学习

零散学习笔记（一）—-单相逆变电路设计这几天帮别人设计然后画一个电路图，只设计电路图，没有具体实现功能。这题是一道电赛题，大家都知道设计一个电路简单，但是要具体实现功能可不是那么简单的。而本文章是最简单的一部分—电路部分，不涉及程序部分和调试。AC-DC电路设计电源输入电压为220V交流电压，在一般设计中只要是输入为220V交流电肯定需要将交流电转换成直流电压。一般有两个方法：模电方法：使用转换电路——整流(几个二极管组合起来把正负电压变成单向)–滤波(使波形平滑)–稳压(固定输出)–直流电压数电方法：使用DC-AC芯片进行转换（博

多重共线性检验-方差膨胀系数（VIF）-相关系数（机器学习）sklearn文章目录多重共线性检验-方差膨胀系数（VIF）1、原理：2、多重共线性：3、检验方法：方差膨胀系数（VIF）：相关性检验：4、代码测试4.1导入相关库4.2准备数据4.3计算膨胀因子4.4计算相关系数4.5分割测试集4.6模型选择4.7AUC值4.8模型调整4.8.1删除账户资金4.8.2删除累计交易佣金5、总结多重共线性检验-方差膨胀系数（VIF）1、原理：方差膨胀系数是衡量多元线性回归模型中多重共线性严重程度的一种度量。它表示回归系数估计量的方差与假设自变量间不线性相关时方差相比的比值。

深度学习基础之代价函数在机器学习和深度学习中，代价函数非常重要。所以十分有必要弄个清楚代价函数相关的概念和性质。本文介绍了什么是代价函数，然后列举了常用的三种代价函数，并对其中的二次代价函数和交叉熵代价函数进行了比较。

PyTorch学习之六个学习率调整策略PyTorch学习率调整策略通过torch.optim.lr_scheduler接口实现。PyTorch提供的学习率调整策略分为三大类，分别是有序调整：等间隔调整(Step)，按需调整学习率(MultiStep)，指数衰减调整(Exponential)和余弦退火CosineAnnealing。自适应调整：自适应调整学习率ReduceLROnPlateau。自定义调整：自定义调整学习率…

基于机器学习的文本分类算法的研究[通俗易懂]1.简述文本分类的方法属于有监督的学习方法，分类过程包括文本预处理、特征抽取、降维、分类和模型评价。本文首先研究了文本分类的背景，中文分词算法。然后是对各种各样的特征抽取进行研究，包括词项频率-逆文档频率和word2vec，降维方法有主成分分析法和潜在索引分析，最后是对分类算法进行研究，包括朴素贝叶斯的多变量贝努利模型和多项式模型，支持向量机和深度学习方法。深度学习方法包括多层感知机，卷积神…

前端学习笔记 – promise是什么？能解决什么问题？返回目录promise是什么？promise是异步编程的一种解决方案：从语法上讲，promise是一个对象，从它可以获取异步操作的消息；从本意上讲，它是承诺，承诺它过一段时间会给你一个结果。promise有三种状态：pending（等待态），fulfiled（成功态），rejected（失败态）；Promise有以上三种状态，只有异步操作的结果可以决定当前是哪一种状态，其他任何操作都无法改变这个状态状态一旦改变，就不会再变，任何时候都可以得

LDC1314 学习资料一、模块概述1.电赛出现LDC1314芯片是2016年TI杯全国电子设计竞赛指定使用芯片，为了调试方便制作了模块如下图，它配合4个线圈可以检测磁性材料，比如硬币和铁丝等，2016比赛的题目就是小车检测铁丝。2.PCB图3.说明LDC1312-Q1和LDC1314-Q12和4通道，12位电感数字转换器（LDC）感应传感解决方案。多通道遥感支持的LDC1312-Q1和LDC131…

盘点当下大热的 7 大 Github 机器学习『创新』项目本文将会分享近期发布的七大GitHub机器学习项目。这些项目广泛覆盖了机器学习的各个领域，包括自然语言处理（NLP）、计算机视觉、大数据等。最顶尖的Github机器学习项…

第三单元 用python学习微积分（二十）壳层法、圆盘法求体积 (下）本文内容来自于学习麻省理工学院公开课：单变量微积分-壳层法、圆盘法求体积-网易公开课一、切片法球体积(继续建立积分的思想)​如图，红色切片部分的体积这个式子取极限，则有全部面积为二、旋转立方体（solidsofrevolution)圆盘法介绍：老师先画了一条x轴上方曲线，看着像sinx，之后出题，这个曲线绕x轴一周形成一个椭圆，可以猜想，当对这个椭圆切片，可以得到一个⚪，因为图形绕x轴旋转不会改变函数值到x轴的距离，而这个距离就是这个⚪的半径。于.

自学编程的人，90%以上都会掉进这些坑，避开这些误区能提高N倍学习效率[通俗易懂]老程序员的自学宝典，建议收藏