在机器学习的算法评估中，尤其是分类算法评估中，我们经常听到精确率(precision)和召回率(recall),Roc曲线与PR曲线这些概念。

data = preprocessing.scale(values) #注意，这里的values是array。然后再加两步：将dataframe转化为array，以及将array还原为dataframe即可！

LMS algorithm 最小均方算法 梯度下降算法

深度学习入门的话推荐《TensorFlow：实战Google深度学习框架》，这本书内容比较详细也比较基础，以tensorflow为框架，从搭建网络的每个具体功能讲起，配有示例，逐渐搭起来一个网络，后续还有手写字符识别, Inception等比较基础的网络，便于上手，也便于对深度学习有一个较为具体的认识。入门之后推荐《深度学习、优化与识别》，这本书大体介绍了深度学习网络的分类，卷积网络，自编码网络，

keil/proteus搭建概述、环境搭建12月19日安装过程中注意以下问题：（1）安装路径不能有中文，必须是英文路径。（2）安装目录不能跟51 的Keil 或者Keil 4 冲突，三者目录必须分开。（3）Keil μVision5 的安装比起Keil4 多了一个步骤，必须添加MCU 库。

这一篇主要就是讲如何利用马尔科夫决策过程(Markov Decision Process)简化强化学习模型；MDP这一篇对应Sutton书的第三章和UCL强化学习课程的第二讲。

概率论证明题

浏览器缓存 => 系统hosts文件 => 本地DNS解析器缓存 => 本地域名服务器（本地配置区域资源、本地域名服务器缓存) => 根域名服务器 => 主域名服务器 => 下一级域名域名服务器 客户端 => 本地域名服务器（递归查询) 本地域名服务器 => DNS服务器的交互查询是迭代查询HTTP报文是用于HTTP协议交互的信息，HTTP报文本身是由多行数据构成的字符串文本。客户端的HTTP报文

了解完论文的结构之后，我们再一步步循序渐进，慢慢来完成，在询问了多位优秀毕业生的论文写作技巧后，总结成文来和大家分享，接下来就来说一说关于论文的写作步骤和技巧，满满干货，希望可以给莘莘学子一些新的建议与启发。正文就是论文的主体部分，所以这部分的撰写显得尤为重要，因此要注意结构完整、逻辑清晰、中心突出，论点正确，论据充分，论证严密，同时注意语句通顺，格式准确，保证文章的完整性。选题决定好了之后，就要

在统计和信号处理中，自回归移动平均(ARMA)模型通常应用于时间序列数据，有时被称为博克思-詹金斯(Box-Jenkins)模型，因为通常使用迭代的Box-Jenkins方法来估计它们。给定数据的时间序列，ARMA模型是一种工具，用于理解和预测该序列的未来值。该模型由两个部分组成，自回归(AR)部分和移动平均(MA)部分。该模型通常被称为ARMA(p,q)模型，其中p是自回归部分的阶数，q是移动平