会员
周边
众包
新闻
博问
闪存
赞助商
Chat2DB
所有博客
当前博客
我的博客
我的园子
账号设置
会员中心
简洁模式
...
退出登录
注册
登录
nxf_rabbit75
纸上得来终觉浅,绝知此事要躬行。
管理
随笔 - 514
文章 - 59
评论 - 29
阅读 -
137万
随笔分类 -
线性代数
基变换
摘要:一组基坐标系为:i=(1,0),j=(0,1),另一组基坐标系为:b1=(2,1),b2=(-1,1) 如何在第一组基坐标系中表示在第二组坐标系上面变换后得到的坐标? 问题(1) 在第二组坐标系下的向量坐标为(-1,2),那么如何在第一组坐标系下表示在第2组基坐标下(-1,2)这个向量呢? 问题(2
阅读全文
posted @
2019-08-06 21:41
nxf_rabbit75
阅读(770)
评论(0)
推荐(0)
编辑
<
2025年3月
>
日
一
二
三
四
五
六
23
24
25
26
27
28
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
1
2
3
4
5
搜索
最新随笔
1.JAVA-并发编程
2.MYSQL---性能分析工具的使用
3.三、创建型模式——抽象工厂
4.三、创建型模式——原型模式
5.三、创建型模式——单例模式
6.三、创建型模式——工厂方法
7.四、结构型模式——外观模式
8.三、创建型模式——生成器模式
9.Spring Boot异常org.springframework.beans.factory.NoUniqueBeanDefinitionException
10.SQL中exists和in的用法以及区别
随笔分类
(511)
JAVA(25)
JavaScript(1)
Keras(18)
Linux(8)
Matplotlib(12)
Maven(1)
MySQL(5)
NLP(31)
Numpy(23)
Pandas(36)
Python(47)
Scikit-learn(15)
Scipy(8)
Seaborn(9)
Spark(32)
Spring(1)
SpringBoot(7)
SpringBoot2(9)
TensorFlow(20)
Vue(9)
Zookeeper(2)
大数据(2)
工作问题记录(8)
机器学习实战(15)
机器学习算法(50)
机器学习优化(19)
快速目录(3)
爬虫(3)
其他(16)
设计模式(7)
深度学习实战(4)
深度学习算法(12)
深度学习优化(10)
数据结构(16)
刷Leetcode(16)
特征工程(7)
推荐排序(3)
线性代数(1)
更多
阅读排行榜
1. pandas取dataframe特定行/列(272025)
2. pandas处理时间序列(1):pd.Timestamp()、pd.Timedelta()、pd.datetime( )、 pd.Period()、pd.to_timestamp()、datetime.strftime()、pd.to_datetime( )、pd.to_period()(41448)
3. 两个list对应元素相加(32710)
4. datetime,Timestamp和datetime64之间转换(32574)
5. 回归评价指标---MSE、RMSE、MAE、R-Squared(27727)
6. Tensorflow检验GPU是否安装成功 及 使用GPU训练注意事项(27289)
7. 直接将字典转为DataFrame格式时,会出现:ValueError: If using all scalar values, you must pass an index(四种解决方案)(23931)
8. GCN总结(23709)
9. 3(1).特征选择---过滤法(特征相关性分析)(23193)
10. pandas处理时间序列(2):DatetimeIndex、索引和选择、含有重复索引的时间序列、日期范围与频率和移位、时间区间和区间算术(19243)
推荐排行榜
1. GCN总结(18)
2. pandas取dataframe特定行/列(14)
3. 注意力机制总结(8)
4. datetime,Timestamp和datetime64之间转换(8)
5. 1.探索性数据分析(EDA,Exploratory Data Analysis)(7)
6. 命名实体识别总结(7)
7. 3(1).特征选择---过滤法(特征相关性分析)(6)
8. 17.贝叶斯线性回归(Bayesian Linear Regression)(6)
9. 4.keras实现-->生成式深度学习之用变分自编码器VAE生成图像(mnist数据集和名人头像数据集)(6)
10. 模型融合---Stacking调参总结(5)
点击右上角即可分享