- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI机器学习与深度学习算法
机器学习入门 9-2 逻辑回归的损失函数
前言 本系列是《玩转机器学习教程》一个整理的视频笔记。在上一小节介绍了逻辑回归的大致框架，有了大致框架就需要建模来求解参数θ值。本小节重点介绍逻辑回归的损失函数。 通过上面的学习了解了使用两个函数作为损失函数，但是上面定义的cost函数是一个分段函数，需要根据样本的类别真实值y取"类别1"还是"类别0"来选择不同的cost函数，这显然是不方便的。 上面的J(θ)是比较标准的损失函数，因为这个式子中用到的样本Xb和对应的标签y都是之前监督学习过程一直使用的样本信息，θ为真正的未知量。 使用梯度下降法求解逻辑回归和之前学习的梯度下降法求解过程是一样的。首先求出J(θ)损失函数对应的梯度，然后运用梯度下降参数更新的式子更新θ参数，最终找到使得J(θ)损失函数最小的θ值。
1.3K10发布于 2020-02-26 - 来自专栏前端
学习通高效学习教程
点击获取后点击添加扩展可能有打不开或者打开后不是此画面的，可以直接跳到获取这一步 二.安装脚本 这里直接使用大佬已经写好的脚本https://gaoxiaobang.vip/111607.html安装好后可以打开学习通或智慧职教有些课程有大量的题
1K00编辑于 2025-08-15 - 来自专栏AI那点小事
算法提高 9-2 文本加密
问题描述 先编写函数EncryptChar,按照下述规则将给定的字符c转化（加密）为新的字符：”A”转化”B”，”B”转化为”C”，… …”Z”转化为”a”，”a”转化为”b”,… …, “z”转化为”A”，其它字符不加密。编写程序，加密给定字符串。 样例输出 与上面的样例输入对应的输出。 例：
53840发布于 2020-04-20 - 来自专栏Lan小站
试题 算法提高 9-2 文本加密
先编写函数EncryptChar,按照下述规则将给定的字符c转化（加密）为新的字符："A"转化"B"，"B"转化为"C"，... ..."Z"转化为"a"，"a"转化为"b",... ..., "z"转化为"A"，其它字符不加密。编写程序，加密给定字符串。
26420编辑于 2022-07-13 - 来自专栏mysql
hhdb数据库介绍(9-2)
本节将描述快速配置关系集群数据库HHDB Server的方法。本节仅介绍必要的配置功能，用于达到快速入门的目的。如果需要了解更多的配置功能，请参考管理平台文档。
35210编辑于 2024-11-28 - 来自专栏布衣者博客
python项目-学习通剩余作业
目前问题 1.当短时间内多次请求会造成学习通403拒绝请求，导致无法获取到作业或考试。 自己正好要学python就想自己练练手也写一个，因此我就需要完成一部分知识的学习才能开始： 1.抓包：尝试去抓取学习通app的包，用更少的请求去获取到链接。其中原作者也采用该方式。 3.查询端和服务端要分离开：因为从原作者中的文章中表示，学习通会对请求多或异常的ip进行封ip，后续也从自己同学的服务器了解到了，他原本用服务器爬取学习通，最后导致ip被封。 项目及免责 项目目前部署在自己的服务器上：链接为：学习通剩余作业 免责： 1.本站不记录、不保存学习通密码及cookie,全部保存在你的本地浏览器上，使用时才会调用。 使用地址：学习通剩余作业
2.2K30发布于 2021-09-07 - 来自专栏张俊红
机器学习通识篇知识分享
机器学习定义 机器学习（Machine Learning）本质上就是让计算机自己在数据中学习规律，并根据所得到的规律对未来数据进行预测。 机器学习的基本过程如下： 机器学习基本过程 机器学习发展历程 从机器学习发展的过程上来说，其发展的时间轴如下所示： 机器学习发展历程 从上世纪50年代的图灵测试提出、塞缪尔开发的西洋跳棋程序，标志着机器学习正式进入发展期 机器学习分类 机器学习经过几十年的发展，衍生出了很多种分类方法，这里按学习模式的不同，可分为监督学习、半监督学习、无监督学习和强化学习。 强化学习 强化学习（Reinforcement Learning）类似于监督学习，但未使用样本数据进行训练，是是通过不断试错进行学习的模式。 监督学习、半监督学习、无监督学习、强化学习的示意图如下所示： 机器学习应用之道 机器学习是将现实中的问题抽象为数学模型，利用历史数据对数据模型进行训练，然后基于数据模型对新数据进行求解，并将结果再转为现实问题的答案的过程
65010编辑于 2022-07-19 - 来自专栏信数据得永生
django 1.8 官方文档翻译：9-2 本地特色附加功能
由于历史因素，Django自带了django.contrib.localflavor – 各种各样的代码片段，有助于在特定的国家地区或文化中使用。为了便于维护以及减少Django代码库的体积，这些代码现在在Django之外单独发布。
31440编辑于 2022-11-27 - 来自专栏全栈程序员必看
高通msm8937的BLSP学习
Peripheral (BLSP)，低速接口的总线访问模块 (3) QUP：Qualcomm Universal Peripheral，高通统一的外设 2.Msm8937 BLSP BLSP是高通对于低速接口的一种管理方式 status register in the peripheral core allows software to distinguish between interrupt sources 参考： 高通无人机 8074 BLSP接口说明 http://huaqianlee.github.io/2016/04/27/Uav/Qualcomm-uav-blsp-port/ 高通APQ8074 spi 接口配置 https
2.1K20编辑于 2022-11-04 - 来自专栏折影轻梦
学习通加Anki光速逃离挂科
学习通加Anki光速逃离挂科 2021年11月26日 216 字 大概 1 分钟 为了防止挂科，写了个脚本，可以将你的超星学习通里的作业数据、随堂练习导出成为 Csv 文件，方便导入 Anki 背题 Anki Anki让记忆更轻松 - ankichina 二 下载 Anki 选择题模板 anki 选择题❤️猪猪.apkg 模版下载 下载 感谢 @GJade 提供的模板 下载后双击即可导入模板 三 导出学习通作业 、随堂练习数据 安装油猴或脚本猫 油猴脚本安装 “超星 To Csv” 脚本 https://scriptcat.org/script-show-page/219 打开学习通作业或随堂练习页面，点击“下载题目数据
1.3K30发布于 2021-11-29 - 来自专栏算法与编程之美
Python|自动化实现学习通登录
前言 最近小编在学习python自动化处理网页，因为一直在使用学习通，因此写了一个python自动化网页登录学习通的简单程序，因为才入门，不足之处希望读者能够提出。 from selenium import webdriver class Webdriver: def main(self): user = input('请输入学习通账号 :') password = input('请输入学习通密码:') global wb # 申明全局变量防止Chrome浏览器运行时闪退 wb ) # 定位点击登录 if __name__ == '__main__': s = Webdriver() s.main() 我们启动程序输入账号和密码就可以直接登录超星学习通的个人空间 总结 体验下来就是selenium模块就是用程序去模仿人去对网页的操纵，例如输入，鼠标点击，等操作，如果结合爬虫等数据挖掘的话，会起到很好的作用；在后续的学习中，我会去尝试写一个学习通自动签到的程序，希望这篇文章对读者有所帮助
1.6K20发布于 2020-09-24 - 来自专栏Android Camera开发
Android 高通Camx架构学习 - 第1章
关于高通Camx架构介绍的文章目前还是凤毛麟角，我会尽自己能力尽可能讲多点，讲的通俗明白点~ 这篇文章分下面几点来展开： 1）Camx整体架构图； 2）Camx基本组件及其概念； 3）Camx代码目录结构 ; 一、Camx整体架构图 目前Android主流的机型,采用高通芯片的，使用的基本都是camx架构。 从上图我们可以看到，在hal层，高通是结合自己的芯片硬件，添加了一层逻辑，这层逻辑高通内部命名为camx架构。 下面我们来看下高通camx架构上，camera数据流向大体上是怎样的？ ?
2.8K30发布于 2021-04-30 - 来自专栏大数据文摘
机器学习通识篇知识分享
机器学习的基本过程如下： 机器学习基本过程 机器学习发展历程 从机器学习发展的过程上来说，其发展的时间轴如下所示： 机器学习发展历程 从上世纪50年代的图灵测试提出、塞缪尔开发的西洋跳棋程序，标志着机器学习正式进入发展期 机器学习分类 机器学习经过几十年的发展，衍生出了很多种分类方法，这里按学习模式的不同，可分为监督学习、半监督学习、无监督学习和强化学习。 监督学习 监督学习（Supervised Learning）是从有标签的训练数据中学习模型，然后对某个给定的新数据利用模型预测它的标签。如果分类标签精确度越高，则学习模型准确度越高，预测结果越精确。 强化学习 强化学习（Reinforcement Learning）类似于监督学习，但未使用样本数据进行训练，是是通过不断试错进行学习的模式。 监督学习、半监督学习、无监督学习、强化学习的示意图如下所示： 机器学习应用之道 机器学习是将现实中的问题抽象为数学模型，利用历史数据对数据模型进行训练，然后基于数据模型对新数据进行求解，并将结果再转为现实问题的答案的过程
75010编辑于 2022-07-06 - 来自专栏数据派THU
机器学习通识篇知识分享
机器学习定义 机器学习（Machine Learning）本质上就是让计算机自己在数据中学习规律，并根据所得到的规律对未来数据进行预测。 机器学习的基本过程如下： 机器学习基本过程 机器学习发展历程 从机器学习发展的过程上来说，其发展的时间轴如下所示： 机器学习发展历程 从上世纪50年代的图灵测试提出、塞缪尔开发的西洋跳棋程序，标志着机器学习正式进入发展期 机器学习分类 机器学习经过几十年的发展，衍生出了很多种分类方法，这里按学习模式的不同，可分为监督学习、半监督学习、无监督学习和强化学习。 强化学习 强化学习（Reinforcement Learning）类似于监督学习，但未使用样本数据进行训练，是是通过不断试错进行学习的模式。 监督学习、半监督学习、无监督学习、强化学习的示意图如下所示： 机器学习应用之道 机器学习是将现实中的问题抽象为数学模型，利用历史数据对数据模型进行训练，然后基于数据模型对新数据进行求解，并将结果再转为现实问题的答案的过程
99020编辑于 2022-07-04 - 来自专栏Android Camera开发
高通CamX框架学习系列:Bring Up Actuator
这篇文章主要介绍在高通平台的CamX框架里面，如何去点亮摄像头马达，需要修改哪些相关的文件。 一、大体浏览 先来个整体的浏览，看下涉及到需要修改哪些目录下的文件。 proprietary/chi-cdk/oem/qcom/actuator 这个目录下，我们需要添加个dw9714v_actuator.xml的文件，如果sersor 用的马达型号高通源码已经有了，那直接用高通原始的配置就可以了 clock-rates = <24000000>; }; }; 复制代码 ---- 本人从事Android Camera相关开发已有5年 目前在深圳上班 欢迎大家关注我的微信公众号“小驰笔记” 大家一起学习交流
3.6K30发布于 2021-04-19 - 来自专栏壳屋栏博客专栏
超星学习通自动签到接口搭建PHP版
PHP 版超星学习用自动签到，支持多用户签到，二次开发便捷！ 运行环境PHP 7.3测试通过，理应 及以上都能够使用 登录方式： 支持手机号码登录，暂时不支持学号登陆！
2.2K20编辑于 2022-06-09 - 来自专栏yuyy.info技术专栏
第十周算法提高9-2文本加密
本文最后更新于 1163 天前，其中的信息可能已经有所发展或是发生改变。 #include<iostream> using namespace std; int main(){ char arr[55]; int i=0; cin>>arr; while(arr[i]!='\0'){ if(arr[i]=='A')arr[i]='B'; else if(arr[i]=='A')arr[i]='B'; else if(arr[i]=='B')arr[i]='C'; else if(a
32210编辑于 2022-06-28 - 来自专栏程序编程之旅
JavaScript---网络编程(9-2)--DHTML技术演示(2-2)-表格加强
现在我们觉得上面的不好，只能从小到大排序，而且排序后颜色也变了。不好看，现在我们来对它进行改进。
75010发布于 2021-01-21 - 来自专栏全栈程序员必看
高通mdp_高通骁龙6150
引言 样机上电之后如何自动选择合适的网络进行附着，如何对选择的小区确实是否可以驻守，本文将以高通平台为例，讲述从识别SIM开始，到注册到合适的小区这整个流程。 架构 LTE协议栈基本分为NAS（Non-Access-stratum），AS(Access-stratum)，PHY，在高通平台中的基本架构如下图： 其中 Call manager 为上层
2K20编辑于 2022-11-08 - 来自专栏全栈程序员必看
算法学习笔记之一阶低通滤波算法
一阶滤波算法的原理 一阶滤波，又叫一阶惯性滤波，或一阶低通滤波。是使用软件编程实现普通硬件RC低通滤波器的功能。 一阶低通滤波的算法公式为： Y(n)=αX(n) + (1-α)Y(n-1) 式中：α=滤波系数；X(n)=本次采样值；Y(n-1)=上次滤波输出值 一阶低通滤波法采用本次采样值与上次滤波输出值进行加权，得到有效滤波值，使得输出对输入有反馈作用。 2.
1.8K10编辑于 2022-06-30
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号