因为stark用到了templates里面的html页面文件，所以要整合在一个app里，在stark里面创建名字为templates的Python Package，将之前的html页面拷贝在stark组件里面的templates里面，然后拷贝stark组件 二、实现crm逻辑CRM即客户关系管理，是指企业用CRM技术来管理与客户之间的关系1、创建数据库在app01应用下的models
转载
2024-09-20 18:28:22
29阅读
算法原理K最近邻(KNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。
给定测试样本，基于某种距离度量找出训练集中与其最靠近的K个训练样本，然后基于这 K个"邻居"的信息来进行预测。KNN 算法的核心思想是如果一个样本在特征空间中的 K 个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。具体步骤给定训练样本集\(\be
KNN模型理论K最近邻分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是:如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。KNN算法中，所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。KNN方法虽然从原理上依赖于极限定理，但在类别决
转载
2024-04-07 06:32:01
34阅读
最近在×××读书上看了《增长×××》，感觉收益不少，提高了自己不少眼界，所以总结出来，供大家参考，如有不对，请不吝指出
原创
2018-09-11 19:38:25
10000+阅读
点赞
视频：嘛是天津？来源：天津市网信办
很久很久以前，大自然的力量在天津设下了一个大擂台！擂台外，风起云涌；擂台上，三场超级擂台赛接连举办：河与海在这里上演“龙凤斗”，孕育出世界大港。
各行各业登场攻擂，国货品牌和大国重器响当当。更有一个个奇人在擂
简单的说，K近邻算法是采用不同特征值之间的距离方法进行分类。 该方法优点：精确值高、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 适用范围：数据型和标称型 现在我们来讲KNN算法的工作原理：存在一个样本数据集，也称作训练样本集，并且样本中每条数据都存在标签
转载
2023-07-07 23:35:02
0阅读
在kNN算法中 k参数被封装成n_neighbors参数之前我们都是随意的传递3,5.究竟传什么参数最好，这就涉及机器学习非常重要的问题：超参数超参数：运行学习机器学习算法之前，需要指定的参数例如kNN算法的k与超参数对应的是模型参数模型参数：算法过程中学习的参数 kNN算法只有超参数，没有模型参数机器学习工程师要做的一个就是调参，就是调超参数因为是在算法运行前需要我们运行的参数寻找好的
参考内容：B战的DR_CAN的卡尔曼滤波器视频，讲的特别的好，建议要学习的可以去看看，非常通俗易懂，很好理解。1、初见卡尔曼滤波器-----递归运算 卡尔曼滤波器用一句话来说是一种 optimal recursive data pr
转载
2024-06-28 20:20:37
46阅读
无监督学习相对监督学习（输入进x，有对应的y），没有标注聚类k均值基于密度的聚类最大期望聚类降维潜语义分析（LSA）主成分分析（PCA）奇异值分解（SVD） k 均值（k-means）是聚类算法中最为简单、高效的，属于无监督学习算法核心思想：由用户指定k个初始质心（initial centroids)，以作为聚类的类别（cluster），重
有人说RxJava非常好用，那么，它究竟好用在哪里？今天来具体分析下。
首先，先来阐述RxJava到底是什么，RxJava官方的解释是：“a library for composing asynchronous and event-based programs using observable sequences for the Java VM”，其核心就是“asynchronous”这个词，直白
转载
2024-10-11 15:26:34
47阅读
更新与2023.7.22 本代码已开源于https://gitee.com/zhang_zhi_he/dyna-slam-yolo-v5，上传版本为当初调试通过可运行的版本，如有问题欢迎指出。这两天接了个小任务，需求是替换Dynaslam里面的动态物体识别模块，将MaskRCNN换为YoloV5，这里记录一下过程中遇见的问题。一、运行DynaslamDynaslam本身是一个基于ORBSLAM2的
网络是一门大学问，要踏踏实实的去学，才能学有所成。有时候教会他人就是最好的学习方式，真正的人才不但要会学，还要会教。要能深入浅出的教会知识为零的人。
如果要学习网络的话，首先从计算机开始。如果学计算机的话，从硬件，软件，二进制，网络术语，带宽开始。
￥电脑主要硬件：CPU，内存，存储设备，接口
顺便了解一下电子元器件。
晶体管：放大信号和开关
原创
2011-10-28 11:35:46
528阅读
目录数据库简介传统集中式架构优劣势分布式数据库关键设计3.GoldenDB简介4.GoldenDB设计思路与架构（重点）Golden DB高级功能三级目录 数据库简介传统集中式架构优劣势分布式数据库关键设计3.GoldenDB简介4.GoldenDB设计思路与架构（重点）Golden DB高级功能三级目录
概述SnowFlake算法是Twitter设计的一个可以在分布式系统中生成唯一的ID的算法，它可以满足Twitter每秒上万条消息ID分配的请求，这些消息ID是唯一的且有大致的递增顺序。 原理SnowFlake算法产生的ID是一个64位的整型，结构如下（每一部分用“-”符号分隔）： 0 - 0000000000 0000000000 0000000000 0000000000
k近邻法（KNN）knn是一种基本的分类与回归方法，其分类思想在于给定一个训练数据集，对一个新的输入实例，如果能在训练数据集中找到与该实例最邻近的k个实例，并且这k个实例的多数属于某个类，那么就把这个新的输入实例分为这个类。knn需要注意的几个术语：邻域、距离、位置、维度(影响着模型的复杂度)，下面是knn大致的一个内容。 补充： 设特征空间X是n维实数向量空间Rn，xi，xj∈X，xi=(x
转载
2023-10-06 23:02:23
341阅读
一、什么是KNN算法？KNN（K-Nearest Neighbor）算法是机器学习算法中最基础、最简单的算法之一。它既能用于分类，也能用于回归。KNN通过测量不同特征值之间的距离来进行分类。KNN算法的思想非常简单：对于任意n维输入向量，分别对应于特征空间中的一个点，输出为该特征向量所对应的类别标签或预测值。KNN算法是一种非常特别的机器学习算法，因为它没有一般意义上的学习过程。它的工作原理是利用
转载
2024-04-03 13:59:56
60阅读
什么是kNN？
kNN 的名字中虽然含有 NN，但并不是我们常说的Neural Network神经网络。 kNN 英文全程 k - Nearest Neighbor, 中文名 k近邻算法。 kNN 根据待分类样本周围的已知类别样本来判断待分类样本的类别。简单说， 如果你周围都是猴子，那 kNN 就认为你是猴子， 如果你周围都是大学生，那 kNN 就认
转载
2024-04-07 00:02:40
17阅读
KNN聚类技术图为年龄与收入，是否会购买杂志KNN就是选定一个K为半径，样本为原点的圆，如果圆内那个类别偏多，那么我们就将该样本分为该类。K为超参数，由于我们自己确定。KNN理论基础：同一个集群的客户将表现出相同的行为。所以集群与相邻的客户相同，它不是一种机器学习方法劣势：效率低下，因为不能确定K所以要多次尝试。很难解释为什么使用KNN聚类效果会比naïve prediction的预测好。KNN与
无监督学习一、 无监督学习（unsupervised learning）1. 典型例子：聚类（Clustering）2.无监督学习的重要因素二、 K均值聚类（K-means 聚类）1. K均值聚类算法第一步：初始化聚类质心第二步：把每个待聚类数据放入唯一一个聚类集合中第三步：根据聚类结果，更新聚类质心第四步：算法循环迭代，直到满足条件2. 聚类迭代结束条件3. K均值聚类算法的另一个视角：最小化
Redis是一个开源的，基于内存的数据结构存储，可用作于数据库、缓存、消息中间件。Redis 是完全开源免费的，遵守BSD协议，是一个高性能的key-value数据库。1.1为什么要用Redis？Redis是基于内存，常用作于缓存的一种技术，并且Redis存储的方式是以key-value的形式。我们可以发现这不就是Java的Map容器所拥有的特性吗，那为什么还需要Redis呢？下面我们来比较一下：
转载
2023-09-05 12:49:10
415阅读
