大家好，我是公众号「线下聚会游戏」作者HullQin，开发了《联机桌游合集》，是个网页，可以很方便的跟朋友联机玩斗地主、五子棋等游戏。背景裁剪图片，一个超级常用的功能！我个人非常喜欢Windows的「画图」工具。这款工具我小学二年级时非常喜欢玩。长大后，也对它爱不释手。因为「画图」占用内存非常小，可以放大8倍，方便像素级别调整细节，裁剪、移动都非常方便！但是工作后一直在用Mac，裁剪图片没那么方便了。Mac自带的预览工具似乎有裁剪能力，但是自己总是用不惯，还是喜欢Windows「画图」的交互。最近，每次更新51CTO文章，总是需要配个图。51CTO配图推荐是需要比例的。如果我们能提前按照比例要
大家好，我是公众号「线下聚会游戏」作者HullQin，开发了《联机桌游合集》，是个网页，可以很方便的跟朋友联机玩斗地主、五子棋等游戏。背景裁剪图片，一个超级常用的功能！我个人非常喜欢Windows的「画图」工具。这款工具我小学二年级时非常喜欢玩。长大后，也对它爱不释手。因为「画图」占用内存非常小，可以放大8倍，方便像素级别调整细节，裁剪、移动都非常方便！但是工作后一直在用Mac，裁剪图片没那么方便了。Mac自带的预览工具似乎有裁剪能力，但是自己总是用不惯，还是喜欢Windows「画图」的交互。最近，每次更新51CTO文章，总是需要配个图。51CTO配图推荐是需要比例的。如果我们能提前按照比例要
importtorchfromtorchimportnnfromd2limporttorchasd2l最基础的导包，看不懂的python需要回炉重造，不建议继续往下看文章。n_train=50#训练样本数x_train,_=torch.sort(torch.rand(n_train)*5)#训练样本的输入deff(x):return2*torch.sin(x)+x**0.8y_train=f(x_train)+torch.normal(0.0,0.5,(n_train,))#训练样本的输出x_test=torch.arange(0,5,0.1)#测试样本y_truth=f(x_test)#测试
importtorchfromtorchimportnnfromd2limporttorchasd2l最基础的导包，看不懂的python需要回炉重造，不建议继续往下看文章。n_train=50#训练样本数x_train,_=torch.sort(torch.rand(n_train)*5)#训练样本的输入deff(x):return2*torch.sin(x)+x**0.8y_train=f(x_train)+torch.normal(0.0,0.5,(n_train,))#训练样本的输出x_test=torch.arange(0,5,0.1)#测试样本y_truth=f(x_test)#测试
分类决策树模型是一种描述对实例进行分类的树形结构。决策树由结点和有向边组成。^[《统计学习方法》李航]结点有两种类型：内部结点（internalnode）：表示一个特征或属性叶结点（leafnode）：叶结点表示一个类顾名思义，决策树说白了就是使用树结构进行决策。让我们借助:watermelon:书^[《机器学习》周志华]里的一张图来看一下子。怎么判断一个西瓜是不是好瓜呢？先看他的色泽是不是已经青绿色了，如果是，继续往下看；再看他gen蒂是否蜷缩，如果是就继续往下看；再敲一敲（签订契约，不是）听声音，如果是浊响，那他就是一个好瓜:watermelon:。画决策树谁都会画，比如给你一串数据：Re
分类决策树模型是一种描述对实例进行分类的树形结构。决策树由结点和有向边组成。^[《统计学习方法》李航]结点有两种类型：内部结点（internalnode）：表示一个特征或属性叶结点（leafnode）：叶结点表示一个类顾名思义，决策树说白了就是使用树结构进行决策。让我们借助:watermelon:书^[《机器学习》周志华]里的一张图来看一下子。怎么判断一个西瓜是不是好瓜呢？先看他的色泽是不是已经青绿色了，如果是，继续往下看；再看他gen蒂是否蜷缩，如果是就继续往下看；再敲一敲（签订契约，不是）听声音，如果是浊响，那他就是一个好瓜:watermelon:。画决策树谁都会画，比如给你一串数据：Re
