06 PCA(主成分分析)之特征值分解
参考博客： 主成分分析（PCA）原理详解 PCA （主成分分析）详解 （写给初学者） PCA之特征分解 1. 相关背景 2. 数据降维 3. PCA原理详解 3.1 什么是PCA 3.2 协方差和散度矩阵 3.3 特征值分解矩阵原理 3.4 SVD分解矩阵原理 3.5 PCA算法两种实现方法 (1) 基于特征值分解协方差矩阵实现PCA算法 (2) 基于SVD分解协方差矩阵实现PCA算法 4 PCA实例](PCA之特征分解) 在机器学习领域，PCA算是用的蛮多的了。最近也是在学这个的时候发现了个
07 PCA(主成分分析)之梯度上升法
上篇讲的是PCA基于矩阵操作方法的实现，本文讲的是基于梯度上升法实现的PCA。 PCA之梯度上升法 PCA原理 主成分分析PCA 均值归零（demean） 映射轴和方差 梯度上升法 代码实现 单个主成分分析 多个主成分分析 主成分分析和线性回归的区别 PCA之高维数据降维与恢复 PCA原理 假设现有样本的分布如下图所示。 样本有两个特征，也就是二维的数据：特征1和特征2，如果对样本进行降维，首先可以考虑基于坐标轴进行降维。会有如下两种方式：舍弃特征1，只保留特征2，或者舍弃特征2，只保留特征1
SpringMVC中请求分发的设计
一、SpringMVC中请求分发的组件 DispatcherServlet是SpringMVC的核心组件，请求分发是其重要任务。 在DispatcherServlet的请求分发中，采用了适配器模式进行，通过HandlerMapping和HandlerAdapter实现。 HandlerMapping接口继承体系： HandlerAdapter接口继承体系： 在DispatcherServlet初始化时，将初始化所有HandlerMapping和HandlerAdapter。 二、SpringM
【Vue采坑之旅】在element的dialog中显示高德地图
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/u014322206/article/details/86479112 一、问题及解决思路 高德地图在页面中引用能够正常显示，但是想在弹框中显示高德地图并进行操作，却显示为空白...... 很奇怪，为什么在页面中能够显示，在对话框里就不能显示了。 首先让弹框一开始就显示，并给地图加载增加了3秒延迟，3秒后地图正常显示。喏，看来是组件初始化的时候容器dom还没渲染，因此需要使用nextTick。 其
转载：使用redis+flask维护动态代理池
转载：使用redis+flask维护动态代理池 githu源码地址： https://github.com/Germey/ProxyPool 更好的代理池维护: https://github.com/Python3WebSpider/ProxyPool 下面文章的源地址：https://blog.csdn.net/polyhedronx/article/details/81485458 针对代理池中的代理IP可能会重复的问题，提出了一种解决方法，实测可行。
代理IP之所以会重复，和Redis
python爬虫学习记录——各种软件/库的安装
python爬虫学习记录——各种软件/库的安装 Ubuntu18.04安装python3-pip 1、apt-get update更新源 2，ubuntu18.04默认安装了python3,但是pip没有安装，安装命令：apt install python3-pip(apt install python-pip安装的是python2b版本的pip) 安装mongodb： apt-get install mongodb. 执行mongod命令之后创建了一个/data/db。 mongo进入mon
Neural networks and deep learning阅读笔记（2）后向传播算法
Neural networks and deep learning阅读笔记（2）后向传播算法 上一章主要是梯度下降算法，但是如何计算cost function的梯度没有详细讲，这一章就主要讲了一种计算梯度的算法——backpropagation后向传播算法。这一章有很多数学emmm慢慢推吧，后向传播还是蛮重要的 Warm up wjkl如图所示代表了从（l-1）层的第k个神经元到第l层第j个神经元的权重。bjl代表了第l层第j个神经元的偏置，ajl代表了第l层第j个神经元的激活值，也就是输入经
如何添加使用微信小程序，教程在这里，微信小程序怎样添加使用
微信作为一个开放的平台，不仅让我们的社交得到满足，更是推出来微信小程序，让我们在使用应用方面也得到了极大的便利。在微信小程序中我们不需要下载安装其应用便可以使用该应用所具备的功能，让我们的使用体验极大的增强。因此今天便为大家讲解下微信小程序是怎样添加使用的。 首先肯定是打开我们的微信，然后点击进入到“我”的界面。 点击进入到“设置”界面，在设置中实现小程序的快速应用。 此时能够看到很多设置应用，小程序的窗口的快速使用，在通用界面设置，所以我们点击进入到“通用”栏。 想要小程序出现在发现页，就能
Linux系列（6）- 文件的基本属性
参考链接 文件的基本属性 Linux系统是一种典型的多用户系统，不同的用户处于不同的地位，拥有不同的权限。为了保护系统的安全性，Linux系统对不同的用户访问同一个文件（包括目录文件）的权限做了不同的规定。 查看文件的属性 用ls -l的方式查看文件的属性： 第0位确定文件类型 第1~3位确定属主拥有该文件的权限 第4~6位确定属组拥有该文件的权限 第7~9位确定其他用户拥有该文件的权限 更改文件属性 chgrp 更改文件属组 语法： chgrp [-R] 属组名 文件名 举例： 在 /hom
浏览器上查看微信公众号的所有历史文章
微信公众号的历史文章一直不是特别好抓取，之前写了一篇文章是关于公众号文章的抓取的公众号文章的爬虫，现在已经过去一年多了，之前的方式还可以使用，但是效率不行，跟账号绑定的，容易封账号，要满足现在11万左右的公众号及时更新的需求根本不可能，于是更新了方案公众号历史文章https://www.vreadtech.com/， 1.首页（未登录状态） 标题 2.搜索公众号（绝大多数公众号都有） 3.搜索不到的账号（免费提交，不用登录也可以提交） 4.进入账号内页，文章列表都有，而且有文章总数，更新日期
知识图谱_关系抽取_文献笔记（二）
本文介绍一篇18年EMNLP的文章Neural Relation Extraction via Inner-Sentence Noise Reduction and Transfer Learning。对知识图谱关系抽取前世了解一下，再来看今天的文章哦。还需了解一下用神经网络做依存句法分析。 一、问题描述 这篇文章是做知识图谱中的关系抽取的，创新点有三个： 1. 通过Sub-Tree Parse (STP)来移除句子内的噪音的，还可以降低句子长度。 2. 通过entity-wise atten
机器学习 - 支持向量机（2）- 线性 SVM（软间隔最大化）
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/weixin_37352167/article/details/85563158 机器学习 -支持向量机（2）- 线性 SVM（软间隔最大化） 线性 SVM 软间隔最大化 对偶算法 支持向量 线性 SVM 上一篇文章介绍了在数据线性可分时 SVM 的构建过程，即硬间隔最大化。而当数据线性不可分时，硬间隔最大化是不适用的。（对比与感知器算法，感知器算法在面对线性不可分的数据时是无法收敛的。） 为了解
阿里云Ubuntu16.4服务器部署python3.7.1+django2.1.4网站（一）
此博文由来 本人进行了一个小的博客项目开发，完成后想要将其部署到阿里云上，但查找了几天网上的解决方法总是出现各种错误，所幸最终找到正确方案，现记录一下我的部署历程。 参考博客： VcrTing 他-途 部署要用到的技术： ubuntu 命令行语句 anaconda3 语句 python 命令行语句 mysql 命令行语句 pycharm 操作经验 navicate 操作经验 购买阿里云服务器： 因为还是学生，所以阿里云还是很友好的，云服务器ESC可以很便宜到手。 如图这是我所买的服务器 买完之
Centos7常见压缩、打包工具
gzip、bzip、xz都不能压缩目录； compress/uncompress,.Z（已经不用） gzip/gunzip/zcat命令，.gz gizp [options] ... file ...不能压缩目录； -d：解压缩，当于gunzip； -#：指定压缩比，1-9，默认6，数字越大压缩比越大； -c：将压缩结果，输出到标准输出；一般重定向到一个文件里（实现压缩不删除原文件的方式）； gzip -c FILE > /PATH/TO/SOMEFILE.gz gunzip filename
每日学点python之十五(爬虫实战)
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/m0_37806112/article/details/86478987 上节讲了理论，这节我们练习一下。 我们写个简单的看看，方面理解。
#!/usr/bin/python
#-*-coding:utf-8-*-
##
# @file 爬虫.py
# @brief
# @author SongQiang
# @version 1.0
# @date 2019-01-10
import ur
Neural networks and deep learning阅读笔记（3）神经网络学习方式
这一章介绍了一些搭建网络的方式和技巧，可以帮助我们的网络更好的学习，包括：一种更好的损失函数叫cross-entropy交叉熵损失函数；四种“正则化”方法（L1和L2正则化、dropout、训练数据的artificial expansion）；更好的初始化权重的方法；一些帮助我们选择超参数hyper-parameters的启发。【一些词汇我怕自己翻译不准确就直接用英文了 cross-entropy cost function 大家都知道如果有人把自己的错误指出来了，下次就会进步的特别快，那我们
find 命令特点及用法
find 命令： 实时查找工具、通过遍历指定路径完成文件查找 工作特点： 1、查找速度略慢 2、精确查找 3、实时查找 注意：可能只搜索用户具备读取和执行权限的目录 语法： find [option]... [查找路径][查找条件][处理动作] 查找路径：指定具体目标路径；默认当前 查找条件：指定的查找标准，可以文件名、大小、类型、权限等标准进行；默认为找出指定路径下的所有文件 处理动作：对符合条件的文件做操作，默认输出至屏幕 查找条件： 指搜索层数 -maxdepth level 最大搜索目
linux 服务器安装anaconda3.5， 远程使用jupyter
安装anaconda 主要参考：https://www.cnblogs.com/andylhc/p/9513504.html 1.下载脚本 wget https://repo.anaconda.com/archive/Anaconda3-5.2.0-Linux-x86_64.sh 2.运行安装向导，遇到许可证询问回答'yes' bash Anaconda3-5.2.0-Linux-x86_64.sh 默认位置安装就好，遇到询问就选‘yes’ 3.确认是否安装成功 conda --version
Ubuntu16.04 安装/更新/升级cmake到 cmake3.9.1的具体安装过程
遇到的问题： 在Ubuntu系统中进行OpenCV 安装的时候，需要用到cmake，而且必须是 3.5版本以上才能行!
然后开始使用 sudo apt-get install cmake,,这种办法，安装上的版本一直是 3.2。这个问题一直困扰了半个小时
1、cmake的下载 在这里强烈建议通过wegt进行下载，在这里就不说了，直接把地址粘上吧！ wget https://cmake.org/files/v3.9/cmake-3.9.1-Linux-x86_64.tar.gz 2、解压和安
Euereka配置DNS集群
文章目录 Euereka配置DNS集群 基于center os7和bind9搭建DNS服务器 安装bind,bind-utils 启动DNS服务 查看named进程是否正常启动 防火墙开放TCP和UDP的53号端口 测试(我本机ip为192.168.1.200) 配置eureka需要的DNS（本机ip为192.168.1.200） 设置可读eureka.com.zone 可读，并启动服务 重启dns服务 配置域名解析服务 测试dns 其他服务器配置后，解析不了，配置防火墙 配置eureka 集
今日推荐
周排行