ViperEk

设有两点坐标分别为$S = (S_x,S_y,S_z)$ , $T =(T_x,T_y,T_z)$ , 平面 $\Pi : Ax+ By + Cz + D = 0$ .$L_{st}$ 与平面相交于$

sklearn.cluster.KMeans 1.基本原理 是一个比较简单的算法 随机抽取k个点作为最初的质心，进入循环 1.将每个样本点分配到离它最近的质心，生成k个簇 2.对于每个簇，计算所有被分

1.拉格朗日乘子法 1. 拉格朗日函数 凸优化：凸优化问题是指优化问题的目标函数是凸函数，而约束集合是凸集。在这样的问题中，局部最优解同时也是全局最优解 对于优化问题 $ \underset{x}{m

import numpy as np from sklearn.datasets import load_breast_cancer

公式过几天整理完发 首先我们应该实现的求协方差矩阵特征向量的方法 jacobi.h 参考之前写的Jocabi法：如何求对称矩阵的特征值和特征向量 PCA 算法主体

/* jacobi方法求对称矩阵的特征值和特征向量 Dim: 输入的维度 MaxEpoch: 如果达不到指定误差范围，最多多少次退出 Eps: 设定误差，如果达到误差则退出 Mat:

RandomForestClassifier 集成算法：包含bagging，bosting，stacking sklearn的集成算法都在ensemble里面 , 基本操作如下 1 重要参数 和决策树

惰性算法（Lazy Algorithm）是指一类仅在实际需要时才执行计算或处理数据的算法。这种策略的核心思想是推迟操作，直到它们的结果被明确要求或对最终结果产生直接影响时才进行求解。

clude<thread> #include<mutex> #include<functional> #include<condition_variable> #include<vector> #in