安装准备 获取安装源 发布包完整性校验 简介 前提条件 操作指导 物理机的安装要求 硬件兼容支持 最小硬件要求 虚拟机的安装要求 虚拟化平台兼容性 最小虚拟化空间要求 安装准备 介绍安装前需要考虑软硬件兼容性状况，以及相关的配置和准备工作。 获取安装源 在安装开始前，您需要获取openEuler的发布包和校验文件。 请按以下...

1.5.5 优化及拟合：scipy.optimize 1.5.5 优化及拟合：scipy.optimize 优化是寻找最小化或等式的数值解的问题。 scipy.optimize 模块提供了函数最小化（标量或多维度）、曲线拟合和求根的有用算法。 In [19]: from scipy import optimize 寻找标量函数...

三、机器学习三要素 3.1 模型 3.2 策略 3.2.1 损失函数 3.2.2 风险函数 3.2.3 经验风险 3.2.4 极大似然估计 3.2.5 最大后验估计 3.3 算法 三、机器学习三要素 机器学习三要素：模型、策略、算法。 3.1 模型 模型定义了解空间。监督学习中，模型就是要学习的条件概率分布或者决策函数。 ...

八、优化策略和元算法 8.1 坐标下降 8.2 Polyak 平均 8.3 贪心监督预训练 8.4 选择有助于优化的模型 8.5 连续方法 八、优化策略和元算法 有些优化技术并不是真正的算法，而是一个模板：它可以产生特定的算法。 8.1 坐标下降 最小化 可以采取如下的步骤： 先相对于单一变量 最小化。 然后相对于另一个变...

2.7 数学优化：找到函数的最优解 2.7 数学优化：找到函数的最优解 In [2]: % matplotlib inline import numpy as np 作者 : Gaël Varoquaux 数学优化 处理寻找一个函数的最小值（最大值或零）的问题。在这种情况下，这个函数被称为成本函数，或目标函数，或能...

五、谱聚类 5.1 邻接矩阵 5.2 拉普拉斯矩阵 5.3 谱聚类算法 5.3.1 最小切图 5.3.2 RatioCut 算法 5.3.3 Ncut 算法 5.4 性质 五、谱聚类 谱聚类spectral clustering 是一种基于图论的聚类方法。 谱聚类的主要思想是：基于数据集 来构建图 ，其中： 顶点 ：由...

二、显式约束正则化 二、显式约束正则化 可以通过添加一个显式约束来实现正则化： 。其中 为一个常数。 可以通过构建广义拉格朗日函数来求解该约束最优化问题。 定义广义拉格朗日函数： 。则上述约束最优化问题的解由下式给出： 假设 的解为 ，固定 则： 。 这和参数范数正则化是相同的，因此可以将参数范数正则化视为对参数强加的约束： ...

数据序列化 什么是数据序列化？ Pickle Protobuf 数据序列化 什么是数据序列化？ 数据序列化是将结构化数据转换成允许以共享或存储的格式，可恢复其原始结构的概念。在某些情况下，数据序列化的第二个目的是将要序列化数据的大小最小化，从而使磁盘空间或带宽要求最小化。 Pickle Python原生的数据序列化模块称为 Pic...

v1.5.x以上版本 v1.4.x以下版本 默认配置 最小化编译 禁用浮点运算 默认编译出来的tbox库，支持的功能比较全，带有所有模块，并且支持ssl（依赖polarssl/openssl）、gzip（依赖zlib）、database（依赖sqlite3/mysql）。 因此生成的库文件偏大，而且会依赖三个第三方库，如果你用不到上述三个模块，...

Chapter-5 Graph Theory 第5章 图论 Chapter-5 Graph Theory 第5章 图论 Traverse - 遍历 KnowledgePoint - 知识要点 PreorderTraverse - 先序遍历 InorderTraverse - 中序遍历 PostorderTraverse - 后序遍历 ...