当前位置：首页 > news >正文

【机器学习-线性回归-3】深入浅出：简单线性回归的概念、原理与实现

news 来源：原创 2025/6/18 21:28:13

在机器学习的世界里，线性回归是最基础也是最常用的算法之一。作为预测分析的基石，简单线性回归为我们理解更复杂的模型提供了完美的起点。无论你是机器学习的新手还是希望巩固基础的老手，理解简单线性回归都至关重要。本文将带你全面了解简单线性回归的概念、数学原理以及如何用Python实现它。

1. 什么是简单线性回归？

简单线性回归(Simple Linear Regression)是一种用于建立和描述两个连续变量之间线性关系的统计方法。它假设因变量(目标变量)与一个自变量(预测变量)之间存在线性关系。

核心思想：找到一条最佳拟合直线，能够最好地描述这两个变量之间的关系。这条直线的方程可以表示为：

y = β₀ + β₁x + ε

其中：

y 是因变量(我们想要预测的值)
x 是自变量(用于预测的特征)
β₀ 是截距(y轴截距)
β₁ 是斜率(每单位x变化引起的y变化)
ε 是误差项(模型无法解释的随机波动)

2. 简单线性回归的数学原理

2.1 最小二乘法

简单线性回归的核心是通过最小二乘法(Ordinary Least Squares, OLS)来估计回归系数β₀和β₁。最小二乘法的目标是找到使**残差平方和(RSS)**最小的系数。

残差是指实际观测值(yᵢ)与预测值(ŷᵢ)之间的差异：

RSS = Σ(yᵢ - ŷᵢ)² = Σ(yᵢ - (β₀ + β₁xᵢ))²

2.2 系数计算

通过微积分求导，我们可以得到β₀和β₁的闭式解：

斜率(β₁)的计算公式：

β₁ = Σ[(xᵢ - x̄)(yᵢ - ȳ)] / Σ(xᵢ - x̄)²

截距(β₀)的计算公式：

β₀ = ȳ - β₁x̄

其中x̄和ȳ分别是x和y的样本均值。

2.3 模型评估指标

建立模型后，我们需要评估其性能：

R平方(R²)：表示模型解释的方差比例，范围0-1，越接近1越好
```
R² = 1 - (RSS/TSS)
```
其中TSS是总平方和：TSS = Σ(yᵢ - ȳ)²
均方误差(MSE)：预测值与实际值差异的平方的平均值
```
MSE = RSS/n
```
均方根误差(RMSE)：MSE的平方根，与目标变量单位相同

3. 简单线性回归的假设

为了确保模型的可靠性，简单线性回归有以下关键假设：

线性关系：自变量和因变量之间存在线性关系
独立性：观测值之间相互独立(特别是时间序列数据需要注意)
同方差性：残差的方差应保持恒定(不应随预测值增加而变化)
正态性：对于任何固定的x值，y值呈正态分布
无多重共线性：简单线性回归中自动满足(因为只有一个自变量)
无自相关：残差之间不应存在相关性

4. Python实现简单线性回归

现在让我们用Python从头实现简单线性回归，并使用scikit-learn进行验证。

4.1 数据准备

import numpy as np
import matplotlib.pyplot as plt# 生成模拟数据
np.random.seed(42)
x = np.random.rand(100) * 10  # 自变量：0-10之间的随机数
y = 2 * x + 3 + np.random.randn(100) * 2  # 因变量：线性关系加上噪声# 可视化数据
plt.scatter(x, y)
plt.xlabel('X')
plt.ylabel('Y')
plt.title('原始数据散点图')
plt.show()

4.2 从零实现简单线性回归

import numpy as np
import matplotlib.pyplot as pltclass SimpleLinearRegression:def __init__(self):self.intercept_ = None  # β₀self.coef_ = None  # β₁def fit(self, x, y):# 计算均值x_mean = np.mean(x)y_mean = np.mean(y)# 计算协方差和x的方差cov = np.sum((x - x_mean) * (y - y_mean))var = np.sum((x - x_mean) ** 2)# 计算系数self.coef_ = cov / varself.intercept_ = y_mean - self.coef_ * x_meandef predict(self, x):return self.intercept_ + self.coef_ * xdef score(self, x, y):# 计算R平方y_pred = self.predict(x)ss_res = np.sum((y - y_pred) ** 2)ss_tot = np.sum((y - np.mean(y)) ** 2)return 1 - (ss_res / ss_tot)# 生成模拟数据
np.random.seed(42)
x = np.random.rand(100) * 10  # 自变量：0-10之间的随机数
y = 2 * x + 3 + np.random.randn(100) * 2  # 因变量：线性关系加上噪声
# 使用我们的实现
slr = SimpleLinearRegression()
slr.fit(x, y)print(f"截距(β₀): {slr.intercept_:.2f}")
print(f"斜率(β₁): {slr.coef_:.2f}")
print(f"R平方: {slr.score(x, y):.2f}")# 绘制回归线
plt.scatter(x, y)
plt.plot(x, slr.predict(x), color='red')
plt.xlabel('X')
plt.ylabel('Y')
plt.title('手动实现的简单线性回归')
plt.show()

4.3 使用scikit-learn实现

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error, r2_score# 生成模拟数据
np.random.seed(42)
x = np.random.rand(100) * 10  # 自变量：0-10之间的随机数
y = 2 * x + 3 + np.random.randn(100) * 2  # 因变量：线性关系加上噪声# 重塑x的形状(n_samples, n_features)
x_reshaped = x.reshape(-1, 1)# 创建并拟合模型
model = LinearRegression()
model.fit(x_reshaped, y)# 输出结果
print(f"截距(β₀): {model.intercept_:.2f}")
print(f"斜率(β₁): {model.coef_[0]:.2f}")# 预测
y_pred = model.predict(x_reshaped)# 评估
print(f"均方误差(MSE): {mean_squared_error(y, y_pred):.2f}")
print(f"R平方: {r2_score(y, y_pred):.2f}")# 可视化
plt.scatter(x, y)
plt.plot(x, y_pred, color='red')
plt.xlabel('X')
plt.ylabel('Y')
plt.title('scikit-learn实现的简单线性回归')
plt.show()

5. 简单线性回归的局限性

虽然简单线性回归很有用，但它也有一些局限性：

对异常值敏感：极端值可能显著影响回归线
假设线性关系：无法捕捉非线性关系
仅适用于单变量：现实问题通常涉及多个预测变量
可能欠拟合：对于复杂关系过于简单

6. 实际应用案例

简单线性回归在现实世界中有广泛应用：

房价预测：根据房屋面积预测价格
销售预测：根据广告支出预测销售额
教育研究：根据学习时间预测考试成绩
经济分析：根据GDP增长预测就业率

7. 总结

简单线性回归是机器学习中最基础但最重要的算法之一。通过本文，我们了解了：

简单线性回归的基本概念和数学原理
最小二乘法如何用于估计模型参数
模型的假设条件和评估指标
如何从零开始实现简单线性回归
如何使用scikit-learn库快速实现
模型的局限性和实际应用

虽然简单，但线性回归为理解更复杂的模型奠定了坚实的基础。掌握它，你就迈出了成为机器学习实践者的重要一步！

8. 进一步学习

如果你想深入学习线性回归，可以考虑以下方向：

多元线性回归(多个自变量)
正则化方法(岭回归、Lasso回归)
多项式回归(处理非线性关系)
逻辑回归(用于分类问题的线性模型)
广义线性模型(GLM)

希望这篇博客能帮助你扎实掌握简单线性回归的核心概念和实现方法！

【机器学习-线性回归-3】深入浅出：简单线性回归的概念、原理与实现

在机器学习的世界里，线性回归是最基础也是最常用的算法之一。作为预测分析的基石，简单线性回归为我们理解更复杂的模型提供了完美的起点。无论你是机器学习的新手还是希望巩固基础的老手，理解简单线性回归都至关重要。本文将带你全面了解简单…...

编程日记 2025/5/29 12:11:59

【MCP Node.js SDK 全栈进阶指南】中级篇（5）：MCP客户端高级开发

在前面的系列文章中，我们主要关注了服务器端的开发，包括基础服务器构建、资源设计、身份验证与授权以及错误处理与日志系统。本篇文章将转向客户端，探讨MCP TypeScript-SDK在客户端开发中的高级应用。客户端开发是MCP应用的重要组成部分，它连接了用户与服务器，提供了交互…...

编程日记 2025/6/4 10:56:08

RASP技术在DevOps中的安全应用

随着新技术的不断演进，DevOps开发模式不断被利用，Web应用程序的开发相比过往更高效。随之而来的是保护这些应用程序同样面临着巨大挑战，黑客的攻击手段不断多变，而DevOps团队成员却不都是安全专家，难以保证应用程序的安…...

编程日记 2025/5/31 10:10:47

2025.04.26-饿了么春招笔试题-第三题

📌 点击直达笔试专栏 👉《大厂笔试突围》 💻 春秋招笔试突围在线OJ 👉 笔试突围OJ 03. 魔法网格变换计数问题描述 LYA是一位魔法研究学者，她正在研究一种特殊的魔法网格。这个网格有 n n n...

编程日记 2025/5/19 8:31:06

Linux线程与进程：探秘共享地址空间的并发实现与内

Linux系列文章目录 Linux系列前言一、线程的概念二、线程与地址空间2.1 线程资源的分配2.2 虚拟地址到物理地址的转换三、线程VS进程总结前言在Linux操作系统中，线程作为CPU调度的基本单位，起着至关重要的作用。深入理解线程控制机制，是…...

编程日记 2025/5/30 13:42:14

数据结构手撕--【堆】

目录编辑定义结构体： 初始化： 插入数据： 删除： 取堆顶元素： 堆销毁： 判断堆是否为空： TopK问题： 堆其实是完全二叉树物理结构：二叉树的层序遍历&#xff08…...

编程日记 2025/6/3 17:23:44

MySQL基本命令--系统+用户+表

前言：在当今数据驱动的时代，关系型数据库依然是构建信息系统的中坚力量，而MySQL作为开源领域中最广泛使用的数据库管理系统之一，以其高性能、稳定性和易用性赢得了开发者和企业的青睐。无论是在小型博客系统中承担数据存储职责&am…...

编程日记 2025/5/31 19:17:20

4.23-4.26学习总结 HTML—CSS常见标签和样式

页部导航栏： flex样式： 表单标签： （25行是设置点击按钮） 表单项标签： 搜索表单区域： 底部版权区域： 总结：...

编程日记 2025/5/29 19:51:07

使用Django框架表单文章目录使用Django框架表单[toc]1.使用Form类构建表单2.表单字段与Widget控件 1.使用Form类构建表单【创建项目和应用】 PS C:\Users\ls> cd E:\Python\ PS E:\Python> django-admin.exe startproject FormSite PS E:\Python> cd .\FormSite\…...

编程日记 2025/5/25 11:30:22

OpenCV第6课图像处理之几何变换（缩放）

1.简述图像几何变换又称为图像空间变换，它将一幅图像中的坐标位置映射到另一幅图像中的新坐标位置。几何变换并不改变图像的像素值，只是在图像平面上进行像素的重新安排。根据OpenCV函数的不同，本节课将映射关系划分为缩放、翻转、仿射变换、透视等。 2.缩放 2.1 函数…...

编程日记 2025/6/3 15:19:50

Python AI图像生成方案指南

1. 简介 AI图像生成是当前最热门的AI应用领域之一，Python提供了多种工具和库来实现这一功能。本指南将介绍几种主流的AI图像生成方案及其Python实现方法。 2. 主流AI图像生成技术 2.1 生成对抗网络(GANs) 原理：由生成器和判别器组成的对抗系统特点&am…...

编程日记 2025/6/3 16:07:14

【C++】stack、queue和priority_queue的模拟实现

文章目录前言一. stack1.1 stack的介绍1.2 stack的使用1.3 stack的模拟实现二. queue2.1 queue的介绍2.2 queue的使用2.3 queue的模拟实现三. deque3.1 deque的原理介绍3.2 deque的缺陷3.3 为什么选择deque作为stack和queue的底层默认容器四. priority_queue（优…...

编程日记 2025/6/2 16:43:04

Jmeter数据库url开关设置+常用Beanshell

1、数据库url开关设置 （79 90） jdbc:mysql://test.lemonban.com:3306/future?allowMultiQueries-true&characterEncodingUTF-8 多条查询开关：allowMultiQueriestrue 字符集配置:characterEncodingUTF-8 2、用BeanShell提取Map中的方…...

编程日记 2025/6/4 17:26:52

NtripShare 2025第一季度主要技术进展

GNSS方面 1、开源GNSS接收机配置软件基础版本。 2、商业版本GNSS接收机配置软件，增加PPP、文件保存、前端解算（静态、RTK-Static），前端坐标转换。 3、GNSS接收机配置软件全面适配米尔T133i硬件方案。视觉检测方面 1、做出第…...

编程日记 2025/6/4 4:25:47

Linux系统编程之内存映射

概述内存映射是操作系统提供的一种机制，使得文件或设备的内容可以直接映射到进程的虚拟地址空间中。这意味着，我们可以像访问数组一样读写文件内容，而不需要显式地调用I/O函数进行数据传输。内存映射适用于多种应用场景，包括但不…...

编程日记 2025/5/30 4:14:43

一文详解Adobe Photoshop 2025安装教程

Adobe Photoshop下载安装和使用教程 Adobe Photoshop，简称“PS”，是由Adobe Systems开发和发行的图像处理软件。Photoshop主要处理以像素所构成的数字图像。使用其众多的编修与绘图工具，可以有效地进行图片编辑和创造工作&#xff0c…...

编程日记 2025/6/4 1:37:42

ShenNiusModularity项目源码学习（23：ShenNius.Admin.Mvc项目分析-8）

用户列表页面用于检索、新建、编辑、删除系统用户，同时设置用户角色。该页面对应的文件Index.cshtml位于ShenNius.Admin.Mvc项目的Areas\Sys\Views\User内，同目录下还有Modify.cshtml（新建、编辑用户）、SetRole.cshtml&#xff08…...

编程日记 2025/6/2 13:39:48

vue中 vue.config.js反向代理

新建一个node 服务 1 npm init -y //创建一个package.json 2.npm i express 3. 新建一个app.js 4.键入代码 const express require("express") const app express()app.get("/user",(req,res)>{res.send({"name":"good"…...

编程日记 2025/6/2 21:50:16

AIGC赋能智慧医疗：从影像诊断到个性化治疗的革命性突破

一、医疗AIGC技术架构 1.1 医疗场景技术挑战医疗环节行业痛点 AIGC解决方案影像诊断人工阅片效率低多模态病灶分割与分级系统病历管理结构化程度低语音转文本智能编码药物研发周期长成本高分子生成与虚拟筛选个性化治疗方案标准化不足基因组学临床数据融合模型 1…...

编程日记 2025/6/3 20:40:24

Yarn 安装与使用教程

Yarn 安装与使用教程 Yarn 是一个由 Facebook 开发的 JavaScript 包管理工具，它比传统的 npm 更加高效、可靠，并且在性能上有所提升。Yarn 主要解决了 npm 安装速度慢、并发性差、缓存机制不完善等问题，它提供了更快的安装速度、更稳定的依赖…...

编程日记 2025/5/29 4:42:54

机器学习之二：指导式学习

正如人们有各种各样的学习方法一样，机器学习也有多种学习方法。若按学习时所用的方法进行分类，则机器学习可分为机械式学习、指导式学习、示例学习、类比学习、解释学习等。这是温斯顿在1977年提出的一种分类方法。有关机器学习的基本概念，…...

编程日记 2025/6/1 14:56:55

【学习笔记】检索增强生成（RAG）技术

检索增强生成（RAG）技术：原理、实现与发展趋势 1. RAG技术概述检索增强生成（Retrieval-Augmented Generation，RAG）是一种将信息检索与生成模型相结合的技术，旨在增强大型语言模型的知识能力和…...

编程日记 2025/6/2 8:50:57

计算机视觉——对比YOLOv12、YOLOv11、和基于Darknet的YOLOv7的微调对比

概述目标检测领域取得了巨大进步，其中 YOLOv12、YOLOv11 和基于 Darknet 的 YOLOv7 在实时检测方面表现出色。尽管这些模型在通用目标检测数据集上表现卓越，但在 HRSC2016-MS（高分辨率舰船数据集） 上对 YOLOv12 进行微调时&…...

编程日记 2025/6/4 4:45:24

Pygame跨平台打包：将游戏发布到Windows、Mac和Linux

Pygame跨平台打包：将游戏发布到Windows、Mac和Linux 引言在游戏开发的世界中，Pygame 是一个非常受欢迎的库，它使得使用 Python 编写 2D 游戏变得简单而有趣。然而，当你完成了一个游戏并希望将其发布给更多的玩家时，如何将你的游戏打包成可以在不同操作系统上运行的可执…...

编程日记 2025/6/2 19:42:27

关于图论的知识

如果一个无向图有 $n\times (n-1)\div 2$ 条边，称为**完全图** 如果一个完全图任意两个点都可以互相到达，称为**连通图** 一个包含 $dfs$ 与 $bfs$ 的图的遍历程序程序可做到的： 1、每一行输出一个 **搜索树** 2、$dfs$ 与 $bfs$ 并存 c…...

编程日记 2025/5/30 6:54:11

365打卡第R3周: RNN-心脏病预测

🍨 本文为🔗365天深度学习训练营中的学习记录博客 🍖 原作者：K同学啊 🏡 我的环境： 语言环境：Python3.10 编译器：Jupyter Lab 深度学习环境：torch2.5.1 torchvision0…...

编程日记 2025/6/4 6:27:15

如何解决IDE项目启动报错 error:0308010C:digital envelope routines::unsupported 问题

如何解决IDE项目启动报错 error:0308010C:digital envelope routines::unsupported 问题在现代软件开发过程中，开发人员通常使用集成开发环境（IDE）如IntelliJ IDEA、Visual Studio Code（VSCode）等进行Node.js项目开发…...

编程日记 2025/6/3 21:52:57

嵌入式学习笔记 - HAL_xxx_MspInit(xxx)；函数

使用cubeMX生成的HAL库函数中，所有外设的初始化函数HAL_xxx_Init(&xxxHandle)中都存在有此调用函数，此调用函数其实是对各外设模块比如UART，I2C等的底层硬件初始化，包括UART时钟，以及UART用到的GPIO的工作模式以及…...

编程日记 2025/6/3 21:43:33

Dify框架面试内容整理-Dify框架

什么是Dify框架？ Dify框架是一个开源的AI应用开发平台，专注于帮助开发者和非技术人员快速构建、部署和管理基于大语言模型（如GPT系列、国产开源模型）的应用。 Dify框架的特点：...

编程日记 2025/5/18 8:55:23

计算机网络的五层结构（物理层、数据链路层、网络层、传输层、应用层）到底是什么？

文章目录五层结构1. 物理层（Physical Layer）2. 数据链路层（Data Link Layer）3. 网络层（Network Layer）4. 传输层（Transport Layer）5. 应用层（Application Layer&#xf…...

编程日记 2025/5/29 4:42:59

【计算机视觉】CV实战项目 -深度解析PaddleSegSharp：基于PaddleSeg的.NET图像分割解决方案

深度解析PaddleSegSharp：基于PaddleSeg的.NET图像分割解决方案技术背景与项目概述核心功能与特点实战部署指南环境要求硬件要求软件依赖项目结构快速开始1. 获取项目2. 准备模型文件3. 运行示例高级使用技巧模型切换背景替换性能优化常见问题与解决方案技术原理…...

编程日记 2025/6/1 20:57:14

面试新收获-大模型学习

大模型原理 Transformer 架构与自注意力机制 Transformer 是当前大多数大模型采用的核心架构，由编码器-解码器组成，摒弃了传统 RNN 的顺序处理方式。Transformer 中关键在于多头自注意力机制（Multi-Head Self-Attention）&#xf…...

编程日记 2025/5/29 14:15:00

《Keras 3部署全攻略：从新手到实战高手》

《Keras 3部署全攻略：从新手到实战高手》一、引言：开启 Keras 3 部署之旅在深度学习的广阔领域中，Keras 一直以其简洁易用、高度模块化的特性，深受开发者的喜爱，被誉为深度学习的 “福音”。而如今，Keras 3 的强势登场，更是为这个领域注入了全新的活力。它像是一位集…...

编程日记 2025/5/29 16:23:15

如何修改npm的全局安装路径？

修改 npm 的全局安装路径可以通过以下步骤完成，确保全局包（使用 -g 安装的模块）和缓存文件存储到自定义路径。以下是详细步骤： 1. 创建自定义路径的目录在目标路径下创建两个文件夹，分别用于存储全局模块和缓存文件…...

编程日记 2025/5/30 16:40:26

计算机网络 | Chapter1 计算机网络和因特网

💓个人主页：mooridy-CSDN博客 💓文章专栏：《计算机网络：自定向下方法》大纲式阅读笔记_mooridy的博客-CSDN博客 🌹关注我，和我一起学习更多计算机网络的知识 🔝🔝 目录 …...

编程日记 2025/6/4 18:02:23

前端面试 HTML篇

src和href的区别 src和href都是用来加载外部资源，区别如下 src：当浏览器解析到该元素时，会暂停其他资源的加载和处理，直到该资源加载完成。它会将资源内容嵌入到当前标签所在的位置，将其指向的资源下载应用到文档内…...

编程日记 2025/6/2 23:37:50

Prometheus、Zabbix 和 Nagios 这三个工具的对100个节点的部署设计的信息流

Prometheus 1. 基本组件及角色 Prometheus主要由Prometheus Server、Exporter、Alertmanager和Grafana（可选）等组件构成。 Prometheus Server：负责数据的收集、存储和查询，以及规则的评估。Exporter：部署在被监控节点上，负责收集节点的各种指标数据。Alertmanager：负责…...

编程日记 2025/6/1 8:30:05

Tableau 基础表制作

目录 1.数据连接 2. 数据可视化 3. 基础表制作 3.1 对比分析：比大小 1. 柱状图 2. 条形图 3. 热力图 4. 气泡图 5. 词云 3.2 变化分析：看趋势 1. 折线图 2. 面积图 3.3 构成分析：看占比 1. 饼图 2. 树地图 3. 堆积图 3.4 关…...

编程日记 2025/6/2 10:41:04

openAICEO山姆奥特曼未来预测雄文之三个观察

《三个观察》山姆奥特曼这篇文章主要讲的是关于AGI（人工通用智能）的未来发展及其对社会的影响，用大白话总结如下： 核心观点： AGI是什么？ AGI是一种能像人类一样解决各种复杂问题的智能系统，比…...

编程日记 2025/6/1 11:07:42

springboot入门-service层构造器注入原理

在 Spring Boot 中，通过构造器注入的方式将 Repository（JPA）或 Mapper（MyBatis）注入到 Service 层的原理及示例如下： 1. 构造器注入的原理依赖注入（DI）机制： Spring 容…...

编程日记 2025/6/2 21:16:09

JavaScript 笔记 --- part6 --- JS进阶 (part1)

JS 进阶(part1) 作用域局部作用域定义: 局部作用域指的是在函数内部定义的变量，只能在函数内部访问，外部不能访问。特点: 局部作用域变量只能在函数内部或代码块中访问，外部不能访问。分类: 函数作用域: 指的是在函数内部定义的变量&…...

编程日记 2025/5/29 10:37:51

使用matplotlib绘制Raincloud图/云雨图/柱状图/小提琴图

需求： 使用Python的matplotlib绘制数据分布、数据箱型图、数据散点图参考： https://blog.csdn.net/weixin_39559994/article/details/128197965?fromshareblogdetail&sharetypeblogdetail&sharerId128197965&sharereferPC&sharesource…...

编程日记 2025/6/2 1:23:48

BT152-ASEMI机器人率器件专用BT152

编辑：LL BT152-ASEMI机器人率器件专用BT152 型号：BT152 品牌：ASEMI 封装：TO-220F 批号：最新引脚数量：3 封装尺寸：如图特性：单向可控硅工作结温：-40℃~150℃ …...

编程日记 2025/6/3 5:39:36

【Redis——通用命令】

文章目录 Redis为什么快？生产环境的概念Redis中最核心的两个命令get：通过key拿valueset：将key和value存入数据库其他通用命令keysexist判定key是否存在delexpire：为指定的key设置一个过期时间TTL（Time To Live&#x…...

编程日记 2025/5/29 12:57:49

qt之开发大恒usb3.0相机一

1.在大恒相机给的sample里没有看见qt开发的demo. 第一步先运行c sdk中中的demo，看了下代码，大恒使用的UI框架是MFC.然后 vs2022编译。运行结果第一步，先用qt进行坐下页面布局，如下图（保存图片的地方做了些更改&#…...

编程日记 2025/5/29 4:43:05

系列位置效应——AI与思维模型【80】

一、定义系列位置效应思维模型是指在一系列事物或信息的呈现过程中，人们对于处于系列开头和结尾部分的项目的记忆效果优于中间部分项目的现象。具体而言，开头部分的记忆优势被称为首因效应，结尾部分的记忆优势被称为近因效应。这种效应反映…...

编程日记 2025/6/3 1:27:32

解决conda虚拟环境安装包却依旧安装到base环境下

最近跑项目装包装到几度崩溃，包一直没有安装到正确位置，为此写下这篇文章记录一下，也希望能帮到有需要的人。（此文章开发环境为anaconda和window） 方法一先conda deactivate,看到（base）消失…...

编程日记 2025/6/3 13:26:48

设计看似完美却测不过？ Intra-Pair Skew 是「讯号完整性（Signal Integrity）」里最隐形的杀手

各位不知道有没有遇过，一对很长的差分走线，看起来很正常，但是测试结果偶尔会fail偶尔会pass，不像是软件问题，也不像是制程问题。看了一下Layout，发现阻抗匹配控制的非常好，TDR测试也显示阻抗好…...

编程日记 2025/5/31 4:27:25

使用MyBatis注解方式的完整示例，涵盖CRUD、动态SQL、分页、事务管理等场景，并附详细注释和对比表格

以下是使用MyBatis注解方式的完整示例，涵盖CRUD、动态SQL、分页、事务管理等场景，并附详细注释和对比表格： 项目结构 mybatis-annotation-demo/ ├── src/ │ ├── main/ │ │ ├── java/ │ │ │ └── com.example/…...

编程日记 2025/5/30 18:42:51

【头脑风暴】加权平均

一些加权平均而不是算术平均的思路，启发来源：ACLS,WACLS。简单平均假设所有样本的误差和噪声特性相同，但在实际电路中，不同阶段、不同时间点的样本价值（对最终精度的贡献）是不同的。加权平均的核心思想…...

编程日记 2025/5/30 23:48:37