本教程适用于在腾讯云CVM服务器上快速部署OpenClaw服务，包含镜像选择、基础配置、钉钉机器人接入全流程。 一、前置准备 已在腾讯云控制台购买CVM实例（推荐配置：2核4G内存、50G以上系统盘，带宽≥1M） 已获取CVM实例SSH登录权限 若需配置钉钉机器人，需提前准备好钉钉企业/组织权
2026-03-22
正态分布 定义 $$ N(x; \mu, \sigma^2) = \frac{1}{\sqrt{2\pi\sigma^2}}e^{-\frac{(x-\mu)^2}{2\sigma^2}} $$ 其中$\mu$是分布的均值，即$E(x) = \mu$；$\sigma$是标准差，$\sigma^2$
2023-04-01
定义 迹运算返回的是矩阵对角元素的和： $$ Tr(A) = \sum{i} A{i,i} $$ 意义 迹运算有时可以简化公式的表达，例如Frobenius范数可以写作：$ \mid \mid A \mid\mid_F = \sqrt{Tr(AA^T)} $。 性质 $Tr(A) = Tr(A^T
2023-04-01
Lp范数 $$ \mid\mid x\mid\midp = (\sum{i}|x_i|^p)^{\frac {1} {p}} $$ 其中$p \in {\Bbb {R}}, p \geq 1$ $L_1$范数：$ \mid \mid x\mid\mid1 = \sum{i} x_i $ $L_2$
2023-04-01
矩阵的逆 定义 矩阵$A$的逆矩阵记作$A^{-1}$，其定义的矩阵满足如下条件 $$AA^{-1} = A^{-1}A = E$$ 其中$E$是单位矩阵。 Python实现 Numpy import numpy as np A = np.array([[1, 2],
2023-04-01
奇异值分解的意义 除了特征分解外，还有另一种分解的方法，称为奇异值分解(SVD)，它可以将矩阵分解成奇异值和奇异向量。相对特征分解来说，奇异值分解的应用更加广泛，每个实数矩阵都有一个奇异值分解，但不一定有特征分解。例如：非方阵的矩阵没有特征分解，但有奇异值分解。 奇异值分解 将矩阵分解成三个矩阵的
2023-04-01
特征分解的意义 有时，我们会将现实中的某些事物抽象成矩阵的形式，例如可以将一张图片抽象成一个像素值组成的矩阵。此时，我们也许希望中将矩阵分解成多个组成部分，这些组成部分代表了这个矩阵的特征，这就是特征分解的意义。 特征值与特征向量 给定方阵$A$，如果存在向量$v$和标量$\lambda$，使得
2023-04-01
矩阵特征值和特征向量定义 A为n阶矩阵，若数\lambda和n维非0列向量x满足Ax=λx，那么数\lambda称为A的特征值，x称为A的对应于特征值\lambda的特征向量。式Ax=λx也可写成(A-λE)x=0，并且|λE-A|叫做$A$的特征多项式。当特征多项式等于0的时候，称为$A$的特征方
2023-04-01
简介 matplotlib.pyplot.subplots：https://matplotlib.org/api/_as_gen/matplotlib.pyplot.figure.html 创建一个图形（figure）对象。 def figure(num=None, # autoincremen
2023-04-01
简介 matplotlib.pyplot.subplots：https://matplotlib.org/api/_as_gen/matplotlib.pyplot.subplots.html 创建一个图像对象（figure）和一系列的子图（subplots）。 def subplots(nrow
2023-04-01
简介 matplotlib.pyplot.subplot：https://matplotlib.org/api/_as_gen/matplotlib.pyplot.subplot.html 返回一个指定子图分布的网格位置的 figure 对象。 subplot(nrows, ncols, inde
2023-04-01
矩阵和向量积 两个数组点积 numpy.dot(a, b, out=None) a、b都是常量或一维数组，则返回标量 对于一维数组，其结果等于两向量的内积：设向量 $a=(x_1, y_1)$，向量$b=(x_2, y_2)$，结果等于$x_1x_2 + y_1y_2$ import numpy
2023-04-01
基本运算 ndarray.min() / np.min(ndarray) ndarray.max() / np.max(ndarray) ndarray.mean() / np.mean(ndarray) ndarray.sum() / np.sum(ndarray) ndarray.argmax
2023-04-01
简介 NumPy系统是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵。 参考：https://docs.scipy.org/doc/numpy/user/quickstart.html 100 numpy exercises：http://www.labri.fr/pers
2023-04-01