logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

web.xml文件springframework.web.servlet.DispatcherServlet‘ is not assignable to javax.servlet.Servlet爆红

springframework.web.servlet.DispatcherServlet' is not assignable to javax.servlet.Servlet

#servlet#spring#maven +1
机器学习3——朴素贝叶斯(基于概率论的分类方法)

文章目录贝叶斯公式条件概率全概率公式贝叶斯公式先验概率、后验概率朴素贝叶斯贝叶斯公式条件概率事件(结果):A原因(条件):B公式:P(B∣A)=P(AB)P(A)P(B|A)=\frac{P(AB)}{P(A)}P(B∣A)=P(A)P(AB)​变形:P(AB)=P(B∣A)P(A)=P(A∣B)P(B)P(AB)=P(B|A)P(A)=P(A|B)P(B)P(AB)=P(B∣A)P(A)=P(A

#python#机器学习
深度学习中的FLOPs

FLOPs是什么?如何计算?

#深度学习#神经网络
机器学习1——K-近邻算法

算法概述工作原理:给定一个样本数据集合,作为训练集,该数据集中每条数据都知道其对应的类别标签。输入一个没有标签的新数据,希望根据训练集的样本数据判断该输入数据的类别。求解思想如下:将输入数据与样本集中的所有数据计算特征距离(相似度),根据距离进行排序,选择距离最近的前k个样本,将该k个样本中出现次数最多的类别作为输入数据的类别。算法特点K近邻算法无需训练,直接计算特征距离即可优点:对异常值不敏感,

#机器学习#近邻算法#算法
深度学习中的FLOPs

FLOPs是什么?如何计算?

#深度学习#神经网络
机器学习1——K-近邻算法

算法概述工作原理:给定一个样本数据集合,作为训练集,该数据集中每条数据都知道其对应的类别标签。输入一个没有标签的新数据,希望根据训练集的样本数据判断该输入数据的类别。求解思想如下:将输入数据与样本集中的所有数据计算特征距离(相似度),根据距离进行排序,选择距离最近的前k个样本,将该k个样本中出现次数最多的类别作为输入数据的类别。算法特点K近邻算法无需训练,直接计算特征距离即可优点:对异常值不敏感,

#机器学习#近邻算法#算法
到底了