- 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
0.6666666666666666
-
“智能运维新视野”系列直播 —— 云监控技术深度实践2025/08/29 周五 15:00-16:00
星璇 华为云监控产品经理
本期直播深度解析全栈监控技术实践，揭秘华为云、头部企业如何通过智能监控实现业务零中断，分享高可用系统背后的“鹰眼系统”。即刻预约，解锁数字化转型的运维密码！
回顾中 -
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
“智能运维新视野”系列直播 —— 云监控技术深度实践
2025/08/29 周五 15:00-16:00
星璇 华为云监控产品经理
本期直播深度解析全栈监控技术实践，揭秘华为云、头部企业如何通过智能监控实现业务零中断，分享高可用系统背后的“鹰眼系统”。即刻预约，解锁数字化转型的运维密码！
回顾中 -
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢
2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中
热门标签
