Sly Li

逻辑回归 import numpy as np from matplotlib import pyplot as plt def Sigmod(z): return 1.0/(1.0+np.exp(-z)) def ComputeCost(x, y, theta, lam): m = len(y) h = Sigmod(np.dot(x, theta)) the = theta.copy() the[0] = 0 temp = np.dot(the.T, the) J = (0-np.dot(y.T, np.log(h))-np.dot((1-y).T, np.log(1-h))+lam*temp/2)/m return J # 映射为多项式，增加特征量 def MapFeature(x1, x2): deg = 2 out = np.ones((x1.shape[0], 1)) for i in np.arange(1, deg+1): for j in range(i+1) ...

1.小说爬虫简易模板 import requests from bs4 import BeautifulSoup import re import os # 本脚本无普适性，请具体网站具体分析 root = '' # 文章首页链接 art_id = '' # 文章链接id fname = './txts/'+art_id[5:-1]+'.txt' encode = 'gbk' def GetAllSection(root, id): r = requests.get(root + id) r.encoding = encode bs = BeautifulSoup(r.text, 'html.parser') url_a = bs.find_all('a') urls = [] for u in url_a: href = u.get('href') if href and re.match(id, href): urls.append(root+href) ...

virtual 虚函数 虚函数是指一个类中你希望重写(override)的成员函数，当你用一个基类指针或引用,指向一个继承类对象的时候，调用一个虚函数时, 实际调用的是继承类的版本。 class Animal { public : void Print() { cout << "Animal" << endl; } }; class Dog: public Animal { public: void Print() { cout << "Dog" << endl; } private: }; int main(int argc, char** argv) { Animal* d = new Dog(); d->Print(); } 没有使用virtual时，函数的输出的是Animal class Animal { public : virtual void Print() ...

本系列所有代码实现均参考https://github.com/lawlite19/MachineLearning_Python import numpy as np from matplotlib import pyplot as plt # 线性回归 # X是矩阵，每一行是一组输入数据；theta是列向量；y也是列向量 def ComputeCost(X, y, theta): m = len(y) J = 0 t = np.dot(X, theta)-y J = np.dot(t.T, t)/(2*m) return J # 计算代价函数 # alpaa是学习率；num_iters是迭代次数 def GradientDescent(X, y, theta, alpha, num_iters): m = len(y) n = len(theta) temp = np.matrix(np.zeros((n, num_iters))) # 暂存每次迭代计算的theta，转化为矩阵形式 J_history = n ...

对于毕业设计，我最初的构想就是，首先要有一个能够无线控制移动的小车，然后在小车上面搭载一个激光雷达，激光雷达工作返回的数据都通过无线传输到计算机上面，然后计算机可视化显示雷达数据并且能够同时定位和生成地图。之后我们可以给定目标点，自动规划合理的行驶路径，小车自动行驶到目标点。 整体结构 总体结构包括：电机模块、L289N驱动模块、STM32F407单片机模块、激光雷达模块、ESP8266WIFI模块和PC上位机模块。 电机模块：该模块用来实现小车的各种移动功能。在本系统在电机模块采用了4个12V的直流减速电机。 L289N驱动模块：该模块用来接收单片机发出的PWM(Pulse width modulation脉冲宽度调试)信号，并据此来控制电机的旋转速度和旋转方向。 STM32F407单片机模块：该模块是小车下位机的主要控制芯片，用来连接各个模块并发出相应的控制指令。可以控制电机转速进行移动、接收雷达数据、通过WIFI模块连接PC上位机等。 激光雷达模块：该模块相当于此系统中的眼睛，用于观测周围环境识别障碍。本课题中采用的是SLAMTEC公司的RPLIDAR A1型号的激光雷达。 ...

引言 监督学习 根据数据集中的样本的“正确答案”，设法预测出未知数据的正确答案。 回归问题，即通过回归来推出一个连续的输出。 分类问题，对目标分类，输出离散结果。 无监督学习 对于没有分类或标签的数据集，找到其中的某种数据结构，或者将其分类。 单变量线性回归(Linear Regression with One Variable) 模型 回归问题中，输入变量只有一个，通过给定数据，建立回归模型，类似一元函数，进行预测，使代价函数最小。 假设函数，对给地值进行预测，通常表示为小写 hhh 表示。 hθ(x)=θ0+θ1xh_\theta \left( x \right)=\theta_{0} + \theta_{1}xhθ​(x)=θ0​+θ1​x， 代价函数 代价函数也被称作平方误差函数，是预测值和实际值之间误差的平方和。 参数（parameters）θ0\theta_{0}θ0​ 和 θ1\theta_{1}θ1​，假设函数 hθ(x)=θ0+θ1xh_\theta \left( x \right)=\theta_{0} + \theta_{1}xhθ​(x) ...

背景 18年下半年，也就是我大三的上半学期，是第二年的全国大学生智能汽车竞赛的校内报名时间。同学来邀请我参加，我也想做点东西，就一起参加了。我们一组三人，自己主要负责相关代码的编写。 准备 报名后就临近放假了，而且当时课程还挺多的，就没怎么准备，最后放假前拿着参赛的摄像头去学校实验室跑道上采集了下赛道数据,一边自己在寒假的时候开始准备，写写如何处理。 采集回来的赛道信息就是这样的二进制黑白图，每一列是一部分的采集变化图，就在整个过程中随意截取了几段，（黑色：1、白色：0）。 过程 首先让小车跑起来 简单来说就是用单片机生成pwm给驱动板来驱动电机和舵机。最开始可以给一个固定的值让小车直接往前走。 提取赛道的中线，让小车巡中线前进 整个赛道在单片机看来就是上图所示的0和1，所以0和1的分界线就是赛道的边界。首先将整个边界提取出来，（左边界+右边界）/2 就基本上是赛道的中线了，然后小车巡中线前进即可。思路：给不同高度的中线上的不同点以不同的权值，加权计算出来后得到一个中点的位置，然后将这个终点与摄像头的中点比较，看偏差的位置和多少，然后再给舵机不同的打角方向和幅度。每次都是 ...

兽王 加点 装备 没有dlc，以下只有本体中的武器。攻击类武器受福统一选择 生命值低于50%时，造成额外150%辐射伤害，配合压血神器。 君王 步枪，当前版本混10不刮痧的枪，子弹散射，近距离好用，基拉夫特掉落。 射弹循环 散弹枪，发射后会在敌人之间弹射，在敌人多的时候很好用，每当发出的攻击多一种元素时该枪会多射出一发子弹，配合盾雷失效附加额外元素伤害使用。 瘟疫传播者 重型武器，高伤害，发射前需要蓄力。 梅尔加尼的爆发 工具枪，过热后发射易伤弹，配合飞龙+1受福，用来触发盾雷技能失效受福。 考桑 冲锋枪，单体伤害，射速快。 沙鹰 狙击枪，与其说是狙击枪，更像散弹枪，子弹微散射，远距离也可使用，射速极快，兽王来说子弹根本不够用。 备胎 重型武器，不用蓄力，伤害还不错。 头脑风暴者 散弹枪，多弹片工具枪，可以利用加点中的被动清点人数有效的缩短主动技能的冷却时间。 不可饶恕 手枪，工具枪，有高额的暴击伤害，配和高伤、弹速慢的武器切枪使用。 变形金刚 护盾，免疫电属性伤害并吸收为护盾，受福选择 ...

官方教程上有的就不在赘述了，仔细阅读官方文档能解决绝大部分问题。 评论 在使用评论系统之前需要首先 npm安装相应的插件，然后配置butterfly.yml中关于评论的设置。 如果不想在某个页面开启评论，可以在页面头部使用如下方式 --- title: butterfly修改 date: 2020-07-05 21:11:42 comments: false --- valine评论添加QQ提醒 butterfly主题把下列js代码修改后添加到butterfly.yml中的inject后面就好了。 其他的需要将下列代码添加到一个位置，使每个有valine评论的页面有下列代码。 要先加Qmsg酱为好友。 1234567891011121314151617181920var title2="msg=您的博客又有新评论啦~ \n";var SCKEY_Qmsg=" ";function send_valine_Qmsg(){ var pagename&# ...

下载 https://github.com/notscuffed/repkg 中的Release项目，将其中的可执行文件解压出来，并找到下载的壁纸中的.pkg，将二者放到同一目录下。 启动powershell进入到此目录执行命令。 1./repkg extract scene.pkg 解压完成后，会将所有文件默认放入同目录下的Output文件中。 想要了解更多可以查看源仓库 notscuffed/repkg说明。