- 通过讲解PCA算法的原理，使大家明白降维算法的大致原理，以及能够实现怎么样的功能。结合应用降维算法在分类算法使用之前进行预处理的实践，帮助大家体会算法的作用。 0 相关源码 1 PCA算法及原理概述 1.1 何为降维? ◆ 从高维度变为低维度的过程就是降维 ◆ 例如拍照就是把处在三维空间中的人或物从转换到作为二 维平面的 照片中 ◆ 降维有线性的、也有非线性... 通过讲解PCA算法的原理，使大家明白降维算法的大致原理，以及能够实现怎么样的功能。结合应用降维算法在分类算法使用之前进行预处理的实践，帮助大家体会算法的作用。 0 相关源码 1 PCA算法及原理概述 1.1 何为降维? ◆ 从高维度变为低维度的过程就是降维 ◆ 例如拍照就是把处在三维空间中的人或物从转换到作为二 维平面的 照片中 ◆ 降维有线性的、也有非线性...
- 0 系列文章目录 0.1 基于协同过滤算法的电影推荐系统设计(一) - 项目简介 0.2 基于协同过滤算法的电影推荐系统设计(二) - 推荐系统介绍 ALS是alternating least squares的缩写 , 意为交替最小二乘法,而ALS-WR是alternating-least-squares with weighted-λ -regularizati... 0 系列文章目录 0.1 基于协同过滤算法的电影推荐系统设计(一) - 项目简介 0.2 基于协同过滤算法的电影推荐系统设计(二) - 推荐系统介绍 ALS是alternating least squares的缩写 , 意为交替最小二乘法,而ALS-WR是alternating-least-squares with weighted-λ -regularizati...
- 在WebIDE的terminal里面执行ps -aux > a.txt然后查看a.txt里面是否有WatherOBS，如果没有，在terminal里面执行下面的命令：python /usr/local/bin/Wathcer.py &如果有，则检查下WebIDE的SYNCHRONIZE OBS FILES下面有没有文件没有同步。 在WebIDE的terminal里面执行ps -aux > a.txt然后查看a.txt里面是否有WatherOBS，如果没有，在terminal里面执行下面的命令：python /usr/local/bin/Wathcer.py &如果有，则检查下WebIDE的SYNCHRONIZE OBS FILES下面有没有文件没有同步。
- WebIDE是一个常驻的docker环境给用户使用，是一个独享的环境，供开发人员进行算法开发、代码调试，如果用户3天不使用的话资源会释放，代码本身保存到obs上，不会删除；一次只能跑一个任务；提交训练的时候是从资源池里面申请一个资源给训练任务，训练任务结束后释放资源，所以结果需要保存到obs上进行持久化保存；可以同时并发提交5个训练任务；这2个环境是2个各自独立的环境，相互之间... WebIDE是一个常驻的docker环境给用户使用，是一个独享的环境，供开发人员进行算法开发、代码调试，如果用户3天不使用的话资源会释放，代码本身保存到obs上，不会删除；一次只能跑一个任务；提交训练的时候是从资源池里面申请一个资源给训练任务，训练任务结束后释放资源，所以结果需要保存到obs上进行持久化保存；可以同时并发提交5个训练任务；这2个环境是2个各自独立的环境，相互之间...
- 提交训练任务后，如果想看output目录下的结果，如果使用WebIDE，点击左边NAIE图标 -> Job Explorer -> 对应任务的output目录。如果使用编辑器，点击最左边的3个图标最后一个，如下图红框处，即“任务目录”，点开对应的训练的任务就可以看到每个任务目录下的output目录，这个地方后续会优化，直接在WebIDE中可以看到。 提交训练任务后，如果想看output目录下的结果，如果使用WebIDE，点击左边NAIE图标 -> Job Explorer -> 对应任务的output目录。如果使用编辑器，点击最左边的3个图标最后一个，如下图红框处，即“任务目录”，点开对应的训练的任务就可以看到每个任务目录下的output目录，这个地方后续会优化，直接在WebIDE中可以看到。
- 如果在特征工程中安装依赖的库，在cell中执行!pip install <库名>进行安装；如果在WebIDE中安装依赖的库，在算法代码的reqirements.txt中配置依赖的库名，如果需要指定版本号也可以配置版本号，如pandas==1.0.1，然后点击右上角的第一个图标：NAIE Install Reqirements就可以安装升级；如果在训练中安装/升级依赖... 如果在特征工程中安装依赖的库，在cell中执行!pip install <库名>进行安装；如果在WebIDE中安装依赖的库，在算法代码的reqirements.txt中配置依赖的库名，如果需要指定版本号也可以配置版本号，如pandas==1.0.1，然后点击右上角的第一个图标：NAIE Install Reqirements就可以安装升级；如果在训练中安装/升级依赖...
- 一、题目描述 在n>=2个点的集合Q中寻找最近点对。 “最近”是指通常意义下的欧几里得距离：即点p1（x1，y1）和p2（x2，y2）之间的距离为：sqrt（（x1-x2）2 +（y1-y2）2）。 二、算法设计与分析 算法主要思想就是分治。 情况1：点数小于等于二时：直接计算，求该两点之间的距离。 情况2：集合中有三个点：两两比较，求三个点... 一、题目描述 在n>=2个点的集合Q中寻找最近点对。 “最近”是指通常意义下的欧几里得距离：即点p1（x1，y1）和p2（x2，y2）之间的距离为：sqrt（（x1-x2）2 +（y1-y2）2）。 二、算法设计与分析 算法主要思想就是分治。 情况1：点数小于等于二时：直接计算，求该两点之间的距离。 情况2：集合中有三个点：两两比较，求三个点...
- YOLOv3：深度学习之计算机视觉神经网络Yolov3-5clessses训练自己的数据集全程记录(第二次) 目录 训练记录 训练记录 YOLOv3：深度学习之计算机视觉神经网络Yolov3-5clessses训练自己的数据集全程记录(第二次) 目录 训练记录 训练记录
- Problem Description 集训进行了将近2个礼拜，这段时间以恢复性训练为主，我一直在密切关注大家的训练情况，目前为止，对大家的表现相当满意，首先是绝大部分队员的训练积极性很高，其次，都很遵守集训纪律，最后，老队员也起到了很好的带头作用，这里特别感谢为这次DP专题练习赛提供题目和测试数据的集训队队长xhd同学. 特别高兴的是，跟随集训队训练的一批新队员表... Problem Description 集训进行了将近2个礼拜，这段时间以恢复性训练为主，我一直在密切关注大家的训练情况，目前为止，对大家的表现相当满意，首先是绝大部分队员的训练积极性很高，其次，都很遵守集训纪律，最后，老队员也起到了很好的带头作用，这里特别感谢为这次DP专题练习赛提供题目和测试数据的集训队队长xhd同学. 特别高兴的是，跟随集训队训练的一批新队员表...
- Problem Description 有一只经过训练的蜜蜂只能爬向右侧相邻的蜂房，不能反向爬行。请编程计算蜜蜂从蜂房a爬到蜂房b的可能路线数。 其中，蜂房的结构如下所示。 Input 输入数据的第一行是一个整数N,表示测试实例的个数，然后是N 行数据，每行包含两个整数a和b( 0 < a < b < 50 )。 Output 对于每个测试实例，请输出蜜... Problem Description 有一只经过训练的蜜蜂只能爬向右侧相邻的蜂房，不能反向爬行。请编程计算蜜蜂从蜂房a爬到蜂房b的可能路线数。 其中，蜂房的结构如下所示。 Input 输入数据的第一行是一个整数N,表示测试实例的个数，然后是N 行数据，每行包含两个整数a和b( 0 < a < b < 50 )。 Output 对于每个测试实例，请输出蜜...
- 文章目录 今天的面试题第1题：python2和python3的range(100)的区别第2题：在Python中读取大文件第3题：如何避免转义，给字符串加哪个字母表示原始字符串？第4题：python中断言方法举例？第5题：列出python中可变数据类型和不可变数据类型，并简述原理 写在后面 今天的面试题 第1题：python2和python3的ran... 文章目录 今天的面试题第1题：python2和python3的range(100)的区别第2题：在Python中读取大文件第3题：如何避免转义，给字符串加哪个字母表示原始字符串？第4题：python中断言方法举例？第5题：列出python中可变数据类型和不可变数据类型，并简述原理 写在后面 今天的面试题 第1题：python2和python3的ran...
- Python OpenCV 365 天学习计划，与橡皮擦一起进入图像领域吧。 Python OpenCV 基础知识铺垫Sobel 算子和 Scharr 算子Sobel 算子说明与使用Scharr 算子说明与使用 laplacian 算子橡皮擦的小节 基础知识铺垫 图像梯度是计算图像变化速度的方法，对于图像边缘部分，灰度值如果变化幅度较大，... Python OpenCV 365 天学习计划，与橡皮擦一起进入图像领域吧。 Python OpenCV 基础知识铺垫Sobel 算子和 Scharr 算子Sobel 算子说明与使用Scharr 算子说明与使用 laplacian 算子橡皮擦的小节 基础知识铺垫 图像梯度是计算图像变化速度的方法，对于图像边缘部分，灰度值如果变化幅度较大，...
- 橡皮擦，一个逗趣的互联网高级网虫，新的系列，让我们一起 Be More Pythonic。 滚雪球学 Python 第二轮 已完成的文章清单 七、函数装饰器7.1 装饰器基本使用7.2 对带参数的函数进行装饰7.3 多个装饰器7.4 functools.wraps7.5 基于类的装饰器7.6 内置装饰器7.6.1 @property7.6.2 @... 橡皮擦，一个逗趣的互联网高级网虫，新的系列，让我们一起 Be More Pythonic。 滚雪球学 Python 第二轮 已完成的文章清单 七、函数装饰器7.1 装饰器基本使用7.2 对带参数的函数进行装饰7.3 多个装饰器7.4 functools.wraps7.5 基于类的装饰器7.6 内置装饰器7.6.1 @property7.6.2 @...
- 什么是（监督式）机器学习？简单来说，它的定义如下： 机器学习系统通过学习如何组合输入信息来对从未见过的数据做出有用的预测。 下面我们来了解一下机器学习的基本术语。 标签 在简单线性回归中，标签是我们要预测的事物，即 y 变量。标签可以是小麦未来的价格、图片中显示的动物品种、音频剪辑的含义或任何事物。 特征 在简单线性回归中，特征是输入变量，即 x 变量。简单的机器学习项... 什么是（监督式）机器学习？简单来说，它的定义如下： 机器学习系统通过学习如何组合输入信息来对从未见过的数据做出有用的预测。 下面我们来了解一下机器学习的基本术语。 标签 在简单线性回归中，标签是我们要预测的事物，即 y 变量。标签可以是小麦未来的价格、图片中显示的动物品种、音频剪辑的含义或任何事物。 特征 在简单线性回归中，特征是输入变量，即 x 变量。简单的机器学习项...
- 在线性回归模型中，我们实际上是建立了一个模型来拟合自变量和因变量之间的线性关系，但是在某些时候，我们要做的可能是一个分类模型，那么这里就可能用到线性回归模型的变种 —— 逻辑回归，本节我们就逻辑回归来做一个详细的说明。 实例引入 我们还是以上一节的例子为例，张三、李四、王五、赵六都要贷款了，贷款时银行调查了他们的月薪和住房面积等因素，两个因素决定了贷款款项是否可以立即到账，... 在线性回归模型中，我们实际上是建立了一个模型来拟合自变量和因变量之间的线性关系，但是在某些时候，我们要做的可能是一个分类模型，那么这里就可能用到线性回归模型的变种 —— 逻辑回归，本节我们就逻辑回归来做一个详细的说明。 实例引入 我们还是以上一节的例子为例，张三、李四、王五、赵六都要贷款了，贷款时银行调查了他们的月薪和住房面积等因素，两个因素决定了贷款款项是否可以立即到账，...
上滑加载中
推荐直播
-
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中 -
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中
热门标签