

Lua学习笔记之迭代器、table、模块和包、元表和协程

迭代器迭代器是一种对象,它能够来遍历标准库模板容器中的部分或全部元素,每个迭代器对象代表容器中确定的地址,在Lua中迭代器是一种支持指针类型的结构,他可以遍历集合的每一个元素。泛型for迭代器泛型for自己内部保存迭代函数,实际上保存三个值:迭代函数、状态常量、控制变量。泛型for迭代器提供了集合的key/value对,array={"Hello","Tony","Chang"}--for迭代器遍历forkey,valueinpairs(array)doprint(key,value)end结果:事实上使用Lua默认提供的迭代函数ipairs,我们常常使用函数来描述迭代器,下面从函数角度分析p

【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

Vue3学习(十八) - TreeSelect 树选择

写在前面本以为可以在家学习一天,结果家里来了客人拜年,就没学习上,有点小遗憾吧。昨天完成从分类管理的前后端代码复制出文档管理的前后端代码,遗留问题是只能选择一级父分类。值得说的是,昨晚的遗留的问题修复了,开心。遗留问题点击父文档,弹出警告,从报错来看那意思就是parent应该是一个对象,我却给他一个string字符串。解决方案:将parent改造为对象:node.parent={'id':node.parent}使用树形选择组件选择父节点1、从分类管理的前后端代码复制出文档管理的前后端代码此处略,参考以前2、TreeSelect树选择使用其实就是将原来一级分类,改为可以多级分类选择,这里我们就

高效的工作学习方法

1.康奈尔笔记法在这里插入图片描述2.5W2H法3.鱼骨图分析法4.麦肯锡7步分析法5.使用TODOLIST6.使用计划模板(年月周)7.高效的学习方法成年人的学习特点:快速了解一个领域方法沉浸式学习方法:沉浸学习的判据:是否因为学习本身开心、喜乐外因:1、好的环境(安静的图书馆或者白噪音的咖啡馆)2、减少打断(关闭消息提醒,集中处理。重要的邮件等记下来)3、黄金四小时(把握一天中最黄金的时间)4、散步内因:1、运动(推荐有氧运动。达成运动目标可以增加自信)跑步2、冥想(UP之前有介绍底层逻辑。可以有氧运动后做十分钟冥想)3、好的睡眠(欠的睡眠最后都会以效率降低的形式被还回去)4、培养爱好(专

奠定基础:用于机器学习的微积分、数学和线性代数

一、说明        机器学习是一个引人入胜的领域,它使计算机能够从数据中学习并做出预测或决策,而无需明确编程。然而,在幕后,有一个坚实的数学和线性代数基础,构成了机器学习算法的支柱。在本文中,我们将探讨在深入研究机器学习之前应该熟悉的关键数学概念和线性代数基础知识。二、机器学习的数学:2.1.微积分:        微积分在理解机器学习基础的优化算法方面起着至关重要的作用。梯度下降是一种广泛使用的优化算法,它依赖于函数的导数。让我们举一个简单的例子:f(x)= x²为了找到导数 f′(x),我们可以使用Python:importsympyasspx=sp.symbols('x')f=x**

代码学习——基于音频、词汇和不流畅特征的门控多模态融合,用于从自发语音中识别阿尔茨海默病痴呆Multi-modal fusion with gating using audio, lexical an

文章目录引言正文特征工程AudioFeatures音频特征LexicalFeaturesfromText文本中的词汇特征用于训练音频特征和语义特征的具体的LSTM网络模型特征融合总结引言文章全称:Multi-modalfusionwithgatingusingaudio,lexicalanddisfluencyfeaturesforAlzheimer’sDementiarecognitionfromspontaneousspeech这篇文章是少有的公开代码的关于AD检测一些论文,这里需要好好学习。主要从以下几个方面进行学习,分别是特征工程:提取音频特征和语义特征的方式特征融合方式:本文是使用基

动手学深度学习4 线性代数

动手学深度学习4线性代数1.线性代数--数学意义1.标量的简单计算及长度1.简单操作一些简单的数学公式。2.标量的长度2.向量的简单计算及长度1.简单操作2.向量的长度:向量每个元素的平方求和再开根号3.向量点乘正交3.矩阵1.简单操作2.矩阵乘法矩阵乘以向量3.矩阵乘法矩阵乘以矩阵4.范数--矩阵的长度5.特殊矩阵6.特征向量7.补充学习线性代数知识2.线性代数的pytorch实现1.标量2.向量3.矩阵1.矩阵转置2.对称矩阵4.张量1.按元素加法2.按元素乘法哈达玛积3.降维求和1.求所有元素和--降维到标量.sum()2.按维度-轴求和--降一维或多维.sum(axis=0)3.除了求

Git Docker Portainer和Nginx的前置知识学习

1.Git的相关使用Git的作用:将本地的代码上传至仓库中,已达到维护代码,版本更新的目的。方式1:在gitcode中创建一个仓库,然后通过gitclone+地址的方式拉取,再通过IntelliJIDEA内打开,创建代码就可以提交方式2:IntelliJIDEA内置了VCS工具,通过ShareProjectonGithub来创建一个原始仓库方式3:点击CreateGitRespository创建本地仓库,然后Command+shift+K填写仓库地址可以上传至远程仓库Command+K提交2.Docker环境配置(本地安装)Docker官网:Docker:AcceleratedContaine

超全超详细的手把手搭建虚拟机学习环境

写在前面​工欲善其事,必先利其器。大家常常对于Windows和Mac谁更合适作为平时的开发本,进行广泛的讨论,在这里,我认为两者各有所长。如果大家有兴趣,可以加社区群,我们讨论讨论。在这里,我推荐将学习环境系统搭建在Linux,之所以是这样,是因为绝大多数的公司服务器使用的是Linux系统,这样更加的贴合我们的实际工作。当然,如果你愿意在Windows或者MacOS或者其他的系统上学习,都是可以的。因为运维、搭建这一块会有更专业的运维团队来做。​所以在开始Elasticsearch的学习之前,建议大家在自己的电脑上安装虚拟机,在虚拟机的基础之上,进行Elasticsearch的学习。(其实不仅

蓝桥杯0基础学习

目录Split()分隔字符串StringBuilder用法反转字符串中的单词LocalDate用法LocalDate类具体方法 查询年月日 修改时间 判断日期先后,是否是闰年,月份年份长度 对时间进行加减操作跑步锻炼  使用LoaclDate解法没使用LocalDate解法next()和nextLine()的区别BigInteger用法javaString类型与BigInteger类型互转回溯算法解决排序,子集合问题全排列题目-删除字符解法一:使用栈解法二:使用集合(原理和栈一致)题目-不同字符的最小子序列 解法一:使用栈动态规划斐波那契数数组解法-时间复杂度O(n) 解法二:时间复杂度O(n