文章目录 机器学习定义监督学习之线性回归损失函数及可视化梯度下降线性回归的平方误差损失函数lab实验 机器学习定义 机器学习就是机器通过不断训练数据集从逐渐知道正确的结果 机器学习包括监督学习和非监督学习 监督学习：需要输入数据和结果数据来不断训练学习 监督学习包括回归和分类 回归是结果是连续的，不是有限的 分类是结果是离散的，是有限的 非监督学习：只需要输入数据来学习 例如聚类（将某类输入数据分一...

度将会得到提升，因而能增强图像暗部的细节 2.图像的傅里叶频谱的动态范围可能宽达0~10^6.直接显示频谱显示设备的动态范围往往不能满足要求，这时就需要使用对数变换。使得傅里叶频谱的动态范围被合理的非线性压缩 指数变换多用于图像整体偏暗，扩展灰度级，还可用在图像有“冲淡”的外观，需要压缩中高以下的大部分灰度级的情况下。指数变换就是用来图像增强的，提升了暗部细节。 import cv2import n...

考研笔记整理~🥝🥝 之前的博文链接在此：数据结构02：线性表[顺序表+链表]_线性链表-CSDN博客~🥝🥝 本篇作为链表的代码补充，供小伙伴们参考~🥝🥝 第1版：王道书的课后习题~🧩🧩 编辑：梅头脑🌸 参考用书：王道考研《2025年 数据结构考研复习指导》 目录 🧵09年 查找单链表倒数第k个位置的节点 🧵12年 寻找单链表的相同后缀 🧵15年 删除单链表中绝对值相等的节点 🧵19年 重新排列单链表...

sed 的文本生成吞吐量比 FlashAttention-2 高 24 倍。 我们特别对 Based 的简单性感到兴奋。仅使用两个众所周知的、类似注意力的构建块，滑动窗口注意力（具有微小的窗口大小）和线性注意力（具有exp⁡(QKT)\exp(QK^T)exp(QKT)的泰勒级数近似），我们可以在语言建模上胜过最强的次二次架构，并实现比优化的 Transformer 更快的速度提升！ 本博文概述了我们...

一 线性回归框架 线性模型的四个模块：训练的数据集，线性模型，损失函数，优化算法。 1.1 数据集 使用房价预测数据集，我们希望根据房屋的面积和房龄等来估算房屋价格。 1.2 线性模型 预测公式， 价格 = 权重1 * 面积 + 权重2 * 房龄 + 截距： 中间版 ...

目录 质数筛法，是一种快速“筛”出2~n之间所有质数的方法。 1.普通筛法：O(nlogn) 2.埃氏筛法：O(nloglogn) 3.线性筛法：O(n) 质数筛法，是一种快速“筛”出2~n之间所有质数的方法。 1.普通筛法：O(nlogn)         不管是质数还是合数，都用于筛其后面的它的倍数         缺点：一个数被反复筛去浪费了时间 void get_primes(){ for(i...

线性逻辑回归 # -*- coding: utf-8 -*-"""Created on 2024.2.20 @author: rubyw""" import matplotlib.pyplot as pltimport numpy as npfrom sklearn.metrics import classification_reportfrom sklearn import prepr...

一 查看原始函数          初始化 %matplotlib inlineimport randomimport torchfrom d2l import torch as d2l 1.1 生成原始数据 def synthetic_data(w, b, num_examples): x = torch.normal(0, 1, (num_examples, len(w))) y = tor...

多重共线性的概念 在回归分析中，我们通常关注的是如何利用一个或多个自变量（解释变量）来预测一个因变量（响应变量）。当我们使用多元线性回归模型时，理想的情况是模型中的每一个自变量都能提供独特的、对因变量有用的信息。然而，如果两个或两个以上的自变量之间存在强烈的线性关系，就会出现多重共线性的问题。 识别多重共线性 识别多重共线性通常可以通过以下几种方法： 方差膨胀因子（VIF）: VIF测量了一个自变量与...

目录 线性回归基本元素基本名词线性模型 机器学习领域，大多数任务最终的目标都是预测。而预测的结果大致分为两大类，一种是需要估计连续数值的回归预测，另一种是确定离散类别的分类预测。本节博文将围绕线性回归内容。 线性回归基本元素 基本名词 线性回归中，自变量 x \mathbf{x} x 与因变量 y y y 之间的关系是线性的， y y y 可以表示为 x \mathbf{x} x 中元素的加权和。 ...