原创 Windows平臺下常見快捷指令

  win+R 命令行窗口 cmd dos命令窗口 mstsc 遠程登錄輸入窗口 calc 快速打卡計算器 control 打開控制面板 eventvwr 打開事件管理

原创 ML — 淺談聚類和分類的區別

  機器學習技術近來得到普遍關注,其中人們談論最多的兩類機器學習算法就是分類和聚類。簡單說,分類就是向事物分配標籤,聚類就是將相似的事物放在一起。 先上一張對比圖做以簡單瞭解 舉個例子 假設有一批人的年齡的數據,大致知道其中有一

原创 機器學習個人筆記(2)- 技術篇

2.1 機器學習算法分類 機器學習算法可以按照不同的標準來進行分類。比如按函數 f (x,θ)的不同,機器學習算法可以分爲線性模型和非線性模型;按照學習準則的不同,機器學習算法也可以分爲統計方法和非統計方法。但一般來說,我們會按照

原创 概率論 — 淺談大數定律

1.隨機變量收斂方式 1.依分佈收斂 只有分佈函數序列收斂到一個分佈函數時,才說是依分佈收斂的,這一說明是必要的,因爲分佈函數序列可能收斂到一個函數,而這個函數不一定是一個分佈函數。 2.依概率收斂(隨機收斂) 一個隨機變量序列(

原创 數學期望,方差,標準差,樣本方差,協方差,相關係數概念掃盲

數學期望 在概率論和統計學中,數學期望(mean)(或均值,亦簡稱期望)是試驗中每次可能結果的概率乘以其結果的總和,是最基本的數學特徵之一。它反映隨機變量平均取值的大小。 再舉個例子理解一下數學期望:   方差 概率論中方差

原创 機器學習個人筆記(1)- 概述篇

1.1 機器學習的概念 機器學習已經成爲了當今的熱門話題,但是從機器學習這個概念的誕生到機器學習技術的普遍應用經過了漫長的過程。在機器學習發展的歷史長河中,衆多優秀的學者爲推動機器學習的發展做出了巨大的貢獻。 從 1642 年 P

原创 赫布理論 —— 機器學習思想的萌芽

今天讀到一篇文章中有一句話提到:“從1642年Pascal發明的手搖式計算機再到1949 Donald Hebb提出的赫布理論——解釋學習過程中大腦神經元所發生的的變化蘊含着機器學習思想的萌芽。” 所以特意上網查找了資料做以摘錄。

原创 淺談軟件開發模式

1.迭代模型 迭代模型,摒棄了傳統的需求分析,設計,編碼,測試的流程,而是將整個生命週期變成若干個衝刺(Sprint)階段,而每一個階段都是由以上若干或者全部傳統的流程組成,在每一個階段中,都會包含下面四個階段:初始階段,細化階段

原创 MinGW與MSVC編譯的區別

本人使用的是QT5.6,當時我們選擇下載的是第一個VS2015版本,也就是通過MSVC方式編譯。 我們來對比一下這兩個編譯器的區別: MSVC是指微軟的VC編譯器 MinGW是指是Minimalist GNU on Window

原创 淺談泰勒公式與麥克勞林公式

一.預備知識: 1.高階無窮小 2.高階無窮小的運算 二.泰勒公式與麥克勞林公式 1.泰勒公式 2.麥克勞林公式 應用1:計算x->0時的極限 展開到幾階? 等價無窮小替換規則

原创 等價無窮小的替換條件

等價無窮小的替換條件: 拓展: 常用等價無窮小:x趨於0時,x和sinx是等價無窮小;sinx和tanx是等價無窮小;tanx和ln(1+x)是等價無窮小;ln(1+x)和ex-1是等價無窮小;ex-1和arcsinx、arcta

原创 淺談羅爾定理,拉格朗日中值定理和柯西中值定理

1.羅爾中值定理 如果一個處處可導的函數的圖像和一條水平直線交於不同的兩點(如圖所示), 2.拉格朗日中值定理(微分中值定理/羅爾中值定理的推廣) 3.柯西中值定理(拉格朗日總值定理的推廣) 參考文章:https://blo

原创 淺談洛必達法則

引言: 洛必達用金錢買來的法則-洛必達法則:學習微積分的同學不可能不知道一個法則:洛必達法則。這是一個微積分裏求極限的非常簡單好用的法則,也可以稱之爲伯努利法則。 1661年洛必達出生於法國中世紀的王公貴族。早年就顯露出數學才能,

原创 導數定義考法一網打盡

一.導數就是函數在某點處的瞬時變化率 1.導數的兩種表示方法 2.“可導”等價於“左導數=右導數” 3. 導數的三大要素 : (1).有動點也要有靜點; (2).分子分母中的△x必須一致,且△x->0; (3).導數定義具有雙側

原创 物理學四大神獸!今分享一些有意思的東西~~

前言 這是今天看到網易推到我的一個話題,點進去花了些時間看完了全部。還蠻有意思的,在這裏做一些分享吧~ 物理學中有非常多的思想實驗,其中有四個比較出名,即芝諾的龜、拉普拉斯的妖、麥克斯韋的妖和薛定諤的貓。這四個思想實驗中的龜、妖、