- 华为网络设备KPI异常检测解决方案，总结常用方法的技术流派，为大家做异常检测提供启发和帮助。欲识庐山真面目，请向此山行 华为网络设备KPI异常检测解决方案，总结常用方法的技术流派，为大家做异常检测提供启发和帮助。欲识庐山真面目，请向此山行
- 为什么使用Octave构建大规模机器学习项目，大多数使用octave/matlab构建算法原型，快速实现算法。机器学习最常用语言：Octave（开源）/matlab/python、numpy/R。Octave是开源免费的，而matlab是非常昂贵的。Python是高级编程语言，实现复杂度较高。 Octave的基础操作指令含义piπdisp()显示Sprint(‘…’)转换成字符串forma... 为什么使用Octave构建大规模机器学习项目，大多数使用octave/matlab构建算法原型，快速实现算法。机器学习最常用语言：Octave（开源）/matlab/python、numpy/R。Octave是开源免费的，而matlab是非常昂贵的。Python是高级编程语言，实现复杂度较高。 Octave的基础操作指令含义piπdisp()显示Sprint(‘…’)转换成字符串forma...
- 特征值分解又称特征分解，或谱分解，是AI数学基础之线性代数——华为AI学习笔记4提到的重要的矩阵基础知识之一，也是使用最广的矩阵分解之一，在主成分分析、奇异值分解、线性判别法等降维方法中都有应用。1. 定义（可参见学习笔记|矩阵的特征值）则令就称为矩阵A的特征值分解。一般情况下，我们将P进行正交单位化，使P成为正交矩阵（正交矩阵可参见学习笔记|正交矩阵），这时2. 条件当矩阵A具有n个特征值... 特征值分解又称特征分解，或谱分解，是AI数学基础之线性代数——华为AI学习笔记4提到的重要的矩阵基础知识之一，也是使用最广的矩阵分解之一，在主成分分析、奇异值分解、线性判别法等降维方法中都有应用。1. 定义（可参见学习笔记|矩阵的特征值）则令就称为矩阵A的特征值分解。一般情况下，我们将P进行正交单位化，使P成为正交矩阵（正交矩阵可参见学习笔记|正交矩阵），这时2. 条件当矩阵A具有n个特征值...
- Jerry之前的两篇文章介绍了如何通过Restful API的方式，消费SAP Leonardo上预先训练好的机器学习模型：如何在Web应用里消费SAP Leonardo的机器学习API部署在SAP Cloud Platform CloudFoundry环境的应用如何消费当时Jerry提到，Product Image Classification API只支持29种产品类别：如果我们开发应用... Jerry之前的两篇文章介绍了如何通过Restful API的方式，消费SAP Leonardo上预先训练好的机器学习模型：如何在Web应用里消费SAP Leonardo的机器学习API部署在SAP Cloud Platform CloudFoundry环境的应用如何消费当时Jerry提到，Product Image Classification API只支持29种产品类别：如果我们开发应用...
- 在专属池+自定义镜像+SFS场景下，部分用户希望能够将训练作业的日志保存到SFS盘，以供后续使用、查看。 本文介绍新版及旧版里如何同步保存日志到SFS盘。 在专属池+自定义镜像+SFS场景下，部分用户希望能够将训练作业的日志保存到SFS盘，以供后续使用、查看。 本文介绍新版及旧版里如何同步保存日志到SFS盘。
- 多元线性回归多元线性回归适用于多变量，多特征量的应用场景。 一些数学符号定义n表示变量的数目；m表示样本数目；x(i)表示第i个训练样本：如x(2) = [1416， 3， 2， 40]；xj(i)表示第i个训练样本的第j个变量，如上述的x3(2)=2。 多元线性回归问题通过如下图的推导，将公式转化成向量的转置乘以向量（向量内积）。 多元线性回归的代价函数与梯度下降算法注意：在不断的迭代中... 多元线性回归多元线性回归适用于多变量，多特征量的应用场景。 一些数学符号定义n表示变量的数目；m表示样本数目；x(i)表示第i个训练样本：如x(2) = [1416， 3， 2， 40]；xj(i)表示第i个训练样本的第j个变量，如上述的x3(2)=2。 多元线性回归问题通过如下图的推导，将公式转化成向量的转置乘以向量（向量内积）。 多元线性回归的代价函数与梯度下降算法注意：在不断的迭代中...
- 1. 矩阵特征值的定义Ax=λx等价于(λE-A)x=0。它是n个n元一次齐次方程组，它有非零解的充要条件是系数行列式|λE-A|=0。2. 矩阵特征值的性质证：因为是方程f(λ)=|A-λE|=0的解。所以只有分项会形成项，其系数为所以当λ=0时，所以证：得证。证：得证。证：所以与|λE-A|=0有相同的解。参考文献1.https://baike.baidu.com/item/%E7%9F... 1. 矩阵特征值的定义Ax=λx等价于(λE-A)x=0。它是n个n元一次齐次方程组，它有非零解的充要条件是系数行列式|λE-A|=0。2. 矩阵特征值的性质证：因为是方程f(λ)=|A-λE|=0的解。所以只有分项会形成项，其系数为所以当λ=0时，所以证：得证。证：得证。证：所以与|λE-A|=0有相同的解。参考文献1.https://baike.baidu.com/item/%E7%9F...
- 监督式学习监督式学习是一个机器学习中的方法，可以由训练资料中学到或建立一个模式，并依此模式推测新的实例。训练资料是由输入物件和预期输出所组成。函数的输出可以是一个连续的值，或是预测一个分类标签。监督式学习需要使用有输入和预期输出标记的数据集。当你使用监督式学习训练人工智能时，你需要提供一个输入并告诉它预期的输出结果。如果人工智能产生的输出结果是错误的，它将重新调整自己的计算。这个过程将在数据... 监督式学习监督式学习是一个机器学习中的方法，可以由训练资料中学到或建立一个模式，并依此模式推测新的实例。训练资料是由输入物件和预期输出所组成。函数的输出可以是一个连续的值，或是预测一个分类标签。监督式学习需要使用有输入和预期输出标记的数据集。当你使用监督式学习训练人工智能时，你需要提供一个输入并告诉它预期的输出结果。如果人工智能产生的输出结果是错误的，它将重新调整自己的计算。这个过程将在数据...
- 2. 如果A可逆，则r(AB)=r(BA)=r(B)（可参见学习笔记|矩阵的等价矩阵等价的性质4）即存在有限的初等矩阵有（可参见学习笔记|矩阵的等价矩阵等价的定义）即（可参见学习笔记|矩阵的初等变换的2.3初等矩阵都可逆）因此，有（可参见学习笔记|矩阵秩的性质之一）同理可得r(BA)=r(B)所以r(AB)=r(BA)=r(B)3. r(AB)≤min(r(A),r(B))证：假设令min(... 2. 如果A可逆，则r(AB)=r(BA)=r(B)（可参见学习笔记|矩阵的等价矩阵等价的性质4）即存在有限的初等矩阵有（可参见学习笔记|矩阵的等价矩阵等价的定义）即（可参见学习笔记|矩阵的初等变换的2.3初等矩阵都可逆）因此，有（可参见学习笔记|矩阵秩的性质之一）同理可得r(BA)=r(B)所以r(AB)=r(BA)=r(B)3. r(AB)≤min(r(A),r(B))证：假设令min(...
- 开发环境JupyterLabJupyterLab是一个交互式的开发环境，是Jupyter Notebook的下一代产品，可以使用它编写Notebook、操作终端、编辑MarkDown文本、打开交互模式、查看csv文件及图片等功能。JupyterLab是开发者们下一阶段更主流的开发环境。JupyterLab支持更加灵活和更加强大的项目操作方式，但具有和Jupyter Notebooks一样的组... 开发环境JupyterLabJupyterLab是一个交互式的开发环境，是Jupyter Notebook的下一代产品，可以使用它编写Notebook、操作终端、编辑MarkDown文本、打开交互模式、查看csv文件及图片等功能。JupyterLab是开发者们下一阶段更主流的开发环境。JupyterLab支持更加灵活和更加强大的项目操作方式，但具有和Jupyter Notebooks一样的组...
- 1. 矩阵的初等变换不改变矩阵的秩证：初等变换包括初等行变换和初等列变换，因为矩阵的行秩=列秩=秩，行变换与列变换对矩阵秩的影响是一样的，因此只证初等行变换不改变矩阵的秩。矩阵的初等行变换包括左乘E(i,j)，左乘E(i(k))，左乘E(j,i(k))三种。（参见学习笔记|矩阵的初等变换）1. 左乘E(i,j)左乘E(i,j)即交换第i行与第j行，矩阵的行向量组的秩与行向量的顺序无关，所以左... 1. 矩阵的初等变换不改变矩阵的秩证：初等变换包括初等行变换和初等列变换，因为矩阵的行秩=列秩=秩，行变换与列变换对矩阵秩的影响是一样的，因此只证初等行变换不改变矩阵的秩。矩阵的初等行变换包括左乘E(i,j)，左乘E(i(k))，左乘E(j,i(k))三种。（参见学习笔记|矩阵的初等变换）1. 左乘E(i,j)左乘E(i,j)即交换第i行与第j行，矩阵的行向量组的秩与行向量的顺序无关，所以左...
- 1. 向量组的秩先来看向量组的秩：2. 矩阵的秩定义：3. 相关定理及证明定理： 矩阵的秩=行秩=列秩。证：假设假设A的行秩为r，显然有r≤m。不妨假设向量组线性无关，其中，i=1,2,...,r令为A的行向量极大无关组组成的矩阵。先证k维向量的极大线性无关组中向量个数小于等于k。i=1,2,...,k对方程即至少∃一组r-1个方程，对于其他的n-r+1个方程，都可以用这组方程的加或减来表示... 1. 向量组的秩先来看向量组的秩：2. 矩阵的秩定义：3. 相关定理及证明定理： 矩阵的秩=行秩=列秩。证：假设假设A的行秩为r，显然有r≤m。不妨假设向量组线性无关，其中，i=1,2,...,r令为A的行向量极大无关组组成的矩阵。先证k维向量的极大线性无关组中向量个数小于等于k。i=1,2,...,k对方程即至少∃一组r-1个方程，对于其他的n-r+1个方程，都可以用这组方程的加或减来表示...
- 转置是矩阵中非常重要的一种基本运算。1. 定义2. 性质因此参考文献1.https://baike.baidu.com/item/%E7%9F%A9%E9%98%B5%E8%BD%AC%E7%BD%AE/4150715?fr=aladdin 转置是矩阵中非常重要的一种基本运算。1. 定义2. 性质因此参考文献1.https://baike.baidu.com/item/%E7%9F%A9%E9%98%B5%E8%BD%AC%E7%BD%AE/4150715?fr=aladdin
- Anaconda是一个开源的Python发行版本，包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等。其中Conda是一个开源的包、环境管理器，可以用于在同一个机器（电脑）上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换。深度学习必备平台。1、首先进入官网https://repo.anaconda.com，选择View All Installer... Anaconda是一个开源的Python发行版本，包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等。其中Conda是一个开源的包、环境管理器，可以用于在同一个机器（电脑）上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换。深度学习必备平台。1、首先进入官网https://repo.anaconda.com，选择View All Installer...
上滑加载中
推荐直播
-
华为云鸿蒙应用入门级开发者认证2025/06/11 周三 16:00-17:30
Skye / 华为云学堂技术讲师
本次直播专为备考华为云鸿蒙端云应用入门级开发者认证的学员设计，提供系统的考试辅导。深度解析认证核心知识点，涵盖HarmonyOS介绍、应用开发入门、ArkTS语言、声明式开发范式组件、Stage应用模型、玩转服务卡片、鸿蒙应用网络请求开发、鸿蒙应用云函数调用等内容。
回顾中 -
基于昇腾NPU的合成孔径雷达成像案例2025/06/12 周四 19:00-20:00
李阳 华为开发者布道师-高校教师
介绍合成孔径雷达算法的原理和优势，了解合成孔径雷达在传统计算中的痛点，分享如何使用昇腾NPU和AscendC语言构建信号处理算子，如何助力信号处理领域的高性能计算。
回顾中 -
华为云GaussDB入门级认证 - 考试辅导2025/06/13 周五 16:00-17:30
Steven / 华为云学堂技术讲师
本次直播为HCCDA-GaussDB认证考试提供全面辅导，旨在帮助学员深入了解数据库技术原理与应用实践。我们将详细解析考试大纲，分享高效备考策略，并讲解关键知识点，包括但不限于SQL操作介绍、GaussDB数据库管理与运维基础等。
回顾中
热门标签