博客园  :: 首页  :: 新随笔  :: 联系 :: 订阅 订阅  :: 管理

2026年3月20日

摘要: Unix/Linux 文本处理命令完全指南 深入讲解 wc, head, tail, cut, awk, jq, column, sort, uniq 的用法、选项、组合应用和最佳实践 目录 wc 命令 - 行数、单词数、字节数统计 head 命令 - 查看文件开头 tail 命令 - 查看文件结尾 阅读全文

posted @ 2026-03-20 11:49 steve.z 阅读(2) 评论(0) 推荐(0)

摘要: macOS 命令行分析超大 CSV / JSON 文件实战教程 基于 TwiBot-22 数据集(edge.csv 6.2GB / user.json 746MB / tweet_0.json 11GB) 环境:macOS 工具版本:jq 1.7.1 · python3 3.10.11 · ijso 阅读全文

posted @ 2026-03-20 11:30 steve.z 阅读(2) 评论(0) 推荐(0)

2026年3月18日

摘要: 列联表是什么 列联表(Contingency Table) 是一种用来展示两个或多个分类变量之间关系的统计表格。它通过行和列的交叉组合,显示不同类别组合出现的频数(计数)。 最简单的列联表是 2×2 列联表,用来展示两个二分类变量的关系。但列联表也可以是更大的维度,比如 3×4 列联表(3行4列)或 阅读全文

posted @ 2026-03-18 13:29 steve.z 阅读(3) 评论(0) 推荐(0)

2026年3月17日

摘要: Obsidian 完整使用教程 适用版本:Obsidian v1.12.4(截至 2026 年 3 月最新稳定版) 主要平台:macOS(兼顾 Windows/iOS/Android 说明) 目标读者:有基本计算机操作能力、首次接触 Obsidian 的用户 目录 概述 1.1 Obsidian 是 阅读全文

posted @ 2026-03-17 18:40 steve.z 阅读(88) 评论(1) 推荐(1)

摘要: GitHub Copilot CLI 实战:Skills & Agents 完整教程 从零开始,打造你专属的 AI 编程助手 GitHub Copilot CLI 于 2026 年 2 月正式 GA(全面可用),成为所有 Copilot 订阅计划的标配功能。其中最强大的两项自定义能力——Agent 阅读全文

posted @ 2026-03-17 14:55 steve.z 阅读(93) 评论(0) 推荐(0)

摘要: 贝叶斯网络的评分函数详解 贝叶斯网络的评分函数是用来衡量一个网络结构对数据的拟合程度的关键工具。它在结构学习中起到核心作用,帮助我们从数据中自动发现最优的网络结构。 评分函数的基本概念 评分函数的目的是为每个候选的贝叶斯网络结构分配一个数值分数,分数越高表示该结构越能很好地解释观测数据。评分函数通常 阅读全文

posted @ 2026-03-17 09:38 steve.z 阅读(8) 评论(0) 推荐(0)

2026年3月16日

摘要: 我来为你详细解释这些统计学和机器学习中的核心概念。 统计主义(Frequentist Statistics) 统计主义是一种统计推断的哲学框架,认为概率是长期频率的极限。在这个框架中: 参数是固定但未知的常数 数据是随机的,来自重复抽样 关注的是估计量的频率性质(如无偏性、一致性) 典型方法包括最大 阅读全文

posted @ 2026-03-16 17:00 steve.z 阅读(3) 评论(0) 推荐(0)

摘要: 在统计学与机器学习中,概率函数(probability function)与似然函数(likelihood function)形式上往往相同,但含义与使用方向完全不同。核心区别在于:谁是变量,谁是已知量。 一、概率函数(Probability Function) 概率函数描述的是: 在已知模型参数的 阅读全文

posted @ 2026-03-16 16:32 steve.z 阅读(5) 评论(0) 推荐(0)

摘要: Pooling的基本定义 Pooling - 池化 - 采样 - 汇聚 Pooling(池化)是深度学习中的一种降维操作,用来压缩特征图的空间尺寸,同时保留最重要的信息。 它通常在卷积层之后使用,可以减少计算量、降低内存占用,并提高模型的鲁棒性。 Pooling的工作原理 Pooling 通过在特征 阅读全文

posted @ 2026-03-16 16:08 steve.z 阅读(7) 评论(0) 推荐(0)

摘要: 卷积的基本定义 卷积(Convolution)是信号处理中一种基本的数学运算,用来描述两个信号如何相互作用或影响。 它将一个信号与另一个信号进行混合,产生一个新的信号。 卷积的直观理解 数学表达式 对于连续信号,卷积定义为: (f * g)(t) = ∫ f(τ) · g(t - τ) dτ 对于离 阅读全文

posted @ 2026-03-16 16:05 steve.z 阅读(8) 评论(0) 推荐(0)