HOG（Histogram of Oriented Gradients）HOG特征在对象检测与模式匹配中是一种常见的特征提取技术（深度学习之前），是基于本地像素块进行特征直方图提取的一种算法，对象局部的变形与光照影响有很好的稳定性，最初是用HOG特征来来识别人像，通过HOG特征提取+SVM训练，可以得到很好的效果，OpenCV已经有相应的接口。 HOG特征实在2005年CVPR的会议发表，在图像手

实现power(x,n)，即计算x的n次幂函数。示例1： 输入: 2.00000, 10 输出: 1024.00000 示例2： 输入: 2.10000, 3 输出: 9.26100 示例3： 输入: 2.00000, -2 输出: 0.25000 解释: 2-2 = 1/22 = 1/4 = 0.25 说明： -100.0 < x < 100.0 $n$是32位有符号整数，其数值范

一、词的表示one-hot编码：稀疏，向量之间均是正交关系，不能表示语义。word class：将相同属性的词归为一类，但分类标准过意单一、片面。如cat、dag、bird都属于动物，但是dog、cat属于爬行动物，而bird属于飞行动物，难以区分。word embedding：使用词向量表示词特征，相似的词、向量接近，在空间较近。但无法解决一词多义问题，即每个word只有一个词向量。contex

3.1 算法由来  Haar-like特征最早是由Papageorgiou等应用于人脸表示，2001年，Viola和Jones两位大牛发表了今典的《Rapid Object Detection using a Boosted Cascade of Simple Features》和《Robust Real-Time Face Detection》，在AdaBoost算法基础上，

看了优秀的题解，还是把我的辣鸡题解更新一下好了~ 一、端午节的淘宝粽子交易（1）请删除最后一列为缺失值的行，并求所有在杭州发货的商品单价均值。 df = pd.read_csv('端午粽子数据.csv') df.head() 输出： 列名中有些包含了空格，先去除。 df.columns = df.columns.str.strip() df.columns 输出： 然后将最后一列为空的行去除，

方差分析1 概要方差分析(Analysis of variance, ANOVA) 主要研究分类变量作为自变量时，对因变量的影响是否是显著的。 方差分析的方法是由20世纪的统计学家Ronald Aylmer Fisher在1918年到1925年之间提出并陆续完善起来的，该方法刚开始是用于解决田间实验的数据分析问题，因此，方差分析的学习是和实验设计、实验数据的分析密不可分的。 实验设计和方差分析都有

1 一般随机变量1.1 随机变量的两种类型根据随机变量可能取值的个数分为离散型（取值有限）和连续型（取值无限）两类。 1.2 离散型随机变量对于离散型随机变量，使用概率质量函数（probability mass function），简称PMF，来描述其分布律。 假定离散型随机变量X，共有n个取值，$X_1$, $X_2$, ……, $X_n$, 那么 P(X=X_n) \geq 0 \Sigma

六、问题与练习1.问题【问题一】 str对象方法和df/Series对象方法有什么区别? str对象方法有很多针对字符串的方法 在replace方法上，二者有较大差异： 1）str.replace针对object类型或string类型，默认操作：正则表达式 ​ replace针对任意类型的序列或数据框，正则表达式替换：regex=True。使用字典可以支持 多列替换。 2