2.3 监督学习 III 非参数学习器 K 最近邻（KNN） 距离度量：定义和计算“邻近性” 选取k ：使用交叉验证调优超参数 K 的较高值防止过拟合 真实世界中使用 KNN 的地方 决策树和随机森林 泰坦尼克数据集 选择决策树中的分割 随机森林：决策树的集成 之后，我们就完成了监督学习的学习 练习材料和扩展阅读 2.3a 实现 KNN...

PaddleLite使用瑞芯微NPU预测部署 支持现状 已支持的芯片 已支持的设备 已支持的Paddle模型 模型 性能 已支持（或部分支持）的Paddle算子 参考示例演示 测试设备 准备设备环境 准备交叉编译环境 运行图像分类示例程序 更新模型 更新支持Rockchip NPU的Paddle Lite库 其它说明 P...

本章小结 本章小结 ​ 在本章中，我们从几个不同的角度审视了关于一致性与共识的话题。我们深入研究了线性一致性（一种流行的一致性模型）：其目标是使多副本数据看起来好像只有一个副本一样，并使其上所有操作都原子性地生效。虽然线性一致性因为简单易懂而很吸引人 —— 它使数据库表现的好像单线程程序中的一个变量一样，但它有着速度缓慢的缺点，特别是在网络延迟...

你喜欢的东西我也喜欢 如何找到相似的用户？ 曼哈顿距离 欧几里得距离 N维模型 推广：闵可夫斯基距离 你喜欢的东西我也喜欢 我们将从推荐系统开始，开启数据挖掘之旅。推荐系统无处不在，如亚马逊网站的“看过这件商品的顾客还购买过”板块： last.fm上对音乐和演唱会的推荐（相似歌手）： 在亚马逊的例子里，它用了两个元素来进行推荐：...

11.12 理解事件驱动的IO 问题 解决方案 讨论 11.12 理解事件驱动的IO 问题 你应该已经听过基于事件驱动或异步I/O的包，但是你还不能完全理解它的底层到底是怎样工作的，或者是如果使用它的话会对你的程序产生什么影响。 解决方案 事件驱动I/O本质上来讲就是将基本I/O操作（比如读和写）转化为你程序需要处理的事件。例如，当数...

覆写或者实现方法 操作步骤: 快捷键: 实例演示: 覆写或者实现方法 覆写父类的方法或实现接口方法 操作步骤: 菜单栏: Code —> Override Method 快捷键: Mac: control + O Windows\/Linux: Ctrl + O 实例演示:

20.6　在CGI中使用Unicode编码 20.6　在CGI中使用Unicode编码 在第6章中，我们介绍了Unicode字符串的使用。在6.8.5部分，我们给了个简单的例子脚本：取得Unicode字符串，写入一个文件，并重新读出来。在这里，我们将演示一个具有Unicode输出的简单CGI脚本，并给浏览器足够的提示，从而可以正确的生成这些字符。唯一...

字符转义 字符转义 反斜线（\ ）用于插入在 Markdown 语法中有特殊作用的字符。 这是用来 *演示* 的 _ 文本 _ 这是用来 \* 演示 \* 的 \_ 文本 \_ 这是用来 演示 的 文本 这是用来 *演示* 的 _文本_ 这些字符包括： \ ` * _ {} [] () ...

第1章 机器学习基础 机器学习 概述 机器学习 研究意义 机器学习 场景 机器学习 组成 主要任务 监督学习（supervised learning） 非监督学习（unsupervised learing） 强化学习 训练过程 算法汇总 机器学习 使用 机器学习 数学基础 机器学习 工具 Python语言 数学工具 附：机器学习...

statistics —- 数学统计函数 平均值以及对中心位置的评估 对分散程度的评估 对两个输入之间关系的统计 函数细节 异常 NormalDist 对象 NormalDist 示例和用法 statistics —- 数学统计函数 3.4 新版功能. 源代码: Lib/statistics.py 该模块提供了用于计算数...