八绝书生-CSDN博客

原创利用nodemcu刷写cc2531 zigbee网关不用买ccdebug

nodemcu环境准备1.下载刷写工具包：CC2531工具包：https://sumju.net/?attachment_id=19182.下载Arduino软件：https://www.arduino.cc/download_handler.php?f=/arduino-1.8.10-windows.zip如果上面这个网址下载不了，可以用我提供的网址：3.运行arduino软件：增加附加开发板管理器网址：http://arduino.esp8266.com/stable/package_e

2021-02-07 09:47:08 1071

原创用sql实现：获取最底层目录路径

问题描述：oracle实现select * from (select sys_connect_by_path(name,'/') "path",connect_by_isleaf "isleaf",a.*from astart with a.pid is nullconnect by prior id = pid) twhere t.isleaf = 1;

2020-11-19 14:58:44 267

原创 [celery]通过sqlalchemy操作Oracle时报错DPI-1047、ORA-01804和ORA-28547的解决办法

找不到64位的客户端报错：cx_Oracle.DatabaseError:DPI-1047:Cannot locate a 64-bit Oracle Client library:“libnnz11.so” cannot open shared object file : No such file or directory".关于上述报错可能涉及到在Linux中连接Oracle库时候用到的2个二进制库，libnnz11.so和libclntsh.so，将Oracle客户端中的这两个二进制库软链接到/u

2020-10-16 09:30:47 2263

原创正规方程法求解线性回归及正规方程法与梯度下降法的选择

正规方程法问题：矩阵XTXX^TXXTX不可逆（奇异矩阵）的2种常见原因：1、特征之间存在线性关系。如：x2=x1∗3.14x_2 = x_1 * 3.14x2=x1∗3.14，解决办法：删除一个2、样本数量m小于等于特征数量n。解决办法：正规化减少特征数量...

2020-09-14 14:10:18 375

原创用python实现逻辑回归

逻辑回归的代价函数公式：hθ=θTxh_θ = θ^Txhθ=θTx,g(z)=11+e−zg(z) = \frac1{1+e^{-z}}g(z)=1+e−z1 ==>hθ=11+e−θTxh_θ = \frac1{1+e^{-θ^Tx}}hθ=1+e−θTx1代价函数：J(θ)J(θ)J(θ) = 1m∑i=1m12(hθ(x(i))−y(i))2\frac1m\sum_{i=1}^{m}\frac12{(h_θ(x^{(i)}) - y^{(i)})}^2m1∑i=1m21(hθ

2020-09-14 11:19:00 363

原创用梯度下降法处理多元线性回归

多元线性回归公式：hθh_θhθ = θ0θ_0θ0 + θ1xθ_1xθ1x + θ2x2θ_2x_2θ2x2 +……+θnxnθ_nx_nθnxn我们假设x0x_0x0 = 1,则我们的特征向量XXX为：[x0x1……xn]\left[\begin{matrix}x_0 & \\x_1 & \\…… & \\x_n \end{matrix} \right]⎣⎢⎢⎡x0x1……xn⎦⎥⎥⎤我们的参数θ为：[θ0θ1……θn

2020-09-12 20:34:12 1051 1

原创用pandas定位连续区间的起始时间和结束时间

问题描述：有这样一组数据：业务规定，油门骄傲都大于大于等于60视为超级加速的状态，需要引起浸提，特别是连续加速超过某个时长需要触发安全提醒。所以我们需要获取每一个连续加速状态的开始时间，结束时间，用时，基于上述需求，编写如下代码：解决方法import pandas as pddata = pd.read_excel('test.xlsx')data['time'] = pd.to_datetime(data['time'].astype('str'))data.loc[data['油门角

2020-09-12 14:28:35 1516

原创用python实现一元线性回归的梯度下降

线性回归线性回归公式：hθh_θhθ = θ0θ_0θ0 + θ1xθ_1xθ1x平方差代价函数：J(θ)J(θ)J(θ) = 12m∑i=1m(hθ(x(i)−yi))2\frac1{2m}\sum_{i=1}^{m}{(h_θ(x^{(i)} - y^{i}))}^22m1∑i=1m(hθ(x(i)−yi))2梯度下降θj:=θj−α∂∂θjJ(θ0,θ1)θ_j := θ_j - α\frac∂ {∂ θ_j}J(θ_0,θ_1)θj:=θj−α∂θj∂J(θ0,θ1)

2020-09-11 23:17:06 636

weixin_36198467的博客