栅格重采样的实质： 栅格重采样是将输入图像的像元值或推导值赋予输出图像中每个像元的过程。 栅格重采样发生时机： 当输入图像和输出图像的位置（经过几何变换或投影设置等操作）或像元大小（即栅格影像分辨率）发生变化时，都需要进行栅格重采样。 此外，栅格重采样是栅格数据在空间分析中处理栅格分辨率匹配问题的常用数据处理方法，为了便于分析，通常将不同的分辨率通过栅格重采样转化为相同的分辨率。 对于一个既定的空间分辨率的栅格数据，可以通过重采样操作，将栅格数据重采样成更大的像元，即降低空间分辨率。这个过程会丢
核密度估计（Kernel density estimation，KDE），是一种用于估计概率密度函数的非参数方法。令 \(x_1,x_2,\cdots,x_n\) 为独立同分布 \(F\) 的 \(n\) 个样本点，设其概率密度函数为 \(f\)，核密度估计如下： \[\hat{f}_h(x) = \frac{1}{n}\sum_{i=1}{n}{K_h(x-x_i)}=\frac{1}{nh}\sum_{i=1}{n}{K(\frac{x-x_i}{h}})\] 其中，\(K(.)\) 为核函
The collinearity statistics provide information to allow the analyst to detect when the independents are intercorrelated to the degree that the regression output may be adversely affected. Interrelatedness of the independent variables creates what is
概述 对抗样本是机器学习模型的一个有趣现象，攻击者通过在源数据上增加人类难以通过感官辨识到的细微改变，但是却可以让机器学习模型接受并做出错误的分类决定。一个典型的场景就是图像分类模型的对抗样本，通过在图片上叠加精心构造的变化量，在肉眼难以察觉的情况下，让分类模型产生误判。 在原理上介绍对抗样本，以经典的二分类问题为例，机器学习模型通过在样本上训练，学习出一个分割平面，在分割平面的一侧的点都被识别为类别一，在分割平面的另外一侧的点都被识别为类别二。 生成攻击样本时，我们通过某种算法，针对指定的样本
在编程开发中，经常需要去计算一个数的平方根，小编一般是直接调用系统函数 Math.Sqrt()。 当然除了系统函数，我们也可以自己编写函数进行求解，常用的方法有二分法和牛顿迭代法。 二分法 二分法的基本思想：对于区间 \([m,n]\) 上连续不断且 \(f(m)·f(n) < 0\) 的函数 \(y=f(x)\)，通过不断地把函数 \(f(x)\) 的零点所在的区间一分为二，使区间的两个端点逐步逼近零点，进而得到零点近似值。 显然，\(\sqrt{a}\) 是函数 \( f(x) =x^
罗曼诺夫斯基检验法（Romanowski Test），又称 t 检验，是一种常见的异常数据检测方法，其基本流程为： （1）剔除疑似离群值 \(x_{o}\)，计算新样本的均值和标准差： \[\overline{x'}=\frac{1}{n-1}\sum_{i=1}^{n-1}{x_i} \] \[s'=\sqrt{\frac{1}{n-2}\sum_{i=1}^{n-1}\left({x_i-\overline{x}}\right)^2}\] （2）计算统计量 \(K_{o}\) 的值： \[K
一、先来说说 ||（逻辑或）,从字面上来说，只有前后都是 false 的时候才返回 false，否则返回 true。 但是，从深层意义上来说的话，却有另一番天地，试下面代码： 显然，我们知道，前面 0 意味着 false，而后面 1 意味着 true，那么上面的结果应该是 true，而事实返回的结果是 1 。再看下面代码： 我们知道，前面 2 是 true，后面 1 也是 true，那返回结果又是什么呢？ 测试结果是 2，继续看： 同样，前面 'a' 是 true，后面 1 也是 true，测试
前段时间，亚马逊即将开业的线下生鲜实体店Amazon Go，在朋友圈里刷了屏。 这个商店整合了亚马逊最新的智能技术，可以自动感知顾客有没有从货架上拿走商品，或者是把商品放回货架，用户不需要排除结账，拿着商品就可以直接回家，亚马逊会从你的账户里自动扣款，并生成账单。 很神奇，但亚马逊真的已经实现了。 事实上，很多以前我们想像得到，甚至想象不到的"黑科技"，都正在走入现实。 比如猿题库，只需要拿出手机拍照，就可以自动识别手写的英语作文，将其转化为单词，显示作文评分，并对语法、单词等错误和亮点进行批注
互联网时代的信息爆炸使得信息变得不值钱，曾经精英们惊恐得以为会丧失很多话语权，但是发现并没有。其实信息并不重要，这都是些碎点，重要的是背后的思考逻辑，傻逼看到真的信息都能得出错误的结论，因为他的逻辑傻逼。聪明人即使信息掌握不全，都能通过强大的逻辑去寻找到自己要的信息。 曾经有个广告叫“心有多大，世界就有多大”。这话说的没错，当我看到了大海，我的心里早已有波澜，之后我无法视而不见。 荣耀的背后，总是充满着伤痛。上一个荣耀的时代属于宝洁，属于一切将大工业时代的佼佼者。但宝洁最近有点衰，媒体一窝蜂质疑
