提要 在图形的计算中，比如旋转、缩放、平移、投影等操作，矩阵都扮演着极其重要的角色，它是操作图元的基本工具。虽然很多的图形API已经封装好了这些矩阵操作，但是理解这些矩阵操作的原理会非常非常有帮助，比如说我们可以通过一些矩阵的快捷计算来加速你的代码。 如果你有一些线性代数的基础，看下面的内容的时候也不会很轻松，因为有点难且比较没意思，如果没有修过这门课，最好把线性代数这本书拿来看看，因为这些东西真是基础中的基础，而且非常的重要。 齐次记法（Homogeneous Notation） 空间一个点对应的是一个空间的位置，一个向量对应一个方向，两者都可以用一个三维向量 V = （Vx, ...
转载
2013-08-15 19:19:00
201阅读
提要 在图形的计算中，比如旋转、缩放、平移、投影等操作，矩阵都扮演着极其重要的角色，它是操作图元的基本工具。虽然很多的图形API已经封装好了这些矩阵操作，但是理解这些矩阵操作的原理会非常非常有帮助，比如说我们可以通过一些矩阵的快捷计算来加速你的代码。 如果你有一些线性代数的基础，看下面的内容的时候也
原创
2013-08-14 22:17:00
552阅读
LaTeX常见问题整理
本文为laTeX使用过程中的常见问题整理，将持续更新。
在LaTeX公式中，如果我们希望加入文字，同时保留空格的效果；则在$$内使用\text{}，在{}内添加文字即可。 如： $ \text {These matrics are all } 32 \times 32. $
These matrics are all 32 × 32. \text { These
原创
2021-09-02 12:01:00
1413阅读
一、R的变量类型也可以说是数据存储方式，有：Vector： 一维阵列Matrics： 二维阵列，其中所有元素是同一数据类型。factor： 种类变量，可使用levels函数来规定种类变量的各级别的名称。例如：levels(factor_vector) <- c("name1", "name2",...)Dataframe：二维阵列，每一列中的元素是同一数据类型，不同列的数据类型可以不同。Li
转载
2024-04-18 15:00:21
40阅读
参数解释 average: string, [None, ‘micro’, ‘macro’(default), ‘samples’, ‘weighted’]将一个二分类matrics拓展到多分类或多标签问题时，我们可以将数据看成多个二分类问题的集合，每个类都是一个二分类。接着，我们可以通过跨多个分类计算每个二分类metrics得分的均值，这在一些情况下很有用。你可以使用average参数
转载
2024-09-07 19:09:01
35阅读
