出成绩了
可去你妈的破离散数学
开个玩笑,我的问题
没辙,下学期好好学
下学期得学
- 信安(小离散)
挂
- 微积分2
缓
- 微积分3
缓
- 学术英语(这个应该OK)
缓
就是发个情。嗯,没了
算法用于在一个未知长度的序列中随机取出某个或某些样本 其中每个样本被取出的概率均为 1/n
因为kook是electron编写的 我们可以很方便的去修改界面样式或者加减功能(大部分情况下) KOOK加密了,开摆
hexo的图像到底是怎么存的,一开独立资源文件夹markdown编辑器就看不了图像
余弦相似性通过测量两个向量的夹角的余弦值来度量它们之间的相似性。0度角的余弦值是1,而其他任何角度的余弦值都不大于1;并且其最小值是-1。从而两个向量之间的角度的余弦值确定两个向量是否大致指向相同的方向。两个向量有相同的指向时,余弦相似度的值为1;两个向量夹角为90°时,余弦相似度的值为0;两个向量指向完全相反的方向时,余弦相似度的值为-1。这结果是与向量的长度无关的,仅仅与向量的指向方向相关。余弦相似度通常用于正空间,因此给出的值为-1到1之间。 注意这上下界对任何维度的向量空间中都适用,而且余弦相似性最常用于高维正空间。例如在信息检索中,每个词项被赋予不同的维度,而一个维度由一个向量表示,其各个维度上的值对应于该词项在文档中出现的频率。余弦相似度因此可以给出两篇文档在其主题方面的相似度。 另外,它通常用于文本挖掘中的文件比较。此外,在数据挖掘领域中,会用到它来度量集群内部的凝聚力。 [1]
从今天开始,我也是有博客的人啦(雾)