好累啊~~HO

最新推荐文章于 2025-05-30 23:53:56 发布
最新推荐文章于 2025-05-30 23:53:56 发布 · 100 阅读 · 0

自己欣赏一下吧，也是这一个月来的成果：）
108593.html

my 2007-04-05 09:18 发表评论
ayang3000
关注
GC 日志解读与分析（实例分析上篇）
KimmKing的技术博客
09-22 1071
上一节讲述了 GC 日志相关的基础信息和配置。 需要提醒的是，这些参数是基于 JDK 8 配置的。 在 JDK 9 之后的版本中，启动参数有一些变化，继续使用原来的参数配置可能会在启动时报错。不过也不用担心，如果碰到，一般都可以从错误提示中找到对应的处置措施和解决方案。 例如 JDK 11 版本中打印 info 级别 GC 日志的启动脚本： # JDK 11 环境，输出 info 级别的 GC 日...
优快云前1000名博主
热门推荐
无知人生，记录点滴
05-26 8万+
博主 简介 stpeace 排名：1 原创：2166 粉丝：7180 积分：181660 等级：10stpeace的专栏中国本博客供大家交流，欢迎各抒己见。博文中的内容禁止用 yuanmeng001 排名：2 原创：5286 粉丝：10660 积分：170616 等级：10袁萌专栏无穷小微积分倡导者–北大教授null老师 yjclsx 排名：3 原创：162...
洛谷1423 小玉在游泳
weixin_30719711的博客
08-22 1058
洛谷1423 小玉在游泳 本题地址：http://www.luogu.org/problem/show?pid=1423 题目描述 小玉开心的在游泳，可是她很快难过的发现，自己的力气不够，游泳好累哦。已知小玉第一步能游2米，可是随着越来越累，力气越来越小，她接下来的每一步都只能游出上一步距离的98%。现在小玉想知道，如果要游到距离x米的地方，她需要游多少步呢。请你编程解决这个问题。 输入...
HO引擎近况20150422
weixin_30642869的博客
04-22 81
这个月到现在才更新主要是想等UI模块中的一个地方攻关下来再更新,但是每天工作到很晚才回家所以一直没弄,上周日弄了一下基本上是通了! 公司的项目如我所料被砍了,又开始了一个新的项目,但是也存在许多问题,努力解决吧! 先积累点资金以备下次闭关时使用! 引擎这回这版UI定下来之后基本不再改了, 3D部分还有一些要改的东西,希望将来能够顺利完成! 虽然每天在公司忙的不行,回家没什么时间...
[日记月累]sftp架设
weixin_34366546的博客
11-22 75
（1）创建sftp用户的主根目录[root@Oracle-2~]#mkdir-p/home/sftproot@Oracle-2~]#chmod-R755/home/sftp（2）创建sftp用户组和一个sftp用户[root@Oracle-2~]#groupaddsftp[root@Oracle-2~]#useradd-gsftp-d/ho...
赴台旅学前奏~台湾旅游知识普及篇
eland_edwiin's coding journey
09-11 9817
1.关于钱：汇率  人民币:台币（NT）=1：4.7左右，浮动不大。个人建议带现金和Visa卡。银联卡貌似也可以用了，大家在询问下。（政策变化太快，我的很多信息可能很快就过时，大家还是要随时update哈）      2.关于旅游季节：除了7,8月份（太热）和1,2月份（太冷），其他月份都蛮适合的。个人推荐3,4月份（有春浪和春呐）。      3. 关于行李：泳衣（泡温泉，下海用），特色小礼
选择Spring集成好的Spring Cloud Zuul方便更快
xiaofeiyuh的博客
07-29 1万+
上一篇简单说了SpringCloud与Eureka的集成。主要解决了微服务间的服务注册及调用的问题。这一篇集成Zuul，而后结合SpringCloud、Eureka、Zuul环境下进行真实系统联调，帮助更好的对这些组件的理解。毕竟，实战才是学习最快的方法。 一、聊聊网关 上篇也提到过，微服务下，各个业务模块都被拆分成相互独立的微服务。虽然注册中心（如Eureka）解决了服务内部的注册发现、健康检查等问题。但是如何与外部服务进行通信又是一个新的问题了。 举个栗子 某初创公司，刚刚经历了一次大的架构改革。将原有
微信小程序扫普通链接二维码打开小程序的具体配置流程
03-29
对于扫普通链接二维码打开小程序的功能详解，官方api已经可以说是接近手把手的教学，咱们这里不做累述，直接上图走起...官方接入指南   功能介绍 扫二维码登录小程序...^_^   限制 1.对于普通链接二维码，目前支持...
华为Could API人工智能系列——文本合成MP3音频
红目香薰
01-08 1万+
华为Could API人工智能系列——文本合成MP3音频
Text Diffusion，来了！
最新发布
Datawhale
05-30 103
LLaDA 做完之后，课题组经过了讨论，决定全力支持开源工作，把一切能开源的代码和权重全都放了出去，并且尽快地回复社区内的所有问题。我们组和非常多 MDM 的人是机器学习出身，特别是 generative model 出身，最初的动机包括 MDM 本身的发展是沿着概率建模的思路的，因此就顺着叫 Diffusion 了（如果往前追到 ICML 2015， 这比 BERT 还早），后来我们确实发现了和 BERT 以及 MaskGIT 的联系，也都在 related work 提到了，并没有人回避这个问题。
动手学深度学习实现DAY-2
weixin_40054643的博客
02-19 1960
节选自“ElitesAI·动手学深度学习PyTorch版” Task03：过拟合、欠拟合及其解决方案；梯度消失、梯度爆炸；循环神经网络进阶（1天） Task04：机器翻译及相关技术；注意力机制与Seq2seq模型；Transformer（1天） Task05：卷积神经网络基础；leNet；卷积神经网络进阶（1天） 过拟合、欠拟合及其解决方案 过拟合、欠拟合的概念 权重衰减 丢弃法 模型选择...
openstack实现私有云的搭建
deep_AELY的博客
08-17 6366
openstack私有云搭建实验环境：rhel7.2禁用或移除所有自动更新的服务，因为它们会影响到您的 OpenStack 环境。 systemctl stop NetworkManager systemctl disable NetworkManager独立节点的配置1.添加网卡 2.更改配置文件DEVICE="ens9" ONBOOT=yes BOOTPROTO=none3.重启服务v
方差分析原理
04-02
### 方差分析（ANOVA）的工作原理及数学基础 #### 1. ANOVA 的基本定义 方差分析 (Analysis of Variance, 简称 ANOVA) 是一种统计方法，用于评估多个样本均值之间的差异是否显著。它通过比较组间变异与组内变异来判断不同水平下的因子是否存在显著影响[^3]。 --- #### 2. 工作原理概述 ANOVA 的核心思想在于分解总变异性为两部分： - **组间变异**：由实验处理或自变量的不同水平引起的变异。 - **组内变异**：由个体间的随机误差或其他未控制的因素引起的变化。 如果组间变异远大于组内变异，则可以推断至少有一个因子水平对因变量产生了显著影响；反之则认为各因子水平之间无明显区别[^2]。 具体计算过程如下： ##### （1）假设设定 - 零假设 \( H_0 \): 各个总体均值相等 (\( μ_1 = μ_2 = ... = μ_k \))； - 备择假设 \( H_a \): 至少存在一对不相等的均值。 ##### （2）平方和分解 总离差平方和 SST 被分为两项： \[ SST = SSB + SSE \] 其中， - \( SST \) 表示总的偏差平方和； - \( SSB \) 表示组间偏差平方和； - \( SSE \) 表示组内偏差平方和。 这些量分别衡量整体数据分布情况以及每组内部成员围绕其平均值散布的程度[^1]。 ##### （3）自由度分配 对于 k 组 n_i 个观测值的情况： - 总体自由度 df_total = N - 1; - 组间自由度 df_between = k - 1 ; - 组内自由度 df_within = N - k. 这里 N=\sum_{i=1}^{k}{n_i}, 即所有观察数量之合. ##### （4）F 检验统计量构建 利用上述信息得到 F 值: \[ F = \frac{MSB}{MSE} \] 其中, - MSB (Mean Square Between Groups)=SSB/df_between; - MSE(Mean Square Error within groups)=SSE/df_within; 当零假成立时,F 应该接近于1; 如果实际算得较大数值说明可能拒绝原设. 最后查表或者软件得出P-value并与给定α做对比决定接受还是否定Ho. --- #### 3. 数学表达形式总结 以下是单因素方差分析的主要公式集合: | 名词 | 定义 | |--------------|------------------------------------------------------------------------------------------| | 平均数 | 对应每一类别下样本求取简单算术平均 | | SS(total) | 所有测量值得到相对于全局大均值偏离程度累积 | | SS(between) | 不同类別中心点相对全體資料集中位置偏移累積 | | SS(within) | 类别內個別數據對應該類別中心點距離總和 | \[ SS(\text{{total}}) = \sum{(y-\bar y)^2} \] \[ SS(\text{{between}}) = \sum{n_j*(\bar {y}_j - \bar y )^2 } \] \[ SS(\text{{within}}) = \sum{\sum(y_ij-\bar {y}_j)^2 } \] 以上各式中,\( y\)代表原始资料项;\( \bar y\)表示全体资料平均;\( \bar {y}_j\)则是第 j类别的局部平均;n_j指的是属于这个分类的数量. --- ```python import numpy as np from scipy.stats import f_oneway # 示例数据集 group1 = [np.random.normal(loc=5, scale=1, size=10)] group2 = [np.random.normal(loc=7, scale=1, size=10)] group3 = [np.random.normal(loc=9, scale=1, size=10)] f_statistic, p_value = f_oneway(group1, group2, group3) print(f"F-statistic: {f_statistic}") print(f"P value: {p_value}") ``` 此代码片段展示了如何使用 Python 中 SciPy 库执行 One-Way ANOVA 测试并获得相应的 F 和 P 值结果. ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值