word 页眉插入章编号+标题

参考链接：list转tensor的不同方式对比报错：UserWarning: Creating a tensor from a list of numpy.ndarrays is extremely slow. Please consider converting the list to a single numpy.ndarray with numpy.array() before conver

Word论文排版之公式字体/编号

给不爱复习的张同学。10.1 支持向量10.1.1 线性可分D0D_0D0​ 和 D1D_1D1​ 是 nnn 维欧式空间中的两个点集。如果存在 nnn 维向量 WWW 和实数 w0w_0w0​，使得所有属于 D0D_0D0​ 的点 XiX_iXi​ 都有 W⋅Xi+w0>0W\cdot X_i+w_0>0W⋅Xi​+w0​>0，而对于所有属于 D1D_1D1​ 的点 XjX_j

9.1 什么是决策树决策树是一种监督学习。一棵决策树由分支结点、分支和叶结点构成。每个内部结点表示一个属性上的测试，每个分支代表一个测试输出，每个叶结点代表一种类别或类的分布。优点：可读性好，具有描述性，有助于人工分析；​效率高。一次构建，重复使用，每次预测的最大计算次数不超过树的深度。9.2 属性选择的几个度量1. 期望信息或信息熵表示任意样本集的纯度，样本内部的混乱程度与熵值成正比。设 DDD

只是应试的个人笔记，不全不详细。统计模式识别{聚类分析法（非监督）判别函数法（有监督）{几何分类法（确定性事件）{线性判别函数法非线性判别函数法统计决策方法（贝叶斯决策方法，随机事件）统计模式识别\left\{\begin{aligned}&聚类分析法（非监督）\\&判别函数法（有监督）\left\{\begin{aligned}&几何分类法（确定性事件）\left\{\b

@TOC给定一个含3个样本的样本集合，编程实现计算其各点之间的各类距离设三个样本点为 (1,0),(0,1),(1,1)。%Sample pointsX=[ 1 0; 0 1; 1 1];[m,n]=size(X);%m为样本个数，n为维度Manhattan distance(City Block Distance)图中，红色为曼哈顿距离，绿色为欧氏距离，蓝色和黄色为等价的曼哈顿距离。用以标明两个

给不爱复习的Z同学。参考教材书：《模式识别》吴陈等编著，机械工业出版社。第2章（P47）2.11 选择题​（1）影响聚类算法结果的主要因素有（BCDBCDBCD）​A.A.A. 已知类别的样本质量B.B.B. 分类准则C.C.C. 特征选取D.D.D. 模式相似性测度​（2）聚类分析算法属于（AAA）​A.A.A. 无监督分类B.B.B. 有监督分类C.C.C. 统计模式识别方法D.D.D. 句法

模式识别期末复习题选择感觉部分答案不对，自行判断。给不爱复习的张同学。一、判断1、影响层次聚类算法结果的主要因素有：计算模式距离的测度、聚类准则、类间距离门限、预定的类别数目。（√√√）2、欧式距离具有平移不变性和旋转不变性。（√√√）3、马式距离既具有欧式距离的特性，还具有尺度缩放不变性和不受量纲影响。（√√√）4、线性判别函数的正负和数值大小的几何意义是：正（负）表示样本点位于判别界面法向量指

在安装 git+github 网页时出现此错误，类似命令如下：pip install git+https://github.com/……解决方案将 github 网页里的 https://或者 http:// 替换为 git://# 替换前pip install git+https://github.com/……# 替换后pip install git+git://github.com/……还有部