回归算法学习笔记——线性回归、随机梯度(SGD、BGD)、逻辑回归(牛顿法)、Softmax回归算法、L1/L2正则化、Ridge、Lasso、ElasticNet
目录
- 线性回归
- 梯度下降算法
- 构建损失函数
- 梯度下降法
- Logistic Regression算法
- sigmoid函数
- 构造目标函数
- 构造损失函数-极大似然估计
- 梯度下降
- 多分类问题
- 优化算法:牛顿法
- 切线法
- 另一种理解方式
- 改进:拟牛顿法
- Softmax Regression算法
- Softmax回归代价函数
- L1/L2正则化
- L1
- L2
- L1和L2对比
- 正则化目的
- Ridge与Lasso
- ElasticNet
线性回归
- 回归分析
- 目标函数:线性回归方程
- 一个或多个自变量和因变量之间的关系进行建模(其中为权重,为bias偏置值):
- 一维特征:
- 二维特征:
- N维特征:
梯度下降算法
构建损失函数
- 未得到目标线性方程,得到上述公式中的参数
- 为确定所选的效果好坏使用损失函数(loss function)来评估函数的好坏
- 损失函数如下(MSE误差平方和):
梯度下降法
- 使用了导数的概念,对点的导数反映了函数在该点处的瞬时变化速率
- 推广到多维函数中,梯度反映了多维图形中变化速率最快的方向
- 起始时导数为正,减小后并以新的为基点重新求导,一直迭代就会找到最小的
- StochasticGradientDescent(SGD)随机梯度下降
其中:为随机的样本点 - 代码实现
import random
import matplotlib.pyplot as pltx = [(0.,3), (1.,3) ,(2.,3), (3.,2), (4.,4), (0.,3) , (1.,3.1) ,(2.,3.5), (3.,2.1) , (4.,4.2)]
#y[i] is the output of y = theta0 * x[0] + theta1 * x[1] +theta2 * x[2]
y = [95.364,97.217205,75.195834,60.105519,49.342380, 100.364,100.217205,100.195834,100.105519,12.342380]epsilon = 0.001
#learning rate
alpha = 0.001
diff = [0,0]
error1 = 0
error0 =0
m = len(x)#init the parameters to zero
theta0 = 0
theta1 = 0
theta2 = 0
epoch = 0error_array = []
epoch_array = []
while True:#calculate the parameters# 线性回归:h(x) = theta0 + theta1 * x[i][0] + theta2 * x[i][1] # 损失函数(评测指标MSE):累和 (1/2) * (y - h(x)) ^ 2# d((1/2) * (y - h(x)) ^ 2) / dtheta0 = (y - h(x)) * (-1) * (1) # theta0 = theta0 - (-alpha * (y - h(x))* 1 )# theta1 = theta1 - (-alpha * (y - h(x))* x[i][0])# theta2 = theta2 - (-alpha * (y - h(x))* x[i][1])# 1. 随机梯度下降算法在迭代的时候,每迭代一个新的样本,就会更新一次所有的theta参数。i = random.randint(0, m - 1)# (y - h(x))diff[0] = y[i]-( theta0 * 1 + theta1 * x[i][0] + theta2 * x[i][1] )# - (y - h(x))xgradient0 = - diff[0]* 1gradient1 = - diff[0]* x[i][0]gradient2 = - diff[0]* x[i][1]# theta = theta - ( - alpha * (y - h(x))x )theta0 = theta0 - alpha * gradient0theta1 = theta1 - alpha * gradient1theta2 = theta2 - alpha * gradient2#theta3#calculate the cost functionerror1 = 0# 此处error为一个相对的Error值。for i in range(len(x)):error1 += (y[i]-( theta0 * 1 + theta1 * x[i][0] + theta2 * x[i][1]))**2 error1 = error1 / m print("delta error {}".format(abs(error1-error0)))error_array.append(error1)epoch_array.append(epoch)if epoch == 500:breakelse:error0 = error1epoch += 1print(' theta0 : %f, theta1 : %f, theta2 : %f, sgd error1 : %f, epoch : % f'%(theta0,theta1,theta2,error1, epoch))print('Done: theta0 : %f, theta1 : %f, theta2 : %f'%(theta0,theta1,theta2))plt.plot(epoch_array, error_array, color='blue', linewidth=3)
plt.xlabel('epochs')
plt.ylabel('errors')
plt.show()
- BatchGradientDescent(BGD)批量随机梯度下降
- 代码实现
import matplotlib.pyplot as plt#Training data set
#each element in x represents (x0,x1,x2)
x = [(0.,3) , (1.,3) ,(2.,3), (3.,2) , (4.,4), (0.,3) , (1.,3.1) ,(2.,3.5), (3.,2.1) , (4.,4.2)]
#y[i] is the output of y = theta0 * x[0] + theta1 * x[1] +theta2 * x[2]
y = [95.364,97.217205,75.195834,60.105519,49.342380, 100.364,100.217205,100.195834,100.105519,12.342380]#learning rate
alpha = 0.001
diff = [0,0]
error1 = 0
error0 =0
m = len(x)#init the parameters to zero
theta0 = 0
theta1 = 0
theta2 = 0
sum0 = 0
sum1 = 0
sum2 = 0epoch = 0
error_array = []
epoch_array = []
while True:#calculate the parameters# 线性回归:hi(x) = theta0 + theta1 * x[i][1] + theta2 * x[i][2] # 损失函数:(1/2) 累加 * (y - h(x)) ^ 2# theta = theta - 累和( - alpha * (y - h(x))x )# 1. 随机梯度下降算法在迭代的时候,每迭代一个新的样本,就会更新一次所有的theta参数。#calculate the parameters# 2. 批梯度下降算法在迭代的时候,是完成所有样本的迭代后才会去更新一次theta参数print(m)for i in range(m):#begin batch gradient descentdiff[0] = y[i]-( theta0 + theta1 * x[i][0] + theta2 * x[i][1] )sum0 = sum0 + ( -alpha * diff[0]* 1)sum1 = sum1 + ( -alpha * diff[0]* x[i][0])sum2 = sum2 + ( -alpha * diff[0]* x[i][1])#end batch gradient descenttheta0 = theta0 - sum0 / mtheta1 = theta1 - sum1 / mtheta2 = theta2 - sum2 / msum0 = 0sum1 = 0sum2 = 0#calculate the cost functionerror1 = 0for i in range(m):error1 += ( y[i]-( theta0 + theta1 * x[i][0] + theta2 * x[i][1] ) )**2error1 = error1 / merror_array.append(error1)epoch_array.append(epoch)if epoch == 200:breakelse:error0 = error1epoch += 1print(' theta0 : %f, theta1 : %f, theta2 : %f, bgd error1 : %f, epoch: %f'%(theta0,theta1,theta2,error1,epoch))print('Done: theta0 : %f, theta1 : %f, theta2 : %f'%(theta0,theta1,theta2))
plt.plot(epoch_array, error_array, color='blue', linewidth=3)
plt.xlabel('epochs')
plt.ylabel('errors')
plt.show()
对比两类梯度下降法各有利弊,SGD的计算量小,但随机性强,有时可以快速收敛,有时则收敛的很慢,loss曲线抖动下降;MGD的计算量大,但包含批量的样本,收敛效果比较好,loss曲线平滑下降。
Logistic Regression算法
- 针对分类问题,利用回归问题的思路,解决分类问题。
sigmoid函数
- sigmoid函数是一个s形的曲线
- 取值在(0, 1)之间
- 在远离0的地方函数的值会很快接近0或1
构造目标函数
- 将预测结果转化成预测某类别的概率公式(3)中y为真实的类别
构造损失函数-极大似然估计
- 根据上述公式构建损失函数,目的:通过的取值使预测正确类别的概率最大化
- Lossfunction:
- 由于累乘的式子难以求导,因此对上式进行对数处理,转化为累加
- 转化为类似线性回归问题中求最小损失函数的问题:
梯度下降
- 首先求解损失函数梯度
- 使用梯度下降求解最优参数
多分类问题
- 解决方案:one vs rest
- 适合场景:类别可以同时出现,互相不互斥的情况
- 参考资料:one-vs-rest与one-vs-one以及sklearn的实现
优化算法:牛顿法
- 牛顿法比梯度下降法收敛的要快(迭代次数更少)
- 梯度下降法每次只从当前位置选一个上升速度最大的方向走一步
- 牛顿法在选择方向时,不仅会考虑上升速度是否够大,还会考虑你走了一步之后,上升速度是否会变得更大(即二阶导数,类似物理上的加速度)
- 红色的牛顿法的迭代路径,绿色的是梯度下降法的迭代路径。
- 由于最速梯度下降收敛速度并不“最速”,局部搜索中最速下降的方向和全局的最小值方向并不一致,所以就有后来改进的方法,包括牛顿法以及拟牛顿法。
切线法
- 牛顿法的几何意义
- 从上图可以总结出如下公式:
其中分母上的二阶导函数可以理解为正则项,当一阶导数下降方向不是最优方向,进行修改,而且由于二阶导数包含数值,因此也不用设置学习率,下降的步长是最优的。
另一种理解方式
- 随时函数最小值 = 损失函数导数为0
- 将损失函数进行泰勒展开:
其中为一阶导数,为二阶导数 - 对(4)式等式两端进行求导,转化为梯度下降:
最终的结果与切线法得到的结果表达式是一样的
改进:拟牛顿法
- 牛顿法中需要计算二阶导数矩阵,其尺寸为的,其中N为特征的数量,计算代价很大
- 而拟牛顿法不在使用二阶导数矩阵,而是选取相似矩阵
Softmax Regression算法
- Softmax解决多分类的分类器,即类标签y的取值大于等于2
- 类标记为:
- 假设函数为对于每一个样本估计其所属的类别的概率
- 每一个样本估计所属类别概率为:
即对预测数的各类别的值取后除以所有类别概率值取的总和
Softmax回归代价函数
- 类似于Logistic回归,在Softmax的代价函数中引入指示函数,其具体形式为:
- 那么,对于Softmax回归的代价函数为交叉熵:
- Sofrmax回归求解
- 对上述的代价函数,可以使用梯度下降法进行求解,首先对其进行求梯度:
- 对上述的代价函数,可以使用梯度下降法进行求解,首先对其进行求梯度:
L1/L2正则化
- 为了防止过拟合,拟合过程中通常都倾向于让权值尽可能小,最后构造一个所有参数都比较小的模型
- 参数值小的模型比较简单,能适应不同的数据集,也在一定程度上避免了过拟合现象
- 对于一个线性回归方程,若参数很大,那么只要数据偏移一点点,就会对结果
造成很大的影响 - 但如果参数足够小,数据偏移得多一点也不会对结果造成什么影响
L1
- L1正则化是指权值向量中各个元素的绝对值之和,通常表示为
- 如下图所示,图中等值线是J0的等值线,黑色方形是L函数的图形。在图中,当J0等值线与L首次相交的地方就是最优解。上图中J0与L在L的一个顶点处相交,这个顶点就是最优解。
- 正则化和“带约束的目标函数”是等价的对L1正则化建立数学模型如下:
- 通过拉格朗日乘子法,可以变为如下形式:
L2
- L2正则化是指权值向量中各个元素的平方和然后再求平方根(在Ridge回归的L2正则化项有平方符号),通常表示为
- 如下图所示,二维平面下L2正则化的函数图形是个圆,与方形相比,被磨去了棱角。
- 对比L1和L2两图,采用L1范数时平方误差项等值线与正则化项等值线的交点出现在坐标轴上,即或为0,而采用L2范数时,两者的交点常出现在某个象限中,即或均非0;换而言之,采用L1范数比L2范数更容易于得到稀疏解。
- 正则化和“带约束的目标函数”是等价的对L1正则化建立数学模型如下:
- 通过拉格朗日乘子法,可以变为如下形式:
L1和L2对比
其中c为超参数,控制L1和L2的限制区域大小,c越小对损失函数的约束越大;图中像素点表示[0, 1]的取值,0为白色1为黑色。可以看出L1下是很多权值为0,做到了稀疏性。
参考资料:L1与L2范数
正则化目的
- 预防或修复过拟合情况
- 其他方式:
- 数据层面:
- 增加数据(行上扩展)
- 减少feature,特征选择
- 模型层面:
- 模型融合
- 数据层面:
Ridge与Lasso
- L1正则化和L2正则化可以看做是损失函数的惩罚项
- Lasso回归
- 对于线性回归模型,使用L1正则化的模型建叫做Lasso回归
- Lasso回归的损失函数,式中加号后面一项即为L1正则化项
- Ridge
- Ridge回归的损失函数,式中加号后面一项即为L2正则化项
ElasticNet
对于ElasticNet回归,可以看做是Lasso和ridge回归的组合
如若内容造成侵权/违法违规/事实不符,请联系编程学习网邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
相关文章
- Git之Sourcetree的commit后回滚
问题当进行了commit后 如何撤销commit呢现状操作 选择重置那行即可选则之后就会到了撤销“测试回滚” 的状态测试回滚的提交就会被取消了 提交的代码重新回到本地暂存区结果...
2024/4/27 20:14:24 - Python函数式编程之偏函数
什么是偏函数?(1)在Python的functools模块众多的功能中,其中有一个就是偏函数,我们称之为 partial function(2)我们都听过偏将军吧,在三国时代的官制中,系将军的辅佐,与裨将军两者都为杂号将军;今天我们要讲的偏函数,其实是函数的辅佐,什么意思呢,我们借助Python…...
2024/4/28 12:09:36 - 视频分帧,并保存帧图片
写在前边要解决的问题:针对N个视频,将将视频按照帧来裁剪,并且按照自己想要的帧间隔保存相应的帧图片。使用的工具:python、pycharm博主:代码界的新手创新点:进行了修改,适合自己的模型。代码代码展示:#coding=gbk import cv2 import osdef splitFrames(sourceFileName…...
2024/4/28 0:31:18 - Python安装虚拟环境virtualenv步骤
Python安装虚拟环境virtualenv步骤 安装virtualenv 1.在cmd命令行输入pip install virtualenv(或者pip3 install virtualenv)2.在本地创建一个虚拟环境virtualenv空目录3.cmd进入步骤2创建的目录,执行命令 virrualenv test4.切换到创建的虚拟环境目录,查看脚本文件,其中acti…...
2024/5/5 5:24:09 - JavaScript——语法结构
什么是语法? 语法:广义上是为了表述一个完整的含义,将词组有效的组合的方式,人类的语法实际上是按照习惯传承下来的,各种语言的语法都不相同 计算机语言的语法计算机不能直接识别人类的文字符号,只能识别二进制指令。各种高级,低级的语言都是最终被翻译成二进制指 令,被…...
2024/4/15 5:03:34 - 【leveldb】SSTable(十二):Filter Block
上一篇主要介绍了DataBlock,本篇则开始讲解Filter Block,其在SSTable中的结构可点此链接SSTable结构说明。 Filter Block中存的都是Data Block中的key(key是经过处理再存入到FilterBlock中),其作用就是提高SSTable的读取效率。当查询一个key时,可以快速定位这个key是否在…...
2024/5/2 22:11:27 - Idea Maven打包后不能读取resources下的配置文件
问题描述正常情况下,在idea中new FileInputStream("src/main/resources/table.xml")或者new File("src/main/resources/table.xml")程序可以执行,没有任何问题。如果打包后运行java -jar xx.java 会报错找不到资源文件要取编译后的路径,而不是你看到的s…...
2024/4/19 5:29:36 - 大数据学习——TensorFlow学习笔记2—多分类问题、反向传播算法、过拟合问题
一、逻辑回归的概述与实现1、概述回归一般用于解决那些连续变量的问题,如:线性回归,它是通过最小化误差函数,来不断拟合一条直线,以计算出权重 w 和 偏置b 的过程,它的目标是基于一个连续方程去预测一个值。Logistic 回归常用于分类问题,也就是将观测值贴上某个标签,或…...
2024/4/27 1:55:20 - javaScript教程之JS常用字符串API汇总梳理
关于js字符串与js数组的一些说明:字符串与数组有一定的相同之处,都可以通过length属性获取大小,都可以通过下标访问,都能用for循环遍历每个字符/元素 字符串与数组的不同之处,数组可以随意修改原数组,字符串是字符只读数组,一旦创建不可以修改1.字符串拼接concat()、+、…...
2024/4/24 11:33:56 - xgfdg
if (arr[j] > arr[j+1]) { /* 相邻元素比较,若逆序则交换(升序为左大于右,降序反之) */temp = arr[j];arr[j] = arr[j+1];arr[j+1] = temp;}} }int main (void) {elemType arr[ARR_LEN] = {3,5,1,-7,4,9,-6,8,10,4};int len = 10;int i;bubbleSort (arr, len);for (i=0;…...
2024/4/30 9:12:05 - 数据库安全及事务操作
数据库安全及事务操作 文章目录数据库安全及事务操作一、目的与要求二、实验内容1 设计安全机制使得用户王明 只能查找财务部的职工2 设计一个角色“role_Emp”,该角色可以查看雇员编号,姓名。并将王明作为成员加入到该角色3 用户张明拥有以下权限;他只能查进货表中的信息,并…...
2024/4/26 20:07:30 - idea中都多不到actiBPM插件
https://plugins.jetbrains.com/plugin/7429-actibpm/versions...
2024/4/24 11:33:49 - 如何实现一个单例好的模式?
单例模式在开发中会经常用到,那么如何实现一个优雅的单例就显的尤为重要.在实现的时候,我们需要根据具体情况考量如下信息:是否需要线程安全? 是否需要懒加载?这里便来介绍4种常用的单例实现:饿汉,静态内部类,双重检查锁,枚举 懒汉式 懒汉是在开发中用的最多的情况,…...
2024/4/24 11:33:46 - Leetcode:面试题 17.16. 按摩师(动态规划)
面试题 17.16. 按摩师 一个有名的按摩师会收到源源不断的预约请求,每个预约都可以选择接或不接。在每次预约服务之间要有休息时间,因此她不能接受相邻的预约。给定一个预约请求序列,替按摩师找到最优的预约集合(总预约时间最长),返回总的分钟数。 注意:本题相对原题稍作…...
2024/5/3 11:35:43 - 《Discriminative Unsupervised Feature Learning with Exemplar Convolutional Neural Networks》阅读笔记
《Unsupervised Visual Representation Learning by Context Prediction》阅读笔记 摘要 这项工作探索了如何利用空间环境作为自由丰富的监控信号来训练丰富的视觉表示。仅给定一个大型的,未标记的图像集合,我们从每个图像中提取随机的补丁对,并训练卷积神经网络以预测第二个…...
2024/5/2 22:38:46 - 关于无Root进行Https抓包的可行性实践与探索
关于无Root进行Https抓包的可行性实践与探索背景可行性常见的解决方案不常见的方案 背景 从Android7.0之后系统不再信任用户CA证书。主要限制在应用的targetSdkVersion >= 24时生效,如果targetSdkVersion < 24即使系统是7.0+依然会信任(用户证书)。也就是说即使安装了…...
2024/4/27 9:49:44 - 4G电子围栏产品方案设计
概述什么是4G电子围栏?电子围栏也叫无线热点采集设备,实际为采集手机SIM卡的IMSI 码,在城市关键卡口和人员密集场所车站医院等地方安装设备,设备收集到IMSI码信息后上传到后台服务器,管理平台软件进行大数据分析,碰撞分析、伴随分析、车牌和IMSI码碰撞分析等,实现流动人…...
2024/5/3 0:05:10 - HTML——6.锚链接
锚链接 <!DOCTYPE html> <html lang="en"><head><meta charset="UTF-8"><meta name="viewport" content="width=device-width, initial-scale=1.0"><title>超链接</title> </head>&l…...
2024/4/24 11:33:47 - JS练习---飞机大战小游戏
飞机大战小游戏 效果:创建敌方小飞机 /*** 创建敌方小飞机* 属性:* 图片节点* 图片* x坐标* y坐标* 速度* 行为:* 移动* 初始化 把图片节点添加到main里面*/ function SmallPlaneProto(imgSrc, x, y, speed) {this.imgNode = document.createEle…...
2024/4/24 11:33:40 - js中数据的保存
1. JavaScript 的内存模型function foo(){var a = "极客时间"var b = avar c = {name:"极客时间"}var d = c } foo()...
2024/4/19 21:22:02
最新文章
- 分割回文串(力扣131)
解题思路:仍就是上递归三部曲,但于此同时要明白此时的index就可以作为切割回文串的线了 具体代码如下: class Solution { private: vector<vector<string>> result; vector<string> path; // 放已经回文的子串 void back…...
2024/5/5 10:06:58 - 梯度消失和梯度爆炸的一些处理方法
在这里是记录一下梯度消失或梯度爆炸的一些处理技巧。全当学习总结了如有错误还请留言,在此感激不尽。 权重和梯度的更新公式如下: w w − η ⋅ ∇ w w w - \eta \cdot \nabla w ww−η⋅∇w 个人通俗的理解梯度消失就是网络模型在反向求导的时候出…...
2024/3/20 10:50:27 - [Spring Cloud] gateway全局异常捕捉统一返回值
文章目录 处理转发失败的情况全局参数同一返回格式操作消息对象AjaxResult返回值状态描述对象AjaxStatus返回值枚举接口层StatusCode 全局异常处理器自定义通用异常定一个自定义异常覆盖默认的异常处理自定义异常处理工具 在上一篇章时我们有了一个简单的gateway网关 [Spring C…...
2024/5/3 22:05:18 - linuxday05
1、makedile原理(增量编译生成代码) # (注释符) 目标------依赖 目标不存在//目标比依赖旧才会执行命令; makefile的实现 1、命名要求(Makefile/makefile) 2、规则的集合 目标文件&#…...
2024/5/5 8:52:20 - 【外汇早评】美通胀数据走低,美元调整
原标题:【外汇早评】美通胀数据走低,美元调整昨日美国方面公布了新一期的核心PCE物价指数数据,同比增长1.6%,低于前值和预期值的1.7%,距离美联储的通胀目标2%继续走低,通胀压力较低,且此前美国一季度GDP初值中的消费部分下滑明显,因此市场对美联储后续更可能降息的政策…...
2024/5/4 23:54:56 - 【原油贵金属周评】原油多头拥挤,价格调整
原标题:【原油贵金属周评】原油多头拥挤,价格调整本周国际劳动节,我们喜迎四天假期,但是整个金融市场确实流动性充沛,大事频发,各个商品波动剧烈。美国方面,在本周四凌晨公布5月份的利率决议和新闻发布会,维持联邦基金利率在2.25%-2.50%不变,符合市场预期。同时美联储…...
2024/5/4 23:54:56 - 【外汇周评】靓丽非农不及疲软通胀影响
原标题:【外汇周评】靓丽非农不及疲软通胀影响在刚结束的周五,美国方面公布了新一期的非农就业数据,大幅好于前值和预期,新增就业重新回到20万以上。具体数据: 美国4月非农就业人口变动 26.3万人,预期 19万人,前值 19.6万人。 美国4月失业率 3.6%,预期 3.8%,前值 3…...
2024/5/4 23:54:56 - 【原油贵金属早评】库存继续增加,油价收跌
原标题:【原油贵金属早评】库存继续增加,油价收跌周三清晨公布美国当周API原油库存数据,上周原油库存增加281万桶至4.692亿桶,增幅超过预期的74.4万桶。且有消息人士称,沙特阿美据悉将于6月向亚洲炼油厂额外出售更多原油,印度炼油商预计将每日获得至多20万桶的额外原油供…...
2024/5/4 23:55:17 - 【外汇早评】日本央行会议纪要不改日元强势
原标题:【外汇早评】日本央行会议纪要不改日元强势近两日日元大幅走强与近期市场风险情绪上升,避险资金回流日元有关,也与前一段时间的美日贸易谈判给日本缓冲期,日本方面对汇率问题也避免继续贬值有关。虽然今日早间日本央行公布的利率会议纪要仍然是支持宽松政策,但这符…...
2024/5/4 23:54:56 - 【原油贵金属早评】欧佩克稳定市场,填补伊朗问题的影响
原标题:【原油贵金属早评】欧佩克稳定市场,填补伊朗问题的影响近日伊朗局势升温,导致市场担忧影响原油供给,油价试图反弹。此时OPEC表态稳定市场。据消息人士透露,沙特6月石油出口料将低于700万桶/日,沙特已经收到石油消费国提出的6月份扩大出口的“适度要求”,沙特将满…...
2024/5/4 23:55:05 - 【外汇早评】美欲与伊朗重谈协议
原标题:【外汇早评】美欲与伊朗重谈协议美国对伊朗的制裁遭到伊朗的抗议,昨日伊朗方面提出将部分退出伊核协议。而此行为又遭到欧洲方面对伊朗的谴责和警告,伊朗外长昨日回应称,欧洲国家履行它们的义务,伊核协议就能保证存续。据传闻伊朗的导弹已经对准了以色列和美国的航…...
2024/5/4 23:54:56 - 【原油贵金属早评】波动率飙升,市场情绪动荡
原标题:【原油贵金属早评】波动率飙升,市场情绪动荡因中美贸易谈判不安情绪影响,金融市场各资产品种出现明显的波动。随着美国与中方开启第十一轮谈判之际,美国按照既定计划向中国2000亿商品征收25%的关税,市场情绪有所平复,已经开始接受这一事实。虽然波动率-恐慌指数VI…...
2024/5/4 23:55:16 - 【原油贵金属周评】伊朗局势升温,黄金多头跃跃欲试
原标题:【原油贵金属周评】伊朗局势升温,黄金多头跃跃欲试美国和伊朗的局势继续升温,市场风险情绪上升,避险黄金有向上突破阻力的迹象。原油方面稍显平稳,近期美国和OPEC加大供给及市场需求回落的影响,伊朗局势并未推升油价走强。近期中美贸易谈判摩擦再度升级,美国对中…...
2024/5/4 23:54:56 - 【原油贵金属早评】市场情绪继续恶化,黄金上破
原标题:【原油贵金属早评】市场情绪继续恶化,黄金上破周初中国针对于美国加征关税的进行的反制措施引发市场情绪的大幅波动,人民币汇率出现大幅的贬值动能,金融市场受到非常明显的冲击。尤其是波动率起来之后,对于股市的表现尤其不安。隔夜美国股市出现明显的下行走势,这…...
2024/5/4 18:20:48 - 【外汇早评】美伊僵持,风险情绪继续升温
原标题:【外汇早评】美伊僵持,风险情绪继续升温昨日沙特两艘油轮再次发生爆炸事件,导致波斯湾局势进一步恶化,市场担忧美伊可能会出现摩擦生火,避险品种获得支撑,黄金和日元大幅走强。美指受中美贸易问题影响而在低位震荡。继5月12日,四艘商船在阿联酋领海附近的阿曼湾、…...
2024/5/4 23:54:56 - 【原油贵金属早评】贸易冲突导致需求低迷,油价弱势
原标题:【原油贵金属早评】贸易冲突导致需求低迷,油价弱势近日虽然伊朗局势升温,中东地区几起油船被袭击事件影响,但油价并未走高,而是出于调整结构中。由于市场预期局势失控的可能性较低,而中美贸易问题导致的全球经济衰退风险更大,需求会持续低迷,因此油价调整压力较…...
2024/5/4 23:55:17 - 氧生福地 玩美北湖(上)——为时光守候两千年
原标题:氧生福地 玩美北湖(上)——为时光守候两千年一次说走就走的旅行,只有一张高铁票的距离~ 所以,湖南郴州,我来了~ 从广州南站出发,一个半小时就到达郴州西站了。在动车上,同时改票的南风兄和我居然被分到了一个车厢,所以一路非常愉快地聊了过来。 挺好,最起…...
2024/5/4 23:55:06 - 氧生福地 玩美北湖(中)——永春梯田里的美与鲜
原标题:氧生福地 玩美北湖(中)——永春梯田里的美与鲜一觉醒来,因为大家太爱“美”照,在柳毅山庄去寻找龙女而错过了早餐时间。近十点,向导坏坏还是带着饥肠辘辘的我们去吃郴州最富有盛名的“鱼头粉”。说这是“十二分推荐”,到郴州必吃的美食之一。 哇塞!那个味美香甜…...
2024/5/4 23:54:56 - 氧生福地 玩美北湖(下)——奔跑吧骚年!
原标题:氧生福地 玩美北湖(下)——奔跑吧骚年!让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 啊……啊……啊 两…...
2024/5/4 23:55:06 - 扒开伪装医用面膜,翻六倍价格宰客,小姐姐注意了!
原标题:扒开伪装医用面膜,翻六倍价格宰客,小姐姐注意了!扒开伪装医用面膜,翻六倍价格宰客!当行业里的某一品项火爆了,就会有很多商家蹭热度,装逼忽悠,最近火爆朋友圈的医用面膜,被沾上了污点,到底怎么回事呢? “比普通面膜安全、效果好!痘痘、痘印、敏感肌都能用…...
2024/5/5 8:13:33 - 「发现」铁皮石斛仙草之神奇功效用于医用面膜
原标题:「发现」铁皮石斛仙草之神奇功效用于医用面膜丽彦妆铁皮石斛医用面膜|石斛多糖无菌修护补水贴19大优势: 1、铁皮石斛:自唐宋以来,一直被列为皇室贡品,铁皮石斛生于海拔1600米的悬崖峭壁之上,繁殖力差,产量极低,所以古代仅供皇室、贵族享用 2、铁皮石斛自古民间…...
2024/5/4 23:55:16 - 丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者
原标题:丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者【公司简介】 广州华彬企业隶属香港华彬集团有限公司,专注美业21年,其旗下品牌: 「圣茵美」私密荷尔蒙抗衰,产后修复 「圣仪轩」私密荷尔蒙抗衰,产后修复 「花茵莳」私密荷尔蒙抗衰,产后修复 「丽彦妆」专注医学护…...
2024/5/4 23:54:58 - 广州械字号面膜生产厂家OEM/ODM4项须知!
原标题:广州械字号面膜生产厂家OEM/ODM4项须知!广州械字号面膜生产厂家OEM/ODM流程及注意事项解读: 械字号医用面膜,其实在我国并没有严格的定义,通常我们说的医美面膜指的应该是一种「医用敷料」,也就是说,医用面膜其实算作「医疗器械」的一种,又称「医用冷敷贴」。 …...
2024/5/4 23:55:01 - 械字号医用眼膜缓解用眼过度到底有无作用?
原标题:械字号医用眼膜缓解用眼过度到底有无作用?医用眼膜/械字号眼膜/医用冷敷眼贴 凝胶层为亲水高分子材料,含70%以上的水分。体表皮肤温度传导到本产品的凝胶层,热量被凝胶内水分子吸收,通过水分的蒸发带走大量的热量,可迅速地降低体表皮肤局部温度,减轻局部皮肤的灼…...
2024/5/4 23:54:56 - 配置失败还原请勿关闭计算机,电脑开机屏幕上面显示,配置失败还原更改 请勿关闭计算机 开不了机 这个问题怎么办...
解析如下:1、长按电脑电源键直至关机,然后再按一次电源健重启电脑,按F8健进入安全模式2、安全模式下进入Windows系统桌面后,按住“winR”打开运行窗口,输入“services.msc”打开服务设置3、在服务界面,选中…...
2022/11/19 21:17:18 - 错误使用 reshape要执行 RESHAPE,请勿更改元素数目。
%读入6幅图像(每一幅图像的大小是564*564) f1 imread(WashingtonDC_Band1_564.tif); subplot(3,2,1),imshow(f1); f2 imread(WashingtonDC_Band2_564.tif); subplot(3,2,2),imshow(f2); f3 imread(WashingtonDC_Band3_564.tif); subplot(3,2,3),imsho…...
2022/11/19 21:17:16 - 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机...
win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”问题的解决方法在win7系统关机时如果有升级系统的或者其他需要会直接进入一个 等待界面,在等待界面中我们需要等待操作结束才能关机,虽然这比较麻烦,但是对系统进行配置和升级…...
2022/11/19 21:17:15 - 台式电脑显示配置100%请勿关闭计算机,“准备配置windows 请勿关闭计算机”的解决方法...
有不少用户在重装Win7系统或更新系统后会遇到“准备配置windows,请勿关闭计算机”的提示,要过很久才能进入系统,有的用户甚至几个小时也无法进入,下面就教大家这个问题的解决方法。第一种方法:我们首先在左下角的“开始…...
2022/11/19 21:17:14 - win7 正在配置 请勿关闭计算机,怎么办Win7开机显示正在配置Windows Update请勿关机...
置信有很多用户都跟小编一样遇到过这样的问题,电脑时发现开机屏幕显现“正在配置Windows Update,请勿关机”(如下图所示),而且还需求等大约5分钟才干进入系统。这是怎样回事呢?一切都是正常操作的,为什么开时机呈现“正…...
2022/11/19 21:17:13 - 准备配置windows 请勿关闭计算机 蓝屏,Win7开机总是出现提示“配置Windows请勿关机”...
Win7系统开机启动时总是出现“配置Windows请勿关机”的提示,没过几秒后电脑自动重启,每次开机都这样无法进入系统,此时碰到这种现象的用户就可以使用以下5种方法解决问题。方法一:开机按下F8,在出现的Windows高级启动选…...
2022/11/19 21:17:12 - 准备windows请勿关闭计算机要多久,windows10系统提示正在准备windows请勿关闭计算机怎么办...
有不少windows10系统用户反映说碰到这样一个情况,就是电脑提示正在准备windows请勿关闭计算机,碰到这样的问题该怎么解决呢,现在小编就给大家分享一下windows10系统提示正在准备windows请勿关闭计算机的具体第一种方法:1、2、依次…...
2022/11/19 21:17:11 - 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”的解决方法...
今天和大家分享一下win7系统重装了Win7旗舰版系统后,每次关机的时候桌面上都会显示一个“配置Windows Update的界面,提示请勿关闭计算机”,每次停留好几分钟才能正常关机,导致什么情况引起的呢?出现配置Windows Update…...
2022/11/19 21:17:10 - 电脑桌面一直是清理请关闭计算机,windows7一直卡在清理 请勿关闭计算机-win7清理请勿关机,win7配置更新35%不动...
只能是等着,别无他法。说是卡着如果你看硬盘灯应该在读写。如果从 Win 10 无法正常回滚,只能是考虑备份数据后重装系统了。解决来方案一:管理员运行cmd:net stop WuAuServcd %windir%ren SoftwareDistribution SDoldnet start WuA…...
2022/11/19 21:17:09 - 计算机配置更新不起,电脑提示“配置Windows Update请勿关闭计算机”怎么办?
原标题:电脑提示“配置Windows Update请勿关闭计算机”怎么办?win7系统中在开机与关闭的时候总是显示“配置windows update请勿关闭计算机”相信有不少朋友都曾遇到过一次两次还能忍但经常遇到就叫人感到心烦了遇到这种问题怎么办呢?一般的方…...
2022/11/19 21:17:08 - 计算机正在配置无法关机,关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机...
关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!关机提示 windows7 正在配…...
2022/11/19 21:17:05 - 钉钉提示请勿通过开发者调试模式_钉钉请勿通过开发者调试模式是真的吗好不好用...
钉钉请勿通过开发者调试模式是真的吗好不好用 更新时间:2020-04-20 22:24:19 浏览次数:729次 区域: 南阳 > 卧龙 列举网提醒您:为保障您的权益,请不要提前支付任何费用! 虚拟位置外设器!!轨迹模拟&虚拟位置外设神器 专业用于:钉钉,外勤365,红圈通,企业微信和…...
2022/11/19 21:17:05 - 配置失败还原请勿关闭计算机怎么办,win7系统出现“配置windows update失败 还原更改 请勿关闭计算机”,长时间没反应,无法进入系统的解决方案...
前几天班里有位学生电脑(windows 7系统)出问题了,具体表现是开机时一直停留在“配置windows update失败 还原更改 请勿关闭计算机”这个界面,长时间没反应,无法进入系统。这个问题原来帮其他同学也解决过,网上搜了不少资料&#x…...
2022/11/19 21:17:04 - 一个电脑无法关闭计算机你应该怎么办,电脑显示“清理请勿关闭计算机”怎么办?...
本文为你提供了3个有效解决电脑显示“清理请勿关闭计算机”问题的方法,并在最后教给你1种保护系统安全的好方法,一起来看看!电脑出现“清理请勿关闭计算机”在Windows 7(SP1)和Windows Server 2008 R2 SP1中,添加了1个新功能在“磁…...
2022/11/19 21:17:03 - 请勿关闭计算机还原更改要多久,电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机怎么办...
许多用户在长期不使用电脑的时候,开启电脑发现电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机。。.这要怎么办呢?下面小编就带着大家一起看看吧!如果能够正常进入系统,建议您暂时移…...
2022/11/19 21:17:02 - 还原更改请勿关闭计算机 要多久,配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以...
配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!配置windows update失败 还原更改 请勿关闭计算机&#x…...
2022/11/19 21:17:01 - 电脑配置中请勿关闭计算机怎么办,准备配置windows请勿关闭计算机一直显示怎么办【图解】...
不知道大家有没有遇到过这样的一个问题,就是我们的win7系统在关机的时候,总是喜欢显示“准备配置windows,请勿关机”这样的一个页面,没有什么大碍,但是如果一直等着的话就要两个小时甚至更久都关不了机,非常…...
2022/11/19 21:17:00 - 正在准备配置请勿关闭计算机,正在准备配置windows请勿关闭计算机时间长了解决教程...
当电脑出现正在准备配置windows请勿关闭计算机时,一般是您正对windows进行升级,但是这个要是长时间没有反应,我们不能再傻等下去了。可能是电脑出了别的问题了,来看看教程的说法。正在准备配置windows请勿关闭计算机时间长了方法一…...
2022/11/19 21:16:59 - 配置失败还原请勿关闭计算机,配置Windows Update失败,还原更改请勿关闭计算机...
我们使用电脑的过程中有时会遇到这种情况,当我们打开电脑之后,发现一直停留在一个界面:“配置Windows Update失败,还原更改请勿关闭计算机”,等了许久还是无法进入系统。如果我们遇到此类问题应该如何解决呢࿰…...
2022/11/19 21:16:58 - 如何在iPhone上关闭“请勿打扰”
Apple’s “Do Not Disturb While Driving” is a potentially lifesaving iPhone feature, but it doesn’t always turn on automatically at the appropriate time. For example, you might be a passenger in a moving car, but your iPhone may think you’re the one dri…...
2022/11/19 21:16:57