原创 bezier 曲線的繪製 matlab實現

Bezier曲線的定義如下:下面用matlab實現Bezier曲線的繪製:1、繪製二維bezier曲線代碼如下:function [X,Y]=bezier2(x,y) %用法: %bezier(x,y) % 生成n-1次貝塞爾曲線,其中x

原创 B-樣條基函數 matlab實現

B-樣條基函數的遞歸形式如下:matlab實現:function result = Bbase(i,k,u,NodeVector) % 計算基函數result % i爲控制頂點的序號 k爲次數 u爲帶入的值 NodeVector

原创 elasticsearch 如何刪除某字段中含有null的所有文檔

具體就不說我遇到的場景了,主要是不好意思說。下面我直接講一下我解決的過程吧。 首先也是google一下看有沒有現成了,果然是有滴 詳細可以查看: https://blog.csdn.net/zhang862520682/article/d

原创 將mysql數據同步到elasticsearch時,mysql的float類型出現精度損失及解決方法

場景描述 之前將mysql數據同步到ES,採用的是如下的架構,打造的是千萬級別的實時搜索系統 詳情請看 https://blog.csdn.net/laoyang360/article/details/52227541#commentBo

原创 elasticsearch xpack sql group by 如何對時間按年月日進行分組查詢

ES從6.3開始已經支持SQL了,當然還有很多不完善的地方,比如對於嵌套查詢,連表查詢,但是對於單表而言,提供的SQL已經基本夠用了。 這裏只講一下我在實際業務中遇到的一個問題,運營那邊想要對時間進行分組查詢,可以按年或是月或是日進行分組

原创 js製作CSV文件下載功能時,由於值中含有json字符串導致導出格式錯誤解決方法

問題描述: 由於做的是真分頁,所以下載的時候不用在查詢數據庫,因而直接用的是js製作CSV文件下載功能,但是由於值中含有json字符串導致導出格式錯誤。格式錯誤體現在json字符串被拆分,佔用了多個單元格。 解決方法: 根據CSV文件識別

原创 kibana 創建index pattern 索引模式時過慢導致無法創建成功 以及解決方案

下面我具體描述一下我遇到的問題。 在kibana上面創建索引點擊創建時,一直顯示下面的頁面 就看到不停的在那轉,始終創建不成功。 查看後臺日誌,看到狀態碼爲403,報瞭如下的錯誤 由於我用的是es6版本,所以懷疑是.kibana沒有寫入

原创 機器學習(十六)——多元正態分佈(The multivariate normal distribution)

原文:http://cs229.stanford.edu/notes/cs229-notes2.pdfn維的多元正態分佈,也稱爲多元高斯分佈,是用均值向量和協方差矩陣參數化的,其中Σ≥0是對稱的和正半定的。也被寫作,它的密度函數爲在上面的

原创 機器學習(十一)——構造廣義線性模型(Constructing GLMs)

原文:http://cs229.stanford.edu/notes/cs229-notes1.pdf假設您希望建立一個模型來估計在任何給定時間內到達您的商店的顧客數量y(或您網站上的頁面瀏覽量),基於某些特點x,如商店促銷,最近的廣告,

原创 機器學習(十四)——證明softmax回歸屬於GLM模型族

原文:http://cs229.stanford.edu/notes/cs229-notes1.pdf讓我們再看一個GLM的例子。考慮一個分類問題,其中響應變量y可以接受任意一個k值,因此y∈{1,2,…,k}。例如,與其將電子郵件分爲垃

原创 機器學習(十八)——樸素貝葉斯(Naive Bayes)

原文:http://cs229.stanford.edu/notes/cs229-notes2.pdf在GDA中,特徵向量x是連續的實數向量。現在讓我們來談談一種不同的學習算法,其中是離散值的。對於我們的引入示例,考慮使用機器學習構建一個

原创 遺傳編程——java語言實現

對於遺傳編程的理論請參看《集體智慧編程》一書,書中對於遺傳編程的原理有詳細的闡述。遺傳編程的大體執行過程如下圖所示:我們使用樹形表示法來描述圖中遺傳編程中的程序。下面進入到我們這篇博客的重點了,遺傳編程——java語言實現一、由於是使用樹

原创 機器學習(四)——最小二乘(Least squares)

原文:http://cs229.stanford.edu/notes/cs229-notes1.pdf藉助舉證導數的工具,現在讓我們繼續以封閉的形式找到θ的值,使得J(θ)最小化。我們從用矩陣向量表示法重寫J開始。給定一個訓練集,設計矩陣

原创 機器學習(七)——邏輯迴歸(Logistic regression)

原文:http://cs229.stanford.edu/notes/cs229-notes1.pdf我們可以忽略y是離散值的事實來處理分類問題,並利用我們的線性迴歸算法來嘗試根據給定的x來預測y。但是,在這種方法性能很差的情況下,構造示

原创 機器學習(五)——概率解釋(Probabilistic interpretation)

原文:http://cs229.stanford.edu/notes/cs229-notes1.pdf當面臨迴歸問題時,爲什麼線性迴歸,特別是爲什麼最小二乘損失函數J可能是一個合理的選擇?在本節中,我們將給出一組概率假設,在此假設下,最小