摘要：
简介 Spearman相关系数，也称为Spearman等级相关系数，是一种非参数的统计度量，用于评估两个变量之间的相关性，即它们是否以某种一致的方式一起变化。与皮尔逊相关系数不同，Spearman相关系数不假设数据是正态分布的，也不要求变量是线性关系。 Spearman的检验 在统计学中，p值是在假 阅读全文
摘要：
简介 Pearson相关系数 Pearson相关系数是一种统计方法，用于衡量两个连续变量之间的线性相关程度。Pearson相关系数的值范围从-1到1，其中： 接近1的值表示两个变量之间存在强正线性关系。 接近-1的值表示两个变量之间存在强负线性关系。 接近0的值表示两个变量之间没有线性关系。 Pea 阅读全文
摘要：
简介 模拟退火算法（Simulated Annealing, SA） 是一种概率型全局优化算法，它受到物理退火过程的启发。在固体材料的退火过程中，材料被加热到一定温度后缓慢冷却，其内部结构逐渐趋于稳定，最终达到能量最低的平衡状态。模拟退火算法正是模仿这一过程，用于寻找数学问题中的全局最优解。 特点 阅读全文
摘要：
简介 JVM中的不同引用类型 Java虚拟机（JVM）中的引用分为四种类型：强引用（Strong Reference）、软引用（Soft Reference）、弱引用（Weak Reference）和虚引用（Phantom Reference）。这里主要介绍强引用和软引用： 强引用（Strong R 阅读全文
摘要：
问题 在idea中新建了空maven模组后，尝试启动它默认提供的主方法，编译出错提示： [INFO] [INFO] < org.rhythm.test:classloader-test > [INFO] Building classloader-test 1.0-SNAPSHOT [INFO] [ 阅读全文
摘要：
简介 DBSCAN（Density-Based Spatial Clustering of Applications with Noise）是一种基于密度的聚类算法，它能够将具有足够高密度的区域划分为聚类，并将低密度区域的点视为噪声。 DBSCAN的主要特点 1. 无需指定聚类数目：与K-means 阅读全文
摘要：
简介 聚类算法 聚类算法是一种无监督学习算法，主要用于将数据集中的对象分组，使得同一组内的对象相似度高，而不同组之间的对象相似度低。聚类算法在许多领域都有应用，包括市场研究、社交网络分析、生物信息学等。 KMeans算法 KMeans（K均值）算法是聚类算法中最著名的一种，它通过迭代过程将数据点划分 阅读全文
摘要：
简介 SVM 支持向量机（SVM）是一种强大的监督学习算法，主要用于分类和回归分析。它通过在特征空间中寻找一个最优的超平面来实现数据的分类，核心思想是最大化决策边界的宽度，即间隔最大化。SVM特别适用于中小型复杂数据集的分类问题，并且具有良好的泛化能力。 SVM处理图像分类问题的原理是将图像数据映射 阅读全文
摘要：
简介 关于多项式回归 多项式回归升维是一种在数据处理和建模中的技术，通过将原始的输入特征进行多项式组合来创建新的特征，从而增加特征的维度，以解决模型的欠拟合问题。 例如，如果原始特征是 x ，可以创建新的特征如 \(x^2\) 、 \(x^3\) 等。这样就将一维的特征空间扩展到了更高维。 升维的主 阅读全文
摘要：
简介 归一化 归一化(Normalization) 是机器学习中常用的一种数据预处理技术，其主要目的是将数据的数值范围调整到一个特定的区间，通常是\([0, 1]\)或者\([-1, 1]\)，或者将数据的均值调整为0，标准差调整为1。 归一化的目的 数据集的不同特征可能采用不同或不相关的数量级进行 阅读全文