选择项目：点击触摸板。滚动：将两个手指放在触控板上，然后以水平或垂直方向滑动。放大或缩小：将两个手指放在触摸板上，然后收缩或者拉伸。显示更多命令（类似于单机鼠标右键）：使用两个手指点击触摸板。显示所有打开的窗口：将三根手指放在触摸板上，然后轻向上扫。显示桌面（隐藏所有窗口）：将三根手指放在触摸板上，然后向下轻扫。向上轻扫还原。在已经打开的窗口之间进行切换：将三根手指放在触摸板上，然后向左或者向右轻

Spring官方地址：https://start.spring.io阿里云地址：https://start.aliyun.com1.先创建一个SpringBoot工程：2.点击设置，替换官方默认地址为阿里云地址：3.阿里云提供了很多关于SpringBoot开发依赖，不同于官方提供，可以根据工程需要选择：...

目录一、Logistic Regression - Classification:二、 Hypothesis Regresentation - 假设陈述：三、Decision boundary - 决策边界：四、Cost Function - 损失函数：一、Logistic Regression - Classification:logistic回归虽然带着回归两字却和线性回归有很大的区别，线性回

目录一、常用的五大数据类型：Redis键（key）二、Redis字符串（String）：简介：常用命令：原子性：数据结构：三、Redis列表（List）：简介：常用命令：数据结构：四、Redis集合（Set）简介：常用命令：数据结构：五、Redis哈希（Hash）简介：分析案例：常用命令：数据结构：六、Redis有序集合Zset（sorted set）：简介：常用命令：数据结构：zset底层使用了

目录一、什么是Hadoop框架：二、Hadoop三大发行版：1.Apache Hadoop2.Cloudera Hadoop3.Hortonworks Hadoop三、Hadoop的优势：四、Hadoop组成：1.HDFS架构概述：a）NameNode（nn）：b）DataNode（dn）：c）Secondary NameNode（2nn）：2.YARN架构概述：3.MapReduce框架概述：五

目录一、装饰器的本质：函数闭包（function closure）：二、装饰器使用方法：保留函数参数和返回值的函数闭包：三、多个装饰器的执行顺序：四、创建带参数的装饰器：一、装饰器的本质：装饰器（decorator）本质是函数闭包（function closure）的语法糖（Syntactic sugar）函数闭包（function closure）：函数闭包是函数式语言（函数是一等公民，可作为变

目录一、线性回归的模型函数和损失函数：二、线性回归的算法：1.梯度下降法：2.最小二乘法：三、线性回归的推广：多项式回归四、线性回归的推广：广义线性回归五、线性回归的正则化：一、线性回归的模型函数和损失函数：二、线性回归的算法：1.梯度下降法：【机器学习】＜刘建平Pinard老师博客学习记录＞梯度下降（Gradient Descent）_故里的博客-CSDN博客目录一、梯度：二、梯度上升和梯度下降

目录一、人工智能领域概述：1.机器学习概述：2.机器学习问题：3.机器学习种类：4.基于实例的学习和基于模型的学习：二、机器学习的一般过程：数据处理：机器学习：业务运维：三、：机器学习的典型应用：四、机器学习的基本问题：一、人工智能领域概述：1.机器学习概述：机器学习是一门能够让编程计算机从数据中学习的计算机科学。一个计算机程序在完成任务T之后，获取经验E，其表现效果为P，如果任务T的性能表现，也

目录一、设置前提：二、设置过程：一、设置前提：该设置的前提是您已经完成了Anaconda安装，以及完成了Pycharm的安装。二、设置过程：打开setting设置：选择Python Interpreter：添加Python Interpreter：设置本地Anaconda的Python解释器，这里的解释器不是Anaconda创建的虚拟环境中的Python解释器，是直接在Anaconda安装目录中的

目录一、线性回归的模型函数和损失函数：二、线性回归的算法：1.梯度下降法：2.最小二乘法：三、线性回归的推广：多项式回归四、线性回归的推广：广义线性回归五、线性回归的正则化：一、线性回归的模型函数和损失函数：二、线性回归的算法：1.梯度下降法：【机器学习】＜刘建平Pinard老师博客学习记录＞梯度下降（Gradient Descent）_故里的博客-CSDN博客目录一、梯度：二、梯度上升和梯度下降