来一个官方的解释： 图床就是专门用来存放图片，同时允许你把图片对外连接的网上空间 在没有使用图床之前，自己写markdown文档的时候，插入的图片我会将其打包到对应的目录，一起归档存放，...使用图床之后，图床上的图片在网络上都有一个唯一的地址，因此在markdown引用了这个地址的图片后，可以将markdown写成的文档上传到各大支持markdown的平台上，这些图片都是可以正常显示的，对于我们发布文章的效率来说...，可真的不止节省一点点时间呢，而且还让心情极其美丽呢 进入正题，网络上有很多免费的图床，搜索引擎一搜一大把，在这里我比较推荐使用github作为图床，自从github被微软收购之后，国内访问github...的效率也明显好了许多， 使用github作为图床，免费，稳定，后台硬 对于一直使用github的人群来说，就新建一个仓库，做一个简单的设置，即可感受美妙的图床带来的高效与优雅 github作为图床的使用方式...在github上自己新建一个repo 作为图床的仓库 Setting 中 找到 Github Pages 在自己当前仓库传一张图片，如下例子 大家可以随时访问我的github上面的图 https
01 工具说明 Typora是一款优雅的markdown编辑器，所见即所得的编辑方式让我爱不释手，也推荐给大家。...Gitee是国内版的Github，功能跟Github基本一样，主要是在国内访问非常快，作为图床和笔记文件存放仓库非常合适。...PicGo实现自动上传图片并返回markdown格式的图片url，这是自动上传的，也就是在Typora中插入图片就自动帮你上传替换图片的url，对于我们用户是透明的，十分舒服。...ower：填gitee的用户名 repo：gitee中的仓库名 path：仓库中的路径名，文件夹以 / 分割 token：在gitee中生成的新令牌字符串。 6、到官网下载安装typora。...9、到此设置全部完成 10、使用时，直接ctrl+v粘贴图片到typora，即可自动完成上传和链接替换
上次我们提到使用github作为图床来进行图片存放，有朋友反馈自己就是没有办法翻墙，这种方法不能满足需求，可是按照小魔童哪吒的做事风格，放心哟，包你满意。...今天我们来介绍一个使用github作为图床的另一种方式，不需要翻墙，长期稳定，且不需要新建repo就可以实现，怎么样，过来瞧一瞧呗 01 新建issue 打开自己的github链接，自己任意一个仓库，点击...issues -- New issue 02 生成图片链接 在新建的issue对话框中拖入图片，即可生成图片链接，此时，你可以删掉当前的内容，不做提交，刚才的链接仍然有效，当然，最后还是自己只把链接留下来...，作为记录，以后自己查询起来也比较方便 例如现在我自己的其中几个提交，会把相关的图片链接放到一起，类似于归档归类，自己日后有需求，也可以到这里来查询。...这是小魔童的一点小心意与小技巧，希望大家可以尝试感受一下，期待大家的反馈哟。
在本文中，我将介绍matplotlib一个非常有价值的用于管理子图的函数——subplot_mosaic()。如果你想处理多个图的，那么subplot_mosaic()将成为最佳解决方案。...我们将用四个不同的图实现不同的布局。 首先使用Import matplotlib行导入必要的库。...子图A占据了整个顶部行，而其余的图(B、C和D)排列在底部行。 layout = """AAA BCD""" 利用subplot_mosaic()来定义基于指定布局的子图。...更新后的布局如下: 我们可以这样改 完整代码 那么如果想包含一个空的子图呢？ 可以使用"."...占位符，如下所示: 看看结果 可以看到Matplotlib中subplot_mosaic()函数用于创建复杂的子图布局。
什么是散布图？散布图是为了调查两种数据间的相互关系，一方在横轴、另一方在纵轴，并将测定值绘出的一种图表；例如，压入时间与接着强度之间的关系、电镀时间与电镀厚度的关系等。...但是散布图并非只能利用在原因与结果的关系上，它也可以运用在结果与结果，或原因与原因的关系上。基本上，它是了解两种变数关系（称为相关关系）的道具。何時使用散布图？散布图主要使用于解决问题之原因调查阶段。...例如在使用魚骨图时，如果输出及输入之间有相关的话，就将其要因判定为原因，然后再进一步检讨如何控制此原因的对策。如果没有相关的话，就判定为在可控管的对象外。...魚骨图的两种要因间若有相关的话，就可推测其要因具有原因与结果的关系，或是针对原因之连动的两种结果。散布图的一些示例示例 1：递增关系 图 1 中的散布图显示了递增关系。...x 轴显示预洗牛仔布纤维的载荷大小；y 轴显示测量的线磨损情况。该散布图显示了随机点云图。虽然有人可能会看到，随着载荷大小向右沿着图形增加，线磨损情况略有减少，我们可以使用简单线性回归来验证这种想法。
LDA寻找投影方向的目标是使得类间差异与类内差异的比值最大化 ? 定义类内散布矩阵为 ? 总类内散布矩阵为： ? 各个类的类内散布可以写成 ? 各类的散布之和可以写成 ?...3.解释LDA降维算法的流程。 首先计算投影矩阵，流程为： 1.计算各个类的均值向量与总均值向量。 2.计算类间散布矩阵 ? ，类内散布矩阵 ? 。 3.计算矩阵乘法 ? 。 4.对 ?...6.如果特征向量中有类别型特征，使用神经网络时应该如何处理？ 通常采用one hot编码，而不直接将类别编号整数值作为神经网络的输入。 7.对于多分类问题，神经网络的输出值应该如何设计？...接下来调整乘子变量α，使得目标函数取极大值 ? 这等价于最小化下面的函数 ? 约束条件为 ? 4.证明加入松弛变量和惩罚因子之后，SVM的原问题是凸优化问题且Slater条件成立： ?...的初始值是多少，通过上面的子问题求解算法得到是在可行域里的最小值，因此每次求解更新这两个变量的值之后，都能保证目标函数值小于或者等于初始值，即函数值下降，所以SMO算法能保证收敛。
当你需要对多维数据集进行可视化时，最终都要使用散布矩阵图**(pair plot)** 。如果想画出所有变量中任意两个变量之间的图形，用矩阵图探索多维数据不同维度间的相关性非常有效。...散布图有两个主要用途。其一，他们图形化地显示两个属性之间的关系。直接使用散布图，或使用变换后属性的散布图，也可以判断非线性关系。 其二，当类标号给出时，可以使用散布图考察两个属性将类分开的程度。...PairGrid 成对关系子图 子图网格，用于在数据集中绘制成对关系。 此类将数据集中的每个变量映射到多轴网格中的列和行。...安德鲁斯曲线 安德鲁斯曲线[3]允许将多元数据绘制为大量曲线，这些曲线是使用样本的属性作为傅里叶级数的系数而创建的。通过为每个类别对这些曲线进行不同的着色，可以可视化数据聚类。...径向坐标可视化 RadViz是一种可视化多变量数据的方法。它基于简单的弹簧张力最小化算法。基本上，在平面上设置了一堆点。在我们的情况下，它们在单位圆上等距分布。每个点代表一个属性。
在xml中使用.9图作为背景，内容不能居中，试了好多方法最后，加一个属性就ok了。...android:padding:0dip; 解析：.9图作为背景时，不可拉伸的部分就相当于该空间的padding距离 我的这个.9图只是左边可以拉伸的，右边大概80px是固定的，不可拉伸的。...我们也不能设置一个反向的padding，因为app需要安装在不同分别率的设备上，所以这个值又是不固定的。
再求类内均值计算Sb、Sw(类间散布矩阵、类内散布矩阵) 用Sb Sw来计算 投影 进行多分类问题求解。...求类间、类内散布矩阵。Sb Sw均为40*40的矩阵。 提取（Sw\sb表示Sb/Sw）矩阵的前9个（k-1）特征值eigs?...Fisher准则函数 d = eigs(A,k,sigma) %在稀疏矩阵A中提取出k个最大的特征值，sigma取值：'lm'表示绝对值最大的特征值；'sm'绝对值最小特征值；对实对称问题：'la'...表示最大特征值；'sa'为最小特征值；对非对称和复数问题： 'lr'表示最大实部；'sr'表示最小实部；'li'表示最大虚部；'si'表示最小虚部....实验过程：（实验环境Matlab） 5个人，每个人为5张照片作为训练集，1张作为测试集。 训练集： ? 训练集图片 1-5为1号，6-10为2号。 测试集：分别为1-5 ? 测试集 测试结果为： ?
（2）创建多图 可以用axis = fig.add_subplot(m,n,k)的方式定义增加的子图。...但是更简单的方法是： fig, axes = plt.subplots(m,n) # m行n列的多图矩阵； 这句命令可以创建一个新的figure，并且axes就是一个含有已创建的subplot对象的Numpy...还可以指定subplots的其他参数，例如使得子图之间具有相同的x轴或者y轴（否则matplotlib会自动缩放各子图的坐标轴界限） （3）调整子图的间距 利用subplots_adjust函数可以调整各个子图之间的间距和图像大小...调用plot时在kind设置为‘kde’就可以生成密度图。 散布图： 散布图是观察两个一维数据序列之间关系的有效手段。散布图也被成为散布图矩阵，它还支持在对角线上放置各个序列的直方图或者密度图。...image.png 图中(上)是直方图和密度图, (下)是散点图: ? image.png 散布图, 对角线是数据的密度图: ? image.png 散布图, 对角线是直方图: ?
三、PCA的过程 通常来说有以下六步： 1.去掉数据的类别特征（label），将去掉后的d维数据作为样本 2.计算d维的均值向量（即所有数据的每一维向量的均值） 3.计算所有数据的散布矩阵（或者协方差矩阵...5.计算散步矩阵或者协方差矩阵 a.计算散步矩阵 散布矩阵公式： ? 其中m是向量的均值： ? （第4步已经算出来是mean_vector） ? 结果： ?...b.计算协方差矩阵 如果不计算散布矩阵的话，也可以用python里内置的numpy.cov()函数直接计算协方差矩阵。...因为散步矩阵和协方差矩阵非常类似，散布矩阵乘以（1/N-1）就是协方差，所以他们的特征空间是完全等价的（特征向量相同，特征值用一个常数（1/N-1，这里是1/39）等价缩放了）。...其实从上面的结果就可以发现，通过散布矩阵和协方差矩阵计算的特征空间相同，协方差矩阵的特征值*39 = 散布矩阵的特征值 当然，我们也可以快速验证一下特征值-特征向量的计算是否正确，是不是满足方程 ?
我们又怎么知道这个特征空间是否能很“好”地表达我们的数据呢？ 在后面，我们会计算数据集的本征向量（成分），将其归总到一个所谓的“散布矩阵”（类间散布矩阵和类内散布矩阵）。...LDA的五个步骤 下面列出了执行线性判别分析的五个基本步骤。我们会在后面做更详细的讲解。 1. 计算数据集中不同类别数据的 d 维均值向量。 2. 计算散布矩阵，包括类间、类内散布矩阵。 ...计算两个 4×4 维矩阵：类内散布矩阵和类间散布矩阵。...2.1a 类内散布矩阵 Sw 类内散布矩阵 Sw 由该式算出： ?...PCA 和 LDA 的对比 为了与使用线性判别分析得到的特征子空间作比较，我们将使用 scikit-learn 机器学习库中的 PCA 类。
对于分类树，如果采用Gini系数作为度量准则，决策树在训练时寻找最佳分裂的依据为让Gini不纯度最小化，这等价于让下面的值最大化： ?...其中e为投影后空间的基向量，是标准正交基；a为重构系数，也是投影到低维空间后的坐标。如果定义如下的散布矩阵： ? 其中m和 ? 为所有样本的均值向量。则上面的重构误差最小化等价于求解如下问题： ?...通过拉格朗日乘数法可以证明，使得该函数取最小值的ej为散度矩阵最大的d'个特征值对应的单位长度特征向量。矩阵W的列ej是我们要求解的基向量，由它们构成投影矩阵。...计算时，先计算散布矩阵（或者协方差矩阵），再对该进行进行特征值分解，找到最大的一部分特征值和对应的特征向量，构成投影矩阵。可以证明，协方差矩阵或散布矩阵是实对称半正定矩阵，因此所有特征值非负。...简单的说，就是经过这个投影之后同一类的样本进来聚集在一起，不同类的样本尽可能离得远。这种最大化类间差异，最小化类内差异的做法，在机器学习的很多地方都有使用。 类内散布矩阵定义为： ?
如果定义如下的散布矩阵： 其中m和 为所有样本的均值向量。...则上面的重构误差最小化等价于求解如下问题： 通过拉格朗日乘数法可以证明，使得该函数取最小值的ej为散度矩阵最大的d'个特征值对应的单位长度特征向量。...矩阵W的列ej是我们要求解的基向量，由它们构成投影矩阵。计算时，先计算散布矩阵（或者协方差矩阵），再对该进行进行特征值分解，找到最大的一部分特征值和对应的特征向量，构成投影矩阵。...可以证明，协方差矩阵或散布矩阵是实对称半正定矩阵，因此所有特征值非负。进行降维时，先将输入向量减掉均值向量，然后左乘投影矩阵，即可得到投影后的向量。 主成分分析一种无监督学习算法，也是一种线性方法。...类内散布矩阵定义为： 它衡量的内类样本的发散程度。其中mi为每个类的均值向量，m为所有样本的均值向量。类间散布矩阵定义为： 它衡量的了各类样本之间的差异。
LDA使用统计学，模式识别和机器学习方法，试图找到两类物体或事件的特征的一个线性组合，以能够特征化或区分它们。所得的组合可用来作为一个线性分类器，或者，更常见的是，为后续的分类做降维处理。...LDA的基本思想是将高维的模式样本投影到最佳鉴别矢量空间，以达到抽取分类信息和压缩特征空间维数的效果，投影后保证模式样本在新的子空间有最大的类间距离和最小的类内距离，即模式在该空间中有最佳的可分离性。...因此，它是一种有效的特征抽取方法。使用这种方法能够使投影后模式样本的类间散布矩阵最大，并且同时类内散布矩阵最小。...两者在降维时均使用了矩阵特征分解的思想。 两者都假设数据符合高斯分布。...LDA cons and pros 主要优点： 在降维过程中可以使用类别的先验知识经验，而像PCA这样的无监督学习则无法使用类别先验知识。
领取专属 10元无门槛券
手把手带您无忧上云
