【R实战 高级方法】十四、主成分和因子分析
这里是佳奥！R实战部分的学习进入后期，我们继续高级方法的学习。
主成分分析（PCA）是一种数据降维技巧，它能将大量相关变量转化为一组很少的不相关变量，这些无关变量称为主成分。
探索性因子分析（EFA）是一系列用来发现一组变量的潜在结构的方法。它通过寻找一组更小的、潜在的或隐藏的结构来解释已观测到的、显式的变量间的关系。
首先，我们将回顾R中可用来做PCA或EFA的函数，并简略看一看相关分析流程。
人工智能
敏感与钝感的趋向变化2023-04-25
ww：对外在环境与各种因素的敏感度
AI语言模型对外在环境和各种因素的敏感度是由其训练数据和算法所决定的。训练数据的质量和种类决定了模型的语言理解能力和对不同话题的敏感度。算法的优化程度和参数设置也会影响模型对外在环境和各种因素的敏感度。同时，AI语言模型还受到用户输入信息的影响，输入的内容和形式也会影响模型的输出结果。因此，为了提高AI语言模型对外在环境和各种因素的敏感度，需要不断优化训练数据
Text Clustering & BERT - Self-supervised Document Clustering Based on BERT with Data Augmentation
emmm..这个系列可能会有好几篇文章吧，用来弥补对黑色九月的无知..
Shi H, Wang C. Self-supervised document clustering based on bert with data augment[J]. arXiv preprint arXiv:2011.08523, 2020.
摘要导读
作者指出对比学习作为一种效果很好且并不复杂的模型设计，很容易与
优化算法matlab实现（二十一）麻雀算法matlab实现
注意：此代码实现的是求目标函数最大值，求最小值可将适应度函数乘以-1（框架代码已实现）。
注意：此代码实现的是求目标函数最大值，求最小值可将适应度函数乘以-1（框架代码已实现）。
注意：此代码实现的是求目标函数最大值，求最小值可将适应度函数乘以-1（框架代码已实现）。
1.代码实现
不了解麻雀算法可以先看看优化算法笔记（二十一）麻雀搜索算法
实现代码前需要先完成优化算法matlab实现（二）框架编
Flink整合面向用户的数据流SDKs/API(Flink关于弃用Dataset API的论述)
动机
Flink提供了三种主要的sdk/API来编写程序:Table API/SQL、DataStream API和DataSet API。我们认为这个API太多了，建议弃用DataSet API，而使用Table API/SQL和DataStream API。当然，这说起来容易做起来难，所以在下面，我们将概述为什么我们认为太多的api对项目和社区有害。然后，我们将描述如何增强Table API/
论文粗读“Highly-efficient Incomplete Large-scale Multi-view Clustering with Consensus Bipartite Graph”
Wang S, Liu X, Liu L, et al. Highly-efficient incomplete large-scale multi-view clustering with consensus bipartite graph[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Rec
NoSql_HBase-存储原理
存储设计
Hbase是一个基于Hdfs的分布式列式存储nosql大表数据库
拥有实时读写,和及时查询以及大表存储等功能
HBase内部是存在 namespace 和 table表的概念的的
Table逻辑对象
逻辑层面,让用户去逻辑操作,存储在元数据的一个概念
默认每张表至少一个 region分区
Region:Hbase中数据负载均衡的最小单元
一张表按照行进行分区,实现分布式存储,物理存在
