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

Mac系统数据排查与清理记录

Mac系统数据占用过大时,切勿直接删除系统文件。本文记录一次成功释放85GB空间的排查过程,发现问题根源在于通用剪贴板/Handoff缓存(路径:~/Library/Group Containers/group.com.apple.coreservices.useractivityd/shared-pasteboard/archives)。通过逐层排查用户目录,最终安全清理该缓存而非系统核心文件。

#策略模式
【归纳总结】如何利用t-SNE可视化高维数据样本?附Python代码

t-SNE(t-Distributed Stochastic Neighbor Embedding)是一种非线性降维和可视化技术,用于将高维数据映射到低维空间,以便更好地理解和分析数据。它在机器学习和数据可视化领域被广泛使用。t-SNE是由Laurens van der Maaten和Geoffrey Hinton于2008年提出的,它在原始高维空间中的样本之间创建了一种概率模型,并在低维空间中的

文章图片
#python#开发语言
【归纳总结】如何理解迁移学习中的边缘概率分布和条件概率分布?

在迁移学习中,边缘概率分布和条件概率分布是两个重要的概念。下面我将以自身粗浅的理解解释这两个概念。

文章图片
#迁移学习#机器学习#人工智能
【归纳总结】随机划分训练集和测试集

文章目录前言一、无序索引方法1. matlab代码2. python代码二、函数实现方法1. 利用python库中的cross_validation.train_test_split方法2. 利用python库中的KFold方法(K折交叉验证方法)前言在机器学习中训练模型时,经常需要按比例对数据集随机划分成训练集和测试集,本文总结了基于matlab和python的划分训练集和测试集的常用方法,仅供

#python#机器学习#sklearn
【归纳总结】如何为数据样本绘制PCA图及其置信椭圆? 附Python代码

在机器学习特征可视化过程中,经常将数据样本通过PCA降维进行展示,并绘制其置信椭圆描述分布特点。本文通过随机生成三类数据样本进行PCA降维分析,并计算每个类别的协方差矩阵和椭圆参数,最后绘制样本分布和置信椭圆,附Python代码。

文章图片
#python#开发语言
【电脑浏览器DNS缓存存在问题如何解决?】

win11系统,QQ能正常登录,但是浏览器显示:尚未连接,代理服务器可能有问题,或地址不正确。点击检查代理地址,显示:如果使用代理服务器: 转到"MICROSOFT EDGE'菜单>设置>显示高级设置>更改代理设置>LAN设置并取消选中“为LAN使用代理服务器“复选框”。

文章图片
#缓存
到底了