深圳幻海软件技术有限公司

第1章统计学入门    第2章频数分布略  第3章集中趋势的测量第4章变异性第5章分数的位置及标准化分布第6章概率和正态分布第7章概率和样本：样本均值的分布第8章假设检验介绍第9章t检验介绍第10章两个独立样本的t检验第11章两个相关样本的

目录0写在前面1稀疏表示与稀疏编码2匹配追踪MP算法3正交匹配追踪OMP算法0写在前面机器学习强基计划聚焦深度和广度，加深对机器学习模型的理解与应用。“深”在详细推导算法模型背后的数学原理；“广”在分析多个机器学习模型：决策树、支持向量机、贝叶斯与马尔科夫决策、强化学习等。强基计划实现从理论到实践的

白刚玉微粉作为一种性能优良的耐火材料，主要用于加工高硬度产品。其化学性质相对稳定，绝缘性好。那么它可以在使用过程中重复使用吗?不同的微粉可以被二次使用吗?白刚玉微粉非常适用于湿喷砂和抛光作业，不影响工件的颜色，可用于铁粉残渣的禁止加工，加工速度快，质量好，含氧化铁量低，适用于PR的喷砂作业。抑制铁粉

在国内手机行业排行老大的华为，实际做笔记本电脑的时间并不是太长，但无妨，相比于手机的精细，笔记本电脑算是一个比较粗糙的活。华为目前发售的笔记本电脑主要还是以轻薄笔记本为主，定位的消费群体主要是白领和学生，笔记本电脑的主要买点是轻薄，不是性能。如果你经常出差，华为一定是必需关注的笔记本品牌。华为目前在

C语言是编译语言。如果说你没有接触过任何编程语言，就有必要学习如何编译。别担心，这也并不复杂。第一步：定义程序的目标在动手写程序之前，要在脑中有清晰的思路。想要程序去做什么首先要明确自己想要做什么，思考你的程序需要哪些信息，要进行哪些计算和控制，以及程序应该要报告什么信息。第二步：设计程序第一步完成

安装部署GBase8c的安装部署方式，可以通过手工部署或直接修改配置文件的方式进行部署安装，用户可以自行选择。手工部署方式下载GBase8c安装包并拷贝至gtm节点对应目录下（以/home/gbase/deploy为例）。注意：数据库安装部署需要在配置了免密登录的节点上进行，本例中为gtm节点免密，

A计划日题意：已知李明在YYYY年MM月DD日星期W订了学习计划，现在想看看李明N天后的完成情况和个人总结，你能告诉我那天的日期和星期几吗？模拟日期计算；计算星期可以用基姆拉尔森公式//中国的星期结果要+1intDay(inty,intm,intd){if(m==1||m==2)m+=12,y-=1

题目链接题目大意：给定一些点的坐标代表“事件”，每个“事件”可以有一些“因事件”，只要“因事件”的坐标落在给定不等式确定的范围之内即可。另给定数m表示至多有m个“因事件”。求对于给定的所有事件，它们的“因事件”中，最早发生的那一个事件的最迟发生时间（即最大的纵坐标）。要做这道题，首先推荐一道非常类似

题目连接：戳我戳我训练结果：Rank43Ac题数：12总罚时：1363A.水题.结构体排序。B.O(n^2)枚举一下x和y，然后通过n-x-y来得到z，判定是否胜利的时候，我们维护一个前缀和就可以O（1）查询了。过程统计一下可行方案数即可。C.贪心水题，我们从左往右看，如果有一个位子此时没有被原先的

目录1.什么是C语言2.第一个C语言程序3.数据的类型1.数据的类型2.数据类型所占用的内存3.类型的使用4.变量、常量1.定义变量的方法2.变量的命名3.变量的分类4.变量的使用5.变量的作用域和生命周期6.常量5.字符串+转义字符+注释1.字符串2.转义字符3.注释6.选择语句（只说if）7.循

手机中框剥漆意义在于方便后续点胶贴后盖，增加附着力。传统的工业产品除漆主要有两种方法:    第一种是化学除漆的方法，即借脱漆剂对产品的漆层产生溶胀、溶解作用，如使用碱性或有机脱漆剂。传统脱漆剂一般采用亚甲基氯化物，、醇、酯及苯作为溶剂，如三氧甲烷等，挥发性高

单因素方差分析请看这一篇，已修改：单因素方差分析双因素反差分析概念双因素方差分析（Doublefactorvarianceanalysis)有两种类型：一个是无交互作用的双因素方差分析，它假定因素A和因素B的效应之间是相互独立的，不存在相互关系；另一个是有交互作用的双因素方差分析，它假定因素A和因素

1.广义线性模型（是多数监督机器学习方法的基础，如逻辑回归和Tweedie回归）2.时间序列方法（ARIMA，SSA,基于机器学习的方法）3.结构方程建模（针对潜变量之间关系进行建模）4.因子分析（调查设计和验证的探索型分析）5.功效分析/实验分析（特别是基于仿真的实验设计，以避免分析过度）6.非参

ML.NET是.NET机器学习的东西，如果你的需求是需要一个固定的模型来进行操作的话那就按着官网的教程来就可以，但是大部分的模型可能不满足现有的需求，那么我们需要对模型进行重新训练。重新训练模型有限制条件，你重新训练模型的数据分类必须是原有模型已有的分类，如果想增加分类的话只能重新训练一个新的模型来

原文链接：告别无用功|人工智能该如何学习大家好，我是泰哥。本文可谓是千呼万唤使出来，很多同学问我，AI方向的知识多而杂，哪些该重点学习？学习路径又是怎么样的呢？今天，我将自己的学习路径及我所参考的资料全部免费分享出来，愿大家的AI学习进阶之路上多一些“温度”。学习途径在我学习人工智能的过程中，主要有

目录0写在前面1为什么要降维？2主成分分析原理3PCA与SVD的联系4Python实现0写在前面机器学习强基计划聚焦深度和广度，加深对机器学习模型的理解与应用。“深”在详细推导算法模型背后的数学原理；“广”在分析多个机器学习模型：决策树、支持向量机、贝叶斯与马尔科夫决策、强化学习等。强基计划实现从理

​译者|刘涛审校|孙淑娟人工智能（AI）和机器学习（ML）是我们日常生活的伙伴，很难想象没有算法和统计模型会是怎样一种生活。每当我们听到机器学习这个词时，首先想到的就是Python。因为Python长期以来一直是机器学习的代言人，它在帮助实现机器学习的技术层面上发挥了重要作用。Python可能是最优

本文转载自公众号“读芯术”(ID：AI_Discovery)如果你是一名数据科学家或数据分析师，或者只是对这一行业感兴趣，那下文中这些广受欢迎且非常实用的Python库你一定得知道。从数据收集、清理转化，到数据可视化、图像识别和网页相关，这15个Python库涵盖广泛，本文将对它们进行简介。想必其中

 Python是机器学习项目中最流行的语言，这点是毋庸置疑的。虽然像R语言、C++和Julia这样的程序语言有其特有的使用群体与用例，使它们经久不衰，但Python仍是使用最广泛的语言，并用于每个主要的机器学习框架中。然而，你能想象?在Cortex(将机器学习模型部署为API的开放源代码平

去年我决定从传统水利行业跨行到Python领域的时候，满脑子都是困惑与担心，犹豫放弃所学多年的专业知识值不值得，担心万一转行失败怎么办，纠结实际工作比想象中的难怎么办。没遇到指点迷津的大佬，只好网上各种搜，众说纷纭，***在「要不要转行」这个问题上浪费了很长时间。在跨过这个坎之后，回头来看以前那些问