- 收录文章
- 10 篇文字被发现
- 文章访问
- 0 次从这里出发阅读
- 博客访问
- 0 次前往作者站点
- 最近更新
- 06.03 2026年
FROM THIS BLOG
最近文章
【开源】隐藏GPT对话标题 / 隐私保护 — VeilBar插件
VeilBar用来遮罩/隐藏 ChatGPT 侧边栏里的对话标题 - 在演示、直播、或公共场合工作时，避免暴露历史对话，保护隐私。Chrome 插件：https://chromewebstore...
【开源】dodo - GPT对话跳转 与 消息队列管理
dodo - 在 ChatGPT 和 Gemini 网页端上快速跳转对话索引、草拟并排序消息队列。Chrome插件：https://chrome.google.com/webstore/deta...
自助法重抽样的理解; Understanding the Residual Bootstrap
自助法重抽样设想数据：y ～ beta * x1 + residual我们的目标是通过bootstrap获得beta的置信区间（即其估计波动）。主要思想：在Bootstrap中，我们将origi...
领英公司行业类别汇总 LinkedIn Company Industry Classifications
在领英进行对公司的搜索时，可以应用“行业类别”这一筛选项，但页面并未展示领英包含的所有行业类别，以下是我归纳的所有行业类别（英文原版）及其中文翻译，可供搜索筛选或公司类别选择时参考：Englis...
假设检验中各样本组数量及变量类型的检验方法
检验方法不同样本组数量对应于不同比较目标下所适用的检验方法，表如下。数值变量+比例(分类变量)：分类变量：Population = 1组 → Chi-GOF；Population ≥ 2组 → ...
线代数理#1：线性方程组解的判定——矩阵的秩（方程组、矩阵、秩）
线性方程组的构成线性方程组可转换为由系数矩阵（A）、未知数矩阵（X）以及常数项矩阵（b）构成的增广系数矩阵（A̅）。A=[a11a12⋯a1na21a22⋯a2n⋮⋮⋱⋮am1am2⋯amn],...
线代本质#6：向量夹角、投影、正交（向量夹角、向量投影、正交向量/矩阵）
xian带#方向余弦三维空间中的向量(x,y,z)，其x的方向余弦为，y、z同理：cosx=x|r|具有性质：① er=1|r|(x,y,z)=1|r|⋅r=单位向量② cos2α+cos2...
线代本质#5：点积（数量积）叉积（向量积）与其几何理解（向量点积、叉积）
点积（数量积）点积的几何含义为：向量m于向量n上的投影，乘以向量n的长度的值。两者的逻辑顺序可调换，投影乘法与顺序无关。故公式A：|m→|⋅|n→|⋅cosθ此外，存在等价公式B(设两向量为(...
线代本质#4：矩阵的用途——求解特定线性方程组（矩阵用途、秩、线性方程组）
矩阵的用途有描述空间变换、求解特定的线性方程组。线性方程组求解线性方程组可转换为系数矩阵A×位置向量x=常数向量v从几何上看，为向量x通过矩阵A变换为向量v，因此，将向量v通过A的相反变换，即A...
线代本质#3：行列式——线性变换的缩放比例（行列式、矩阵缩放）
行列式的含义行列式的含义为线性变换（矩阵）带来的缩放比例，即线性变换对面积（二维）/体积（三维）产生改变的比例。如图，经矩阵变换后，原一单位基围成的面积1，被缩放为平行四边形，面积变为3×2=6...