最近在帮师门同学做植物荧光的实验，也是相当冷门了，用大白话总结了一些学习的知识，图片上传还不成功，回头整理。 1 名词解释与原理 1.1 光合作用 补充一点高中的生物与化学知...
发简信
IP属地：河北
-
植物叶绿素荧光诱导动力学曲线
-
@曾无 话说github没有挂诶，不过要梯子。还有一个很重要的建议：多动手！！！我也是入门级菜狗，好怕误人子弟。
IDL批处理高分6号(GF6)影像预处理踩坑全纪录
万幸，能写这篇博客说明我最后还是成功了。 看到网上关于IDL处理GF6号数据的帖子少之又少，咱来填上这个坑。 1 背景介绍 1.1 环境要求 楼主是IDL8.3+ENVI5....
-
@曾无 我是觉得如果学过其他语言的话，入门任何一种语言都不难的，当然只是入门。建议就是找两份好代码读一读改一改，不懂的地方拿着我文末的那几个链接认真学一学查一查。但如果你没学过任何编程语言那就比较麻烦了，但这种情况的话也可以直接学，从基本语法开始，看你需要什么吧。
IDL批处理高分6号(GF6)影像预处理踩坑全纪录
万幸，能写这篇博客说明我最后还是成功了。 看到网上关于IDL处理GF6号数据的帖子少之又少，咱来填上这个坑。 1 背景介绍 1.1 环境要求 楼主是IDL8.3+ENVI5....
-
PROSAIL模型参数详解与敏感性分析
最近一直在学习PROSAIL模型的相关内容，觉得还是要做个总结。 1 PROSAIL的简单介绍 虽然但是，使用PROSAIL做敏感性分析，并不需要去了解这个模型的详细原理，因...
-
win7/win10通过VScode配置远程服务器环境
1. openssh下载与配置 1）必须要先在win7系统上下载一个ssh工具，常用openssh，这里贴出一个教程链接openssh下载安装[https://www.jia...
-
IDL批处理高分6号(GF6)影像预处理踩坑全纪录
万幸，能写这篇博客说明我最后还是成功了。 看到网上关于IDL处理GF6号数据的帖子少之又少，咱来填上这个坑。 1 背景介绍 1.1 环境要求 楼主是IDL8.3+ENVI5....
-
IDL批处理高分六号(GF6)FLASSH大气校正踩坑全纪录
此篇为补充说明，完整预处理踩坑移步： 4.3.1 介绍 先说一下，楼主上课的时候没有认真听讲，导致对flassh大气校正这个东西是完全不懂原理，一窍不通，好在使用envi处理...
-
机器学习算法学习-梯度提升树（GBDT）1. 算法 GBDT (Gradient Boosting Decision Tree) ，梯度提升树，是属于集成算法中boosting类的一种算法。这个算法是现有机器学习算...
-
机器学习算法学习-决策树（ID3、C4.5、CART）1.算法 从这部分开始，我们来讲解机器学习中最实用，效率高且效果好的决策器集成类的算法。 RF、GBR、Adboost是三个最经典的集成类算法，所谓集成类算法，就是集成了一些...
-
机器学习算法学习-调参1. 方差与偏差 在前文中我们已经提到了有关方差（Variance）与偏差（bias）的概念，这里系统的进行介绍。 首先我们先来介绍过拟合的概念。我们在最开始的时候就介绍过，...
-
机器学习算法学习-适应提升树（Adboost）1 集成学习算法 先讲一点预备知识。 前面我们讲了决策树和随机森林，决策树是弱学习器，随机森林是集成了弱学习器的强学习器。 事实上，集成算法有三种：Bagging，Boost...
-
机器学习算法学习-随机森林（Random Forest）
1. 算法 有了上一节的基础，我们现在来学习如何集成所有天气学家的意见，综合输出结果。 顾名思义，随机森林的“森林”，就是指集成许多棵决策树，每一棵树都有一个自己的分类结果，...
-
机器学习算法学习-多层感知机与后向传播算法（MLP、BP）1. 算法 多层感知机（MLP）和后向传播算法（BP）是神经网络的入门算法，是复杂的神经网络的基本构架，也就是神经层搭建与反向传播计算系数这两步。很多人不把MLP当神经网络，...
-
机器学习算法学习-逻辑回归1. 算法 Logistic Regression 虽然被称为回归，但其实际上是分类模型，逻辑函数的形状有些像阶跃函数，对于二分类问题，其实就是一个阶跃函数，当x取某一些值的...
-
机器学习算法-支持向量机SVM1. 算法 1.1 从最简单的数学问题说起 要理解SVM算法，首先就要理解SVM解决的问题是什么，损失函数是如何推导来的，这是最关键最基础的部分，请看下面这张图。 我们以二维...
-
机器学习算法学习-PCA主成分分析1.算法 前面讲了复杂冗长的SVM、Logistics、BP，现在我们讲一个简单易懂的降维算法PCA，也是最广为人知的算法，需要一点简单的线性代数基础，具体看文末链接，已经讲...
-
机器学习算法学习-普通线性回归、岭回归与lasso回归
1.算法 1.1从最简单的普通线性回归谈起 Q：已知一维特征空间中的一系列样本点{(xi, yi), i = 1,2,3...n}，注意这里是一维特征空间，虽然可以在二维平面...
-
机器学习算法学习-基础知识
1. 基本概念 (X, y)：样本点，有k维特征：(x1, x2, x3......xk)，通常我们认为这些样本点散落在k维的特征空间内，对应类别标签或者回归值为y，一般情况...
-
机器学习算法学习-K近邻(K-Nearest Neighbor KNN)
1. 算法 KNN算法也是使用距离来衡量样本点之间的相似性，但其与Kmeans中的K含义不同。 KNN的决策过程： 1、计算测试集样本点到训练集中每个样本点的距离 2、按照距...
-
机器学习算法学习-Kmeans1. 算法 Kmeans应该算是最经典最易懂的机器学习算法之一。其基本数学思想是期望最大化（EM），简单概况就是物以类聚，以特征空间中不同样本之间的“距离”远近作为划分的依据...