目录矩阵键盘的介绍独立按键和矩阵按键的相同之处：矩阵按键的扫描代码演示代码模块化移植Keil自定义模板步骤：代码编写矩阵键盘就是开发板上右下角的这个模块这一节的代码是基于上一节讲的LCD1602液晶显示屏驱动代码进行的矩阵键盘的介绍在键盘中按键数量较多时，为了减少I/O口的占用，通常将按键排列成矩阵形式采用逐行或逐列的“扫描”，就可以读出任何位置按键的状态。数码管扫描（输出扫描）原理：显示第1位→显示第2位→显示第3位→……，然后快速循环这个过程，最终实现所有数码管同时显示的效果矩阵键盘扫描（输入扫描）原理：读取第1行(列)→读取第2行(列)→读取第3行(列)→……，然后快速循环这个过程，最终

机器学习作为人工智能的一种最重要的实现方式，其历史可以追溯到20世纪50年代。只不过，早期受制于计算机的算力，基本没有什么能够落地的实际应用，更多的是各类算法的研究和发展。之后，随着硬件的飞速发展，终于迎来了人工智能的春天，各种机器学习的算法在我们的日常生活中得到了广泛应用（很多情况甚至我们都没有感觉到）。比如，小到各种的个性化推荐，语音控制，人脸识别等我们平时经常接触的应用，大的方面有医疗领域，机器学习的成果在这些领域帮助医生进行疾病诊断、辅助手术和治疗，以及提供个性化的健康管理方案；还有交通领域，未来的自动驾驶会给我们的出行方式带来革命性的变化。此外，机器学习还渗透到很多其他的方方面面，这

源码介绍：全新小白菜QQ云端机器人登录系统源码，是一款经过全面解密的授权学习版源码。这款源码已解除了授权版的限制，然而许多人可能对其用途并不了解。实际上，该源码主要面向群机器人爱好者设计。它是一个基于挂机宝机器人框架的网页站点，用户可以通过网页登录QQ账号至挂机宝内的框架中，无需通过机器人即可实现登录。同时，该源码解决了一个框架只能对应一个机器人的难题，支持多个挂机宝，并且能够自由选择框架登录或者强制使用固定框架登录。当前版本支持小栗子框架、MYQQ、MYQQA等框架，未来还将支持更多优质的框架。更新介绍：1、支持在网页内调整至QQ快捷登录到小栗子框架、my框架，解决登录难题！2、支持无限分销

导言在机器学习领域，线性回归是最基础且重要的算法之一。它用于建立输入特征与输出目标之间的线性关系模型，为我们解决回归问题提供了有效的工具。本文将详细介绍线性回归的原理、应用和实现方法，帮助读者快速了解和上手这一强大的机器学习算法。一、线性回归简介线性回归是一种监督学习算法，适用于处理连续数值预测问题。其基本思想是通过拟合最佳直线（或超平面）来预测输出变量与输入特征之间的关系。线性回归的目标是找到最优的模型参数，使得模型对训练数据的预测值与真实值之间的误差最小化。二、线性回归原理假设函数线性回归假设输入特征与输出目标之间存在线性关系，即数学上的假设函数为：y=w0+w1x1+w2x2+...+w

重点：1.逻辑回归模型会生成概率。2.对数损失是逻辑回归的损失函数。3.逻辑回归被许多从业者广泛使用。#1.逻辑回归：计算概率**许多问题需要将概率估算值作为输出。逻辑回归是一种非常高的概率计算机制。**实际上，您可以通过以下两种方式之一使用返回的概率：*原样*已转换为二元类别。在许多情况下，您需要将逻辑回归输出映射到二元分类问题，其中目标是正确预测两个可能的标签之一（例如，“垃圾邮件”或“不是垃圾邮件”）。后续模块会重点介绍

线性回归1.概述回归是一种应用广泛的预测建模技术，这种技术的核心在于预测的结果是连续型变量。决策树，随机森林，支持向量机的分类器等分类算法的预测标签是分类变量，多以{0，1}来表示，而无监督学习算法比如PCA，KMeans的目标根本不是求解出标签，注意加以区别。回归算法源于统计学理论，它可能是机器学习算法中产生最早的算法之一，其在现实中的应用非常广泛，包括使用其他经济指标预测股票市场指数，根据喷射流的特征预测区域内的降水量，根据公司的广告花费预测总销售额，或者根据有机物质中残留的碳-14的量来估计化石的年龄等等，只要一切基于特征预测连续型变量的需求，都使用回归技术。既然线性回归是源于统计分析，

在定义语言模型时，通常会使用一种基本分词方法，把句子分为词（word）、子词（subword）或字符（character）。其中，子词分词法一直是最受欢迎的选择，因为它在训练效率和处理词汇表外单词的能力之间实现了自然的折中。然而，一些研究指出了子词分词法的问题，如对错别字、拼写和大小写变化以及形态变化缺乏稳健性。因此，有些研究人员另辟蹊径，采用了一种使用字节序列的方法，即从原始数据到预测的端到端映射，中间不进行任何分词。与子词模型相比，基于字节级的语言模型能够更容易地在不同的书写形式和形态变化之间进行泛化。当然，将文本建模为字节意味着生成的序列要比对应的子词长得多。如此一来，效率的提升就要依靠

本文经自动驾驶之心公众号授权转载，转载请联系出处。很多大学的计算机专业用的入门语言都是C语言，通常老师会给学生指定一款IDE来进行程序的编写，比如vc++6.0、Code::Blocks、Devc++，可是这些IDE大都比较老旧，用起来有很多不顺畅的地方，而且界面粗糙，一点都没有印象中程序员该有的那种炫酷的感觉，所以寻找一款现代化的、功能强大的编辑器/IDE对于一些人来说还是很有必要的。也许有人说这些IDE开箱即用，不需要额外配置，对于什么都还不了解的新人来说很合适。我认为这是有道理的，但不应当妨碍一个有好奇心和折腾欲的学生去尝试其他的编程工具，我个人认为爱折腾对计算机专业的学生来说是一项可贵

【计算机视觉—python】图像处理入门教程——图像属性、像素编辑、创建与复制、裁剪与拼接【openCV学习笔记005to010and255】1、图像属性OpenCV中读取图像文件后的数据结构符合Numpy的ndarray多维数组结构，因此ndarray数组的属性和操作方法可用于图像处理的一些操作。数据结构如下图所示：img.ndim：查看代表图像的维度。彩色图像的维数为3，灰度图像的维度为2。img.shape：查看图像的形状，代表矩阵的行数（高度）、列数（宽度）、通道数。img.size：查看图像数组元素总数，灰度图像的数组元素总数为像素的数量，彩色图像的数组元素总数为像素数量与通道数的乘

机器学习第五课逻辑回归概述逻辑回归应用领域逻辑回归vs线性回归基本定义输出类型函数关系误差计算使用场景数据分布逻辑回归的数学原理Sigmoid函数多数几率似然函数逻辑回归损失函数正则化L1正则化L2正则化L1vsL2实例标准化为什么要标准化?如何进行标准化?梯度下降工作原理梯度下降的公式梯度下降的变种学习率前向传播vs反向传播前向传播反向传播手把手计算回归前向传播反向传播参数更新实战逻辑回归预测乳腺癌逻辑回归鸢尾花手搓逻辑回归概述逻辑回归(LogisticRegression)尽管名字中带有“回归”两个字,但主要是用来解决分类问题,尤其是二分类问题.逻辑回归的核心思想是:通过将线性回归的输出传