容器和镜像的概念还记得么？忘了也没关系，看这里！！！ 镜像（images）概念类似虚拟机的镜像（不出意外的话大家都用过VMware，就是在VMware上创建虚拟机所用的镜像）。是一个只读的文件，一个独立的文件系统，包括运行容器所需的数据，可以用来创建新的容器。 docker镜像实际上是由一层一层的系统文件组成，这种层级的文件系统被称为UnionFS( Union file system 统一文件系
转载
2024-04-16 23:03:50
50阅读
特征方程中，特征值的重数定义为代数重数；而特征值所对应的特征向量所构成空间的维数，称为几何重数。通常情况下，1≤几何重数≤代数重数）。当几何重数=代数重数时，矩阵进行相似变换处理后是对角阵；当几何重数<代数重数时，矩阵相似变换后是Jordan矩阵不一定是对角阵（非主对角线上也会有非零元素）。注：如果n阶A矩阵可以相似对角化或者二次型（这两个实质就是A就是实对称矩阵，实对称矩阵一定可以相似对角
转载
2024-07-31 10:52:48
279阅读
注：（本文基于我自己定义的一个服务TEMProfile，但适用其他服务）1.特征值是什么 一个蓝牙协议栈中，包含了多个服务，一个服务里又包含了多个特征值，每个特征值都有其相关的一些信息。 我们与蓝牙进行通信的时候，就是通过读写这些特征值，来获得数据。 2.特征值的属性 一个特征值里面基本需要的变量是—— 1.UUID码 2.权限属性 ：基本就是 可读、可写、可
转载
2023-11-06 13:03:43
1484阅读
机器学习笔记（一）一、什么是机器学习？机器学习是从数据中自动分析获取规律（模型），并利用规律对未知数据进行预测。通常这些要处理的数据是保存在文件中而不是数据库中的。 二、数据的格式（dataframe）一般数据的结构是 特征值+目标值 的形式，当然有时候也可以没有目标值。数据中对于特征的处理通常用到两个根据 sklearn,pandas 三、数据的特征提取特征提取是
转载
2024-07-31 18:43:03
82阅读
预习知识：属性包括三种类型：服务项、特征值和描述符。三者之间存在树状包含关系，服务项包含一个或多个特征值，特征值包含一个或多个描述符，多个服务项组织在一起，构成属性规范（Attribute Profile）。对于常用的属性规范，比如体重计、心率计，BLE协会做了具体定义，这样的话，只要BLE主从设备均遵守某个Profile来进行设计，那么二者就能够优雅的通信。BLE的属性类型是有限的，有四个大类：
转载
2024-08-28 23:25:12
100阅读
有很多帖子都在说Android蓝牙开发的方法，但是对于其中的概念以及作用时间一直没有不是很清楚，下边整理一下相关概念性的东西，记录一下。基础概念蓝牙连接传输数据的过程中，会用到以下几个概念：服务，特性，描述。一个蓝牙设备会有多个服务，每一个服务都是一类操作；在这类操作下会存在几个不同的值需要读写或者通知，每一个值对应唯一一个标记，该标记即是特征值（特性characteristic），我的理解是键值
转载
2023-11-02 21:57:57
295阅读
问题引入特征值分解和奇异值分解在机器学习领域都是属于满地可见的方法。两者有着很紧密的关系，突然看的话两者好像是差不多的，都可以用于信息的提取和转换，但是两者有啥区别呢？问题解答特征向量如果说一个向量v是方阵A的特征向量，将一定可以表示成下面的形式：这时候λ就被称为特征向量v对应的特征值，一个矩阵的一组特征向量是一组正交向量。特征值分解是将一个矩阵分解成下面的形式：其中Q是这个矩阵A的特征向量组成的
原创
2021-01-29 20:00:20
4603阅读
1.关于服务与特征值的简述
之前说到蓝牙的连接过程，那蓝牙连接之后具体是如何传数据的呢。这里做一下简要说明。
蓝牙4.0是以参数来进行数据传输的，即服务端定好一个参数，客户端可以对这个参数进行读，写，通知等操作，这个东西我们称之为特征值（characteristic），
但一个参数不够我们用，比如我们这个特征值是电量的值，另一个特征值是设备读取的温度值。
那这时候会有多个特征值
转载
2018-03-30 15:14:00
135阅读
上一回我们谈到了数据传输的过程以及如何发送和接收数据，那么今天我们谈谈特征值。
首先看一下SIG给出的定义
一个特点是用属性以及如何访问该值的配置信息和关于如何的值是显示或为代表的信息服务中的值。
特征值在GATT的分类,再来看SIG的定义：
在GATT层中，一个特征是由其特性的定义定义的。特征定义包含特性的宣言、 特征属性和一个值，并且可能包含描述符描述的值
转载
2024-01-26 22:14:03
118阅读
在蓝牙的学习中，一上来就要面对一大堆的专业名词。首先就是服务是什么？特性是什么？属性是什么？刚开始的时候查了很多资料都还是没有搞懂。这次就结合代码，尽量用最通俗易懂的方式将这些东西解释并记录下来，也希望能帮助到别人。（如果有不对的，也希望有大神能指出来）通用属性配置文件（Generic Attribute Profile）GATTGATT主要定义了。服务器server和客户端client。而其他的
转载
2023-11-25 12:23:45
125阅读
计算方阵的特征值和右特征向量。参数： a : ( …，M，M）数组 将计算特征值和右特征向量的矩阵返回： w : ( …，M）数组 特征值，每个都根据其多样性重复。特征值不一定是有序的。结果数组将是复数类型，除非虚部为零，在这种情况下它将被转换为实数类型。当a 是实数时，得到的特征值将是实数（0虚部）或出现在共轭对中v : ( …，M，M）数组 归一化（单位“长度”）特征向量，使得列v[:,i
转载
2023-12-09 11:24:26
85阅读
非常感谢，datawhale提供的课程资源：https://www.bilibili.com/video/BV1e341127Lt?p=2 以下是这个课程的笔记一、tensor的属性：type:float,long, device的属性：用什么卡，比如CPU,GPU requires_grad属性：是否支持求导 pin_memory属性：是否塞到内存里面，运算快，但是内存高 is_leaf:是否是
转载
2023-10-20 22:41:01
305阅读
import numpy as np
import torch as torch
# 0 1 0 1 1
# 1 0 1 0 0
# 0 1 0 0 1
# 1 0 0 0 1
# 1 0 1 1 0
x=np.array([[0 ,1 ,0 ,1, 1],
[1 ,0, 1, 0, 0],[0, 1, 0, 0, 1],[1, 0, 0, 0, 1],[1, 0, 1
转载
2023-06-20 21:20:26
188阅读
广义特征值问题是在线性代数中一个重要的概念，它扩展了标准特征值问题的概念，即从Axλx扩展到AxλBx的形式，其中A和B都是矩阵，
原创
2024-07-15 15:54:51
213阅读
读写特征值之前，用户需要先选择对应的特征值ID，用户选择了特征值ID以后，通过变量记录下来，方便下次使用。currWriteChar: { // 当前选择的写入特征值
flag: false, // 表示是否可用
serId: "", // 服务ID
charId: "" // 特征值ID
},
currReadChar: { // 当前选择的读/通知特征值
flag: false,
转载
2023-09-05 13:11:02
533阅读
大学学习线性代数的时候，特征值（eigenvalue）和特征向量（eigenvector）一直不甚理解，尽管课本上说特征值和特征向量在工程技术领域有着广泛的应用，但是除了知道怎么求解特征值和特征向量之外，对其包含的现实意义知之甚少。研究生之后学习统计学，在进行主成分分析过程中，需要求解变量的协方差矩阵的特征值和特征向量，并根据特征值的大小确定主成分，似乎知道了特征值和特
转载
2023-10-12 20:39:07
125阅读
# iOS 监听特征值以及写入特征值
在iOS开发中，蓝牙（Bluetooth）的使用越来越普遍，尤其是在需要进行数据传输的应用中。特征（Characteristic）是蓝牙低能耗（BLE）中一个重要的概念，它用于承载数据。本文将介绍如何在iOS中监听特征值的变化，以及如何写入特征值，并提供相应的代码示例。
## 1. BLE基础知识
在BLE中，设备分为“主设备”（Central）和“从设
大多数数据挖掘算法都依赖于数值或类别型特征，从数据集中抽取数值和类别型特征，并选出最佳特征。特征可用于建模， 模型以机器挖掘算法能够理解的近似的方式来表示现实特征选择的另一个优点在于：降低真实世界的复杂度，模型比现实更容易操纵 特征选择scikit-learn中的VarianceThreshold转换器可用来删除特征值的方差达不到最低标准 的特征。import numpy as np
转载
2023-07-03 16:14:08
143阅读
##基础概念
特征工程是通过对原始数据的处理和加工，将原始数据属性通过处理转换为数据特征的过程，属性是数据本身具有的维度，特征是数据中所呈现出来的某一种重要的特性，通常是通过属性的计算，组合或转换得到的。比如主成分分析就是将大量的数据属性转换为少数几个特征的过程。某种程度而言，好的数据以及特征往往是一个性能优秀模型的基础。既然叫特征工程，自然涵盖了很多内容，而其中涉及到的比较重要的部分是特征的处
转载
2023-11-13 15:03:31
87阅读
数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。
特征工程：特征工程是使用专业背景知识和技巧处理数据，使得特征能在机器学习算法上发挥更好的作用的过程。特征提取的意义：会直接影响机器学习的效果。
pandas数据清理；sklearn特征工程 为什么进行特征提取（特征抽取）？特征抽取是把
转载
2023-12-25 10:27:05
71阅读
