在Mac上如果不安裝其他軟件不能夠解壓rar文件，這時可以使用終端中的unrar來解決問題。 步驟如下： 1.使用Homebrew安裝unrar（有關(guān)Homebrew的安裝和...
發(fā)簡信
IP屬地：四川
-
MAC 命令行解壓 rar 文件 -
macOS + Sublime Text + Latex 環(huán)境配置Latex（/?lɑ?t?x/，常被讀作/?lɑ?t?k/或/?le?t?k/），是一種基于TEX的排版系統(tǒng)，利用這種格式系統(tǒng)的處理，即使用戶沒有排版和程序設(shè)計的知識也可以充...
-
自律100天能收獲什么？今天早上起來看到一句話:很多人高估了自己一年所做的事情，也低估了自己十年能做的事情。十年磨一劍，這就是一個堅持的力量。堅持的意義不在于成功，堅持的意義在于堅持。成功只是副...
-
當(dāng)你感到困頓的時候，也許你需要和自己來場巧遇
這背后有復(fù)雜的原因，而其中一個原因是這樣的。 每每當(dāng)人受到批評與打擊，就更容易陷入「自我中心」的狀態(tài)。 這種狀態(tài)是動物的天性，我們會在恐懼的時候，選擇「戰(zhàn)斗」或「逃跑」。 自...
-
貝葉斯分類器
貝葉斯決策輪： ??對分類任務(wù)來說，在所有相關(guān)概率都已知的理想情形下，貝葉斯決策論考慮如何基于這些概率和誤判損失來選擇最優(yōu)的類別標(biāo)記。??假設(shè)有N種可能的類別標(biāo)記，即，是將一...
-
拉格朗日對偶
Lagrange優(yōu)化問題： ??標(biāo)準(zhǔn)形式的優(yōu)化問題（原問題）：?? ?? 其中，自變量。設(shè)問題的定義域是非空集合，優(yōu)化問題的最優(yōu)值為。則問題的Lagrange函數(shù)：??其...
-
萬圣節(jié)出行計劃
布雷西亞周邊二日游 第一日帕維亞出發(fā)，經(jīng)米蘭前往布雷西亞，在布雷西亞換乘火車前往伊賽奧湖。主要的看點是布雷西亞出發(fā)的湖邊小火車，伊賽奧湖和阿爾卑斯山風(fēng)光，和國家公園Parco...
-
奇異值分解
奇異值分解（Singular Value Decomposition，SVD）： 定義： ??任意的實矩陣都可以分解為：????其中，是滿足的階酉矩陣（unitary mat...
-
瑞利熵與廣義瑞利商
Hermitian矩陣： ??又被稱為厄爾米特矩陣，指的是共軛矩陣。矩陣中的每一個第行第列的元素都與第行列的元素共軛相等。稱為的共軛轉(zhuǎn)置，矩陣即，若矩陣中元素都是實數(shù)，則。 ...
-
深入淺出--梯度下降法及其實現(xiàn)梯度下降的場景假設(shè)梯度梯度下降算法的數(shù)學(xué)解釋梯度下降算法的實例梯度下降算法的實現(xiàn)Further reading 本文將從一個下山的場景開始，先提出梯度下降算法的基本思想，進而...
-
神經(jīng)網(wǎng)絡(luò)
神經(jīng)元模型： ??，其中為權(quán)值，為閾值通過激活函數(shù)處理產(chǎn)生的輸出（或）。 感知機： ??感知機由兩層神經(jīng)元組成，輸入層和輸出層，感知機只有一層功能神經(jīng)元，學(xué)習(xí)能力有限，只能學(xué)...
-
梯度下降算法（gradient descent）
原理： ??每次按照下降的方向進行計算，屬于貪心的算法。 算法（就最小二乘法討論）： ??若訓(xùn)練集：??訓(xùn)練函數(shù)：??參數(shù)向量：??損失函數(shù)：??梯度：????? gradi...
-
決策樹
基本流程： ??略 劃分選擇： ??“信息熵”是度量樣本集合純度最常用的一項指標(biāo)????“信息增益”是度量某個屬性對劃分的增益????表示該屬性的權(quán)重值 剪枝處理： ??剪枝...
-
信息論
信息熵 ??熵是接收的每條消息中包含的信息的平均量，被稱為信息熵、信源熵、平均自信息量，為不確定性的量度。簡而言之，越是確定的事，信息熵小，而越不確定的事信息熵越大。??隨機...
-
堅持早起21天（5點），我發(fā)生了什么？
（今天起床時間：5：00） 從8月24日到9月17日，堅持6點前起床，其中大部分都是5點準(zhǔn)時起，在這期間，幾乎每一天都能夠達到。 我想，我有資格告訴你，完成這個21天早起，我...