本文内容来自《机器学习实战》中国工信出版集团 人民邮电出版社一、简介简单地说，k-近邻算法采用测量不同特征值之间的距离方法进来分类特点：优点：精度高、对异常值不敏感、无数据输入假定缺点：计算复杂度高、空间复杂度高适用数据范围：数值型和标称型k-近邻算法称为kNN，它的工作原理是：存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的

一、定义在统计学中，线性回归（Linear Regression）是利用称为“线性回归方程”的最小二乘函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。这种函数是一个或多个称为回归系数的模型参数的线性组合。只有一个自变量的情况称为简单回归大于一个自变量情况的叫做多元回归。一个带有一个自变量的线性回归方程代表一条直线。我们需要对线性回归结果进行统计分析。线性回归利用数理统计中回归

是一款由fatedier开发的高性能的反向代理工具，用于穿透防火墙、NAT等网络障碍，将内网服务映射到公网上。FRP支持TCP、UDP、HTTP等多种协议，操作简单，适用于各种场景。开源地址： https://github.com/fatedier/frp。

从Zabbix 2.0开始，软件包中自带了一个用于监控JMX应用的程序，称为”Zabbix Java GateWay“。文档地址：https://www.zabbix.com/documentation/3.2/manual/concepts/java环境server端要求server端安装的时候，需要用–enable-java进行编译：./configure --enable-java --p

Java程序员学深度学习 DJL上手9 在CIFAR-10数据集使用风格迁移学习一、说明二、操作过程1. 加载预先训练的ResNet50V1模型2. 准备数据集一、说明本文将使用风格迁移学习模型训练一个图像分类模型。如前文所述，风格迁移学习是训练一个针对某个问题的模型，然后把模型应用在第二个问题上。与直接训练针对特定问题的模型相比，风格迁移学习可以减少学习的特征数量，用更少的时间产生更灵活的模型。

一、决策树1.示例要决策一个人喜不喜欢电子游戏。数据丢进去，数据通过节点一步步走，最终会到一个叶子节点，没有一个数据是在中间的。1.训练阶段从给定的训练数据集DB，构造出一棵决策树class=DecisionTree(DB)2.分类阶段从根开始，按照决策树的分类属性逐层往下划分，直到叶节点，获得概念（决策、分类）结果。y=DecisionTree(x)另一个例子：明天有一

一、macbrew updatebrew install pyenvvim ~/.bash_profileeval "$(pyenv init -)"pyenv install --listpyenv install 3.4.3 -vpyenv rehash #更新数据库pyenv global 3.4.3#切换版本pyenv versionpython使用pip安装模块后，可能需要

信用卡检测案例原始数据：0特别多，1特别少——样本不均衡。要么让0和1一样多，要么让0和1一样少。1.下采样对于数据0和1，要变为同样少——在0里选择和1一样多数据。from sklearn.preprocessing import StandardScalerdata['normAmount']=StandardScaler().fit_transform(data['Amount'].

本文介绍了FOC（磁场定向控制）中关键的Clark变换、Park变换及反Park变换的数学原理与实现方法。主要内容包括： FOC三大坐标系：三相静止ABC坐标系、两相静止αβ坐标系和两相旋转dq坐标系，通过坐标变换将交流电机等效为直流电机控制。 Clark变换：通过几何投影将三相电流从ABC坐标系转换到αβ坐标系，推导出等幅值变换公式Ia = IA，Ib = (√3/3)(IA + 2IB)。 P

无感FOC与滑模-PLL观测器技术解析 核心问题：无感FOC通过电机电气参数反推转子位置和转速，解决硬件传感器带来的成本高、可靠性差等问题。 技术架构： 滑模观测器(SMO)：利用定子电压电流提取反电动势矢量$\hat e_{\alpha\beta}$，通过电流残差估计转子状态。 PLL锁相环：将SMO输出的反电动势转化为平滑的转子电角度$\hat{\theta}$和转速$\hat{\omega}