PDF文檔在IE瀏覽器裡面打不開的問題
首先，這是一個偶然事件，忽然就不能打開了，進去管理員用戶可以打開，就是在用戶的桌面裡面打不開，網上其它辦法也都試過了，本來一件小事，不像搞得又要裝系統折磨啰嗦，所以就沒有採取極端做法，而是進去管理員用戶，把本機現使用用戶刪掉，然後再用原來的賬號和密碼登進去，這樣就好了，記得在這之前保存原桌面資料。如有不當，還請各位批評指正。
電腦主機換了地方顯示器就不能顯示
找了好長時間，也沒找到什麼原因，後來發現是顯示器的數據線上少了個螺母，開始能放在外面接著能亮，放到主機箱裡面就不亮，後來把能拆的都拆了，又裝到主機箱裡面，這回顯示器亮了，整了2天半。
QQ電腦管家的快捷方式不見了，
首先，可以在程序裡面找到，這個文件夾，選中以後，發送到桌面建立快捷方式，其次，我們可以找到電腦管家的文件夾，在裡面找到QQPCTray.exe,這個程序，把它發送到桌面，就是電腦管家的快捷方式了。
算法工程师修仙之路：李航统计学习方法（一）
第1章 统计学习方法概论 统计学习 统计学习的特点 统计学习（statistical learning）是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科，统计学习也称为统计机器学习（statistical machine learning）。 统计学习的主要特点 统计学习以计算机及网络为平台，是建立在计算机及网络之上的； 统计学习以数据为研究对象,是数据驱动的学科； 统计学习的目的是对数据进行预测与分析； 统计学习以方法为中心，统计学习方法构建模型并应用模型进行预测
算法工程师修仙之路：吴恩达机器学习（十）
吴恩达机器学习笔记及作业代码实现中文版 第七章 神经网络参数的反向传播算法 理解反向传播 为了更好地理解反向传播算法，我们再来仔细研究一下前向传播的原理： 反向传播算法做的是： 梯度检测 当我们对一个较为复杂的模型（例如神经网络）使用梯度下降算法时，可能会存在一些不容易察觉的错误，意味着，虽然代价看上去在不断减小，但最终的结果可能并不是最优解。为了避免这样的问题，我们采取一种叫做梯度的数值检验（ Numerical Gradient Checking）方法。这种方法的思想是通过估计梯度值来检验
编程菜鸟到大佬之路：数据结构（二）
数据结构C++版——邓俊辉课堂笔记 第一章 绪论 复杂度度量 时间复杂度 问题实例的规模往往是决定计算成本的主要因素。一般地，问题规模越接近，相应的计算成本也越接近；而随着问题规模的扩大，计算成本通常也呈上升趋势。 执行时间的这一变化趋势可表示为输入规模的一个函数，称作该算法的时间复杂度（time complexity）。具体地，特定算法处理规模为n的问题所需的时间可记作T(n)。 根据规模并不能唯一确定具体的输入，规模相同的输入通常都有多个，而算法对其进行处理所需时间也不尽相同。 严格说来，
算法工程师修仙之路：吴恩达机器学习（十一）
吴恩达机器学习笔记及作业代码实现中文版 第八章 应用机器学习的建议 决定下一步做什么 获得更多的训练实例——通常是有效的， 但代价较大， 下面的方法也可能有效， 可考虑先采用下面的几种方法： 尝试减少特征的数量； 尝试获得更多的特征； 尝试增加多项式特征； 尝试减少正则化程度 λ\lambdaλ； 尝试增加正则化程度 λ\lambdaλ。 我们不应该随机选择上面的某种方法来改进我们的算法，而是运用一些机器学习诊断法来帮助我们知道上面哪些方法对我们的算法是有效的。“诊断法”的意思是：这是一种测试
算法工程师修仙之路：吴恩达机器学习（十二）
吴恩达机器学习笔记及作业代码实现中文版 第九章 机器学习系统设计 确定执行的优先级 以一个垃圾邮件分类器算法为例进行讨论。 为了解决这样一个问题，我们首先要做的决定是如何选择并表达特征向量 xxx。 我们可以选择一个由100个最常出现在垃圾邮件中的词所构成的列表，根据这些词是否有在邮件中出现，来获得我们的特征向量（出现为1，不出现为0），尺寸为100×1。 为了构建这个分类器算法，我们可以做很多事，例如： 收集更多的数据，让我们有更多的垃圾邮件和非垃圾邮件的样本； 基于邮件的路由信息开发一系列
算法工程师修仙之路：吴恩达机器学习（十三）
吴恩达机器学习笔记及作业代码实现中文版 第十章 支持向量机 优化目标 在监督学习中，许多学习算法的性能都非常类似，因此，重要的不是你该选择使用学习算法 A 还是学习算法 B，而更重要的是，所创建的大量数据在应用这些算法时，表现情况通常依赖于你的水平。比如你为学习算法所设计的特征量的选择，以及如何选择正则化参数，诸如此类。 支持向量机(Support VectorMachine)，简称 SVM，与逻辑回归和神经网络相比，在学习复杂的非线性方程时提供了一种更为清晰，更加强大的方式。 从逻辑回归开始
算法工程师修仙之路：吴恩达机器学习（十四）
吴恩达机器学习笔记及作业代码实现中文版 第十章 支持向量机 直观上对大间隔的理解 人们有时将支持向量机看作是大间距分类器。 支持向量机模型的代价函数，在左边这里我画出了关于 z 的代价函数 cost1(z)cost_1(z)cost1(z)，此函数用于正样本，而在右边这里我画出了关于 z 的代价函数 cost0(z)cost_0(z)cost0(z)，横轴表示 z。 最小化代价函数的必要条件 如果你有一个正样本， y=1y=1y=1，则只有在z >= 1时，代价函数 cost1(z)cost_
算法工程师修仙之路：吴恩达机器学习（十五）
吴恩达机器学习笔记及作业代码实现中文版 第十章 支持向量机 大间隔分类器的数学原理 假设我有两个二维向量 uuu和 vvv， uTvu^TvuTv也叫做向量 uuu和 vvv之间的内积。 向量 uuu在横轴上取值为某个 u1u_1u1，而在纵轴上，高度是某个 u2u_2u2作为 uuu的第二个分量。 ∥u∥∥u∥∥u∥表示 uuu的范数，即 uuu的长度，即向量 uuu的欧几里得长度。 ∥u∥=u12+u22∥u∥=\sqrt{u_1^2+u_2^2}∥u∥=u12+u22 ，这是向量 uuu
算法工程师修仙之路：推荐系统实践（一）
第一章 好的推荐系统 什么是推荐系统 随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代走入了信息过载（information overload）的时代。在这个时代，无论是信息消费者还是信息生产者都遇到了很大的挑战：作为信息消费者，如何从大量信息中找到自己感兴趣的信息是一件非常困难的事情；作为信息生产者，如何让自己生产的信息脱颖而出，受到广大用户的关注，也是一件非常困难的事情。推荐系统就是解决这一矛盾的重要工具。 推荐系统的任务就是联系用户和信息，一方面把帮助用户发现对自己有价值的信息，另一
算法工程师修仙之路：python3官方文档笔记（一）
本笔记来自于python手册的中文版 第一章 开胃菜 虽然 Python 易于使用，但它却是一门完整的编程语言。 与 Shell 脚本或批处理文件相比，它为编写大型程序提供了更多的结构和支持。 Python 提供了比 C 更多的错误检查，并且作为一门高级语言，它内置支持高级的数据结构类型，例如：灵活的数组和字典。 因其更多的通用数据类型，Python 比 Awk 甚至 Perl 都适用于更多问题领域，至少大多数事情在 Python 中与其他语言同样简单。 Python 允许你将程序分割为不同的
算法工程师修仙之路：python3廖雪峰教程笔记（一）
此笔记摘录于廖雪峰先生的教程，感谢廖先生的无私分享，特此致敬！ python简介 Python是一种什么语言？ 用任何编程语言来开发程序，都是为了让计算机干活，而计算机干活的CPU只认识机器指令，所以，尽管不同的编程语言差异极大，最后都得“翻译”成CPU可以执行的机器指令。而不同的编程语言，干同一个活，编写的代码量，差距也很大。 比如，完成同一个任务，C语言要写1000行代码，Java只需要写100行，而Python可能只要20行。所以Python是一种相当高级的语言。 代码少的代价是运行速度
算法工程师修仙之路：python3官方文档笔记（二）
本笔记来自于python手册的中文版 使用 Python 解释器 调用 Python 解释器 通常你可以在主窗口输入一个文件结束符（Unix系统是Control-D，Windows系统是Control-Z）让解释器以 0 状态码退出。如果那没有作用，你可以通过输入 quit() 命令退出解释器。 Python 解释器具有简单的行编辑功能。 在 Unix 系统上，任何 Python 解释器都可能已经添加了 GNU readline 库支持，这样就具备了精巧的交互编辑和历史记录等功能。在 Pyth
今日推荐
周排行