机器学习

逻辑回归学习笔记-梯度下降求解回归方程线性模型假设函数：hθ(x)=θ0+θ1x1+θ2x2+...+θnxn=θTxh_\theta(x) = \theta_0 + \theta_1 x_1 + \theta_2 x_2 + ... + \theta_n x_n = \theta^T xhθ(x)=θ0+θ1x1+θ2x2+...+θnxn=θTx

数据预处理（特征标准化）真实数据往往存在以下问题：Z-score 标准化（零均值标准化）：xscaled=x−μσx_{scaled} = \frac{x - \mu}{\sigma}xscaled=σx−μ

智造驾驶舱 · 异常闭环决策中心<!DOCTYPE html> <html lang="zh-CN"> <head> <meta charset="UTF-8"> <meta name="viewport" content="width=device-width, initial-scale=1.0, user-scalable=no"> <title>智造驾驶舱 | 生产异常驱动与决策看板</title>  <link href="https://fonts.googleapis.com/css2?fam

HNU湖南大学机器学习期中考试原题一、判断选择A 从n个属性中有放回选取n´个属性B 从n个属性中无放回选取n´个属性C 从m个数据中有放回选取m´个数据

CAE虚拟与现实

DOE实验设计、机器学习（代理模型）和目标优化之间的关系核心作用：用最少样本，最大程度覆盖设计空间、捕捉变量交互、非线性规律常见类型：全因子、部分因子、正交、拉丁超立方LHS、最优拉丁超立方OLHD、Box-Behnken、中心复合CCD等。本质：高质量采点策略。

Day 15：KMeans聚类与股票风格分类聚类（Clustering）是一种无监督学习方法，将数据分成若干个组（簇），使得组内相似度高，组间相似度低。

Resistance丶未来

DeepSeek-V4 新手快速上手指南在开始折腾 DeepSeek-V4 之前，先把地基打牢是关键。很多新手朋友容易忽略环境的一致性，导致后续步骤报错连连。首先，你需要一台配备 NVIDIA 显卡的机器，显存建议至少在 24GB 以上，如果是跑全精度模型，可能需要多卡互联；如果只是想快速体验，单卡 3090 或 4090 配合量化版本也是完全可行的。

落羽的落羽

【Linux系统】总结线程：死锁问题、实现带有日志模块的线程池类本文代码已提交在我的github仓库中死锁是指在一组线程中的线程均占有不会释放的资源，但因互相申请被其他线程锁占有不会释放的资源而处于的一种永久等待状态。

导数学习日记导数描述的是函数在某一点处的瞬时变化率，即函数值随自变量变化的快慢程度。数学定义： f′(x)=lim⁡Δx→0f(x+Δx)−f(x)Δxf'(x) = \lim_{\Delta x \to 0} \frac{f(x + \Delta x) - f(x)}{\Delta x}f′(x)=Δx→0limΔxf(x+Δx)−f(x)

自动驾驶的调度开源软件GitHub: https://github.com/TUM-VT/FleetPy类型：自动驾驶车队调度 + 仿真（AMoD）

Day 13 编程实战：朴素贝叶斯与极端涨跌预警可视化贝叶斯定理的核心公式：P(Y∣X1,X2)=P(X1∣Y)⋅P(X2∣Y)⋅P(Y)P(X1,X2) P(Y|X_1, X_2) = \frac{P(X_1|Y) \cdot P(X_2|Y) \cdot P(Y)}{P(X_1, X_2)} P(Y∣X1,X2)=P(X1,X2)P(X1∣Y)⋅P(X2∣Y)⋅P(Y)

我是发哥哈

主流AI视频生成方案商用化能力横向评测2024年，AI视频生成技术迎来了爆发式增长，从学术实验走向了商业应用的聚光灯下。无论是初创企业还是传统品牌，都看到了利用AI视频降本增效、实现内容矩阵化的巨大潜力。然而，当开发者与技术决策者真正着手选型时，却面临着多重挑战：

面向分组密码差分故障分析的属性推导与验证平台在分组密码的差分故障分析（Differential Fault Analysis, DFA）研究中，有一个绕不开的核心环节：故障传播属性的推导与验证。

最小二乘&均方误差MSE&平均绝对误差MAE这三者都是衡量模型预测误差的核心概念，但属于不同层面的工具。简单来说：下面详细拆解它们的区别与联系。本质：一种参数估计方法（优化算法），常用于线性回归。

AI 术语通俗词典：召回率（分类）召回率是统计学、机器学习和人工智能中非常常见的一个术语。它用来描述一个分类模型把真实正类找出来的能力。换句话说，召回率是在回答：在所有本来就应该被找出来的正类样本中，模型到底成功找出了多少。

ECT-OS-JiuHuaShan

哲学的本质，是递归因果Jianbing Zhu 11 ECT-OS-JiuHuaShan 文明实践室 ORCID: 0009-0006-8591-1891 DOI: 10.5281/zenodo.19762425 Email: ect-os-jiuhuashan@zohomail.cn

【热卡填充法介绍】在实际数据分析和机器学习项目中，缺失值是非常常见的问题。面对缺失值，很多人第一时间会想到均值填充、中位数填充或者直接删除缺失行。但这些方法虽然简单，却常常会破坏数据分布，甚至影响后续模型效果。热卡填充法是一种更贴近真实数据分布的缺失值处理方法。它不会简单地用一个固定值替代缺失值，而是从“相似样本”中随机抽取一个值进行填充，因此在很多场景下能够更好地保持数据的原始特征。

算子数学｜独立完整学科章节（百条原创公式· ROOT传世定稿）归属著作：算法联盟ROOT 本源数学一万公式典藏全书章节编号：第十一卷（独立新增学科）创立人：算法联盟ROOT（乖乖数学、AI科技星）

AI 术语通俗词典：F1 值（分类）F1 值是统计学、机器学习和人工智能中非常常见的一个术语。它用来描述一个分类模型在查准能力和查全能力之间的综合表现。换句话说，F1 值是在回答：模型不仅要尽量找对正类，还要尽量少找错正类时，整体表现到底怎么样。

梯度学习日记梯度是一个向量，由函数对各变量的偏导数组成。对于二元函数 f(x,y)f(x, y)f(x,y)，梯度定义为： ∇f=(∂f∂x,∂f∂y)\nabla f = \left(\frac{\partial f}{\partial x}, \frac{\partial f}{\partial y}\right)∇f=(∂x∂f,∂y∂f)