部署 (Deployment)：通过在本地安装 Ollama，你拥有了一个私有化的大模型服务器。管理 (Management)：使用命令管理模型的生命周期。交互 (Interaction)直接 HTTP 调用：理解 API 的原始请求和响应结构。使用 OpenAI 兼容库：这是最实用、最接近行业标准的方式，让你为 OpenAI 写的代码能轻松移植到本地环境。你现在已经掌握了 LLM API 调用的

1,   ctrl+ H 打开 eclipse 的 search 面板，2.   选择 File Search 的tab,3.   选中 Regular expression 复选框，  在 Containing text 输入框中 输入你要替换（查找）的正则表达式 ，例如 我们替换 /corp/([a-z]{1,}).jsp (注意这里的括号)替换成 /ymdj_jsp/corp

神经网络是一种基于生物神经系统结构和功能特点而设计的人工神经网络模型，具有很强的自适应性和非线性映射能力。神经网络由多个神经元（或称节点）组成，这些神经元通过连接权重相互连接，构成多层的网络结构。每个神经元接收到来自其它神经元的信号，并将这些信号加权线性组合后通过激活函数进行非线性转换，最终输出给下一层神经元或输出层。学习机器学习后，学习神经网络可以帮助你更深入地理解模式识别和人工智能领域的基础知

GAN（Generative Adversarial Network）是一种生成模型，由两个神经网络组成：生成器（Generator）和判别器（Discriminator）。GAN的基本思想是通过让生成器和判别器相互对抗来学习生成真实样本的能力。生成器的作用是将一个随机噪声向量作为输入，通过一系列的神经网络层逐渐将其转化为一个与真实样本相似的输出。生成器的目标是尽量使生成的样本被判别器误认为是真实

回想概率统计里面关于方差的数学定义：协方差的数学定义异曲同工：这里的 x和y表示两个变量空间。用机器学习的话讲，就是样本有 x和 y两种特征，而 X 就是包含所有样本的 x特征的集合，Y就是包含所有样本的 y特征的集合。用一个例子来解释会更加形象。用一个矩阵表示为：现在，我们用两个变量空间X ，Y 来表示这两个特征：

    select v.spid spid,v.appid appid,v.version version,v.newversion newversion,v.status status,v.createtime createtime from adc_spversionchangeapply v inner join adc_application a on a.id=v.appid    w

TensorFlow是一种端到端开源机器学习平台，它提供了一个全面而灵活的生态系统，包含各种工具、库和社区资源，能够助力研究人员推动先进机器学习技术的发展。在TensorFlow机器学习框架下，开发者能够轻松地构建和部署由机器学习提供支持的应用。[2]Keras是一个高层次神经网络 API，适用于快速构建原型、高级研究和生产。它作为TensorFlow的一个接口，可以兼容多种深度学习框架。Kera

理解了 LlamaIndex 的价值：连接私有数据与LLM。学会了核心概念：加载器（Loader）、索引（Index）、查询引擎（Query Engine）。完成了一个实战项目：构建了一个本地的、基于私有文本文件的问答系统。这就是 LlamaIndex 的强大之处。用PDFReader加载 PDF 文件。尝试不同的查询，比如“请总结一下技术栈部分。探索 LlamaIndex 的更多功能，如结构化输

部署 (Deployment)：通过在本地安装 Ollama，你拥有了一个私有化的大模型服务器。管理 (Management)：使用命令管理模型的生命周期。交互 (Interaction)直接 HTTP 调用：理解 API 的原始请求和响应结构。使用 OpenAI 兼容库：这是最实用、最接近行业标准的方式，让你为 OpenAI 写的代码能轻松移植到本地环境。你现在已经掌握了 LLM API 调用的

线性回归研究的是一个因变量与一个自变量之间的回归问题。多项式回归是指在线性回归的基础上，通过增加非线性特征来拟合非线性数据的方法。多项式回归模型可以用一个 n 次多项式函数来近似描述目标变量和输入变量之间的关系。例如，对于只有一个自变量x 的情况，可以将拟合函数写作：其中y 表示目标变量，x 表示自变量，是模型的参数。模型的目标是通过调整参数来使预测值与真实值的误差最小化。