站长工具

New Bing 全面开放？我看未必

作者：kanlon2015

前段时间大家应该都被ChatGPT刷屏了，其实就回答来说New Bing 才是最厉害的，因为它底层使用了ChatGPT 并且可以支持联网查询数据，回答中还能支持看到出处，方便确认其真实性。

New Bing 是微软基于 OpenAI ChatGPT 技术开发的新一代问答AI搜索引擎，其底层模型为 GPT-4。

最近几天应该到处可见

“重磅！New Bing 全面开放！”
“微软bing爆炸级更新！全面开放使用！”
“NewBing 突然全面更新！”

这样标题的文章。里面的内容大部分都是说New Bing 全面开放了，所有人都可以使用了，然后加上介绍最近新更新的功能（文生图、多模态内容，还有其他更新内容还不能体验，就不介绍了，毕竟介绍了短时间内也不一定能用上，就是说主要更新了这两个功能?）

bing 全面搜索

但是经过我体验，发现其实New Bing 跟差不多一个月之前的开放状态是一样，我是在4月19日的时候看到别人介绍如何使用New Bing就开始下载New Bing 国际版，然后注册一个新的微软账号去使用New Bing的，当时的时候随便注册一个新的账号，然后点击申请试用New Bing 就是立即通过了（全程在使用“魔法”的前提）。如果是使用国内的ip去注册和使用的话，当时和现在都是使用不了，就是说这个开放状态根本就没变化。

初次使用New Bing 客户端记录

当时初看到那么多文章跟风说全面开放了，我还真以为是全面开放，准备放弃写如何使用New Bing 的文章了的，结果实际用的时候，发现我怎么去试都用不了，一度以为是我的电脑问题，结果是他们绝大部分的文章都没说清楚?。。。。。

接下来，简单说一下New Bing 和ChatGPT 在实际工作中的一些使用场景，其实我平常也主要用ChatGPT 比较多，因为我New Bing 只能在edge 浏览器使用，而且需要我登录另外一个微软账号，实在有点麻烦，我一般在需要用到实时联网数据的时候才使用New Bing。（看我之前的关于ChatGPT文章就知道ChatGPT是比较容易用上的，只要在谷歌账号登录就可以了，需要的话 关注 CrudBoys ，回复ChatGPT 就可以获取到了）

  1. 列出某些考试/面试的模拟题目，然后自己去作答，让它帮忙判断对错，实现模拟考试/面试助手

列出考试的模拟题目

  1. 帮你回答某些功能的语法代码，有时候忘记了某个代码语法的使用，可以让它帮忙查找，比自己去搜索引擎查找快很多，还能根据自己的特定场景来实现回答，搜索引擎不一定有完全满足你答案的回答，但是ChatGPT 可以实现

java 8 相关的语法

  1. 实时联网查找某些方案和某些方面的功能系统有哪些的时候，使用New Bing 效率更高，不用自己去搜索看每篇文章去分析

开源、热门的可视化分析系统

上面这几种就是我平常会用到ChatGPT和New Bing 的使用场景了，实际在工作的时候，借助它们的帮忙，可以发现实际工作效率是提高很多了的，当然还有很多其他方面也可以使用它们来提效，我这里可能没考虑到。

实际你用多之后，发现是真的回不去了，使用它们的效率太高了?

最后介绍一下，如果要使用New Bing ,可以在国外IP环境下，PC 下载更新最新版的edge 浏览器 或者下载 安卓下载Bing 国际版（安卓版的Bing 国际版可以在 CrudBoys 回复 “bing国际版” ，注意安装的时候不要升级，IOS 用户我这边没），注册一个新的微软账号（注意：最好注册新的，历史在国内注册的账号，好像是用不了New Bing），在 bing.com 首页就可以看到New Bing 的聊天的了。如果没就杀掉程序，清空一下缓存。

本文转载于网络 如有侵权请联系删除

相关文章

  • SAP Spartacus里的bootstrap button usage

    package.json里对bootstrap的引用：The.btnclassesaredesignedtobeusedwiththeelement.However,youcanalsousetheseclassesonorelements(thoughsomebrowsersmayapplyaslightlydifferentrendering). Whenusingbuttonclassesonelementsthatareusedtotriggerin-pagefunctionality(likecollapsingcontent),ratherthanlinkingtonewpagesorsectionswithinthecurrentpage,theselinksshouldbegivenarole=“button”toappropriatelyconveytheirpurposetoassistivetechnologiessuchasscreenreaders.<aclass="btnbtn-primary"href="#"r

  • MySQL---数据库从入门走向大神系列(十七)-JavaWeb分页技术实例演示2

    分页,是一种将所有数据分段展示给用户的技术.用户每次看到的不是全部数据,而是其中的一部分,如果在其中没有找到自己想要的内容,用户可以通过指定页码或是点上/下一页的方式进行翻页。本例演示静态分页，也就是先设置好每页显示10行，再根据总行数，来算出总页数，并且只显示10个页码。增加查询功能，并且查询后的页面也进行分页。页码也进行分页！查询功能的实现，需要我们在servlet向后台传输一个person,封装我们的查询条件相关算法(技术):总行数(num):selectcount(1)fromstud; 每页显示的行数(n):固定值---已知的一个常量 页数:pageSize=num/n+((num%n==0)?0:1) 当前页号:currentPage 当前要显示的页面数据的起始行号和终止行号 startN:(currentPage-1)*pageSize 如何显示从startN开始的pageSize条记录 select*fromstudlimitstartN,pageSize; 增加了： 开始的页码： showStart 结束的页码： showEnd复制像这样： 数据库数据：创

  • 花小猪扛起滴滴下沉大旗？

    配图来自Canva滴滴CEO程维在公司战略会上，定下了关乎未来三年发展的“0188”战略。其具体包含三方面的含义：第一，没有安全一切归“0”，要守住出行安全这个底线；第二，滴滴要在未来三年，实现全球范围内每天服务1亿单；第三，滴滴要在未来三年，将自身的市场份额，在国内全出行行业的渗透率提升到8%，同时其全球服务用户MAU（月活跃用户数）要在三年内超过8亿。要想达成这一战略，安全是基石，“寻增量”则是关键。滴滴经过多年发展，在一二线城市已经占据绝对优势，但在下沉市场还存在数量庞大的价格敏感型客户有待开发，这也成了滴滴开拓新市场重点发力的方向。2020年3月，滴滴正式推出“花小猪打车”，主打低价网约车，其目标就直指下沉市场。滴滴增长遇瓶颈，下沉找出路据悉，截止2019年12月，滴滴凭借9252.9万用户规模，已经占据了国内出行市场的绝大部分份额。与此同时，一二线城市的出行用户已经开发完毕，其增长的空间越来越有限，滴滴面临着越来越严峻的增长困局。另外，国内网约车市场一直保持着“一超多强”的市场竞争格局，“一超”即滴滴拿下绝大部分市场份额，由其他出行平台为代表的“多强”则分食剩余的市场份额，并

  • 刷题一个4ms的程序，代码如何优化到3ms再到2ms？

    前言 你在打王者荣耀的时候，是否经常会遇到这种情况：和对面同位置对线的时候，自己也没有太大失误，但是为啥对面经济比我高？能够压着我打？——是我太菜了 这可能就是你们细节上的差距，别人可能对兵线、技能、英雄机制搞得更清楚，每一步都清清楚楚，刷题也是一样，同样的方法，为啥别人的比你快很多，也需要注意一下细节。笔者最近再刷LeetCode，对于正常一道题来说，时间的耗费有两个差距：时间复杂度的差距时间复杂度上的差距，因为很多题正常的暴力是O(n2)甚至更慢的时间复杂度，这些方法就算能过但是时间耗费很长，如果你发现你的算法过的时间在后30%那就说明你的方法不对了。在复杂度的差距差的可能几百毫秒，几十毫秒，而快的可能是几毫秒。细节上的差距 很多题可能大家能够想到的比较好的方法的时间复杂度可能差不多，自己也是几毫秒但是自己的排名依然在50%-60%左右，这到底是为什么呢？是因为你的细节还需要优化，你整体复杂度虽然掌握了，但是你可能多算了几次循环，几次运算。所以当条件允许你需要静下来思考下怎么样才能让自己的程序跑在前90%以上。怎样去优化这个时间。具体笔者就拿今天刷的这道力扣题来讲讲，力扣的第11题

  • CIFAR-10 数据集实战——构建ResNet18神经网络

    如果不了解ResNet的同学可以先看我的这篇博客ResNet论文阅读首先实现一个ResidualBlockimporttorch fromtorchimportnn fromtorch.nnimportfunctionalasF classResBlk(nn.Module): def__init__(self,ch_in,ch_out,stride=1): super(ResBlk,self).__init__() self.conv1=nn.Conv2d(ch_in,ch_out,kernel_size=3,stride=stride,padding=1) self.bn1=nn.BatchNorm2d(ch_out) self.conv2=nn.Conv2d(ch_out,ch_out,kernel_size=3,stride=1,padding=1) self.bn2=nn.BatchNorm2d(ch_out) ifch_out==ch_in: self.extra=nn.Sequential() else: self.extra=nn.Sequential( #1×1

  • JS编程: 递归

    想成为一个更好的开发者，那么理解数据结构、算法和基本编程思想是必须的。现在大多数问题都被现代工具和各种库解决了，但是对这些领域有一个更深的了解，将会大大拓宽你软件开发的视野。就我自己而言，掌握这些概念是相当困难的，因为在我每天的工作里，几乎都不用这些。我正在写的这一系列文章就是为了提升我和那些跟我一样的人对这些方面的理解。什么是递归递归是主要的编程思想之一。毫无疑问，你已经在一些算法书籍和文章里，以及计算斐波纳契数列或者相似内容的例子里，看到了一些可怕的词汇。但作为一个网页开发人员，在你的日常编码工作或者实现排序算法时，可能并没有用到斐波纳契数列，至少我没有。当我第一次开始阅读关于递归时，在理解哪里能被正确的使用时遇到了问题。我知道这个方法的好处以及在某些特定算法里的用途，但是很难找到更应该使用递归而不是迭代的场景。在继续之前——本文希望你对递归和JavaScript有一个基本的了解。所以，让我们从一个我觉得容易理解的定义开始：递归就是一个函数调用自身，直到达到某个特定状态。让我们把它分为两部分，然后分别讨论。一个调用自身的函数意思是在函数体内，我们将调用同一个函数——初始化（ince

  • NMF（非负矩阵分解）算法

    NMF，非负矩阵分解，它的目标很明确，就是将大矩阵分解成两个小矩阵，使得这两个小矩阵相乘后能够还原到大矩阵。而非负表示分解的矩阵都不包含负值。信息时代使得人类面临分析或处理各种大规模数据信息的要求，如卫星传回的大量图像、机器人接受到的实时视频流、数据库中的大规模文本、Web上的海量信息等。处理这类信息时，矩阵是人们最常用的数学表达方式，比如一幅图像就恰好与一个矩阵对应，矩阵中的每个位置存放着图像中一个像素的空间位置和色彩信息。由于实际问题中这样的矩阵很庞大，其中存放的信息分布往往不均匀，因此直接处理这样的矩阵效率低下，这对很多实际问题而言就失去了实用意义。为高效处理这些通过矩阵存放的数据，一个关键的必要步骤便是对矩阵进行分解操作。通过矩阵分解，一方面将描述问题的矩阵的维数进行削减，另一方面也可以对大量的数据进行压缩和概括。在科学文献中，讨论利用矩阵分解来解决实际问题的分析方法很多，如PCA(主成分分析)、ICA(独立成分分析)、SVD(奇异值分解)、VQ(矢量量化)等。在所有这些方法中，原始的大矩阵V被近似分解为低秩的V=WH形式。这些方法的共同特点是，因子W和H中的元素可为正或负，即

  • CSS魔法堂：Transition就这么好玩

    前言 以前说起前端动画必须使用JS，而CSS3为我们带来transition和@keyframes，让我们可以以更简单（声明式代替命令式）和更高效的方式实现UI状态间的补间动画。本文为近期对Transition的学习总结，欢迎各位拍砖。属性介绍 首先先我们简单粗暴了解transition属性吧！transition:<transition-property><transition-duration><transition-timing-function><transition-delay>; /*设置启用Transition效果的CSS属性 *注意：仅会引发repaint或reflow的属性可启用Transition效果 *[CSS_animated_properties](https://developer.mozilla.org/en-US/docs/Web/CSS/CSS_animated_properties) */ <transition-property>:all|none|<property>[,&

  • 自助分析工具将终结商业智能（BI）吗？

    回顾过去十年，数据科学飞速发展，数据科学领域的职业人似乎也是一路升职加薪，顺风顺水。《哈佛商业评论》杂志（HarvardBusinessReview）称数据科学家为本世纪“最性感”的工作，很多公司也在招兵买马，急于壮大他们的数字科学队伍。数字科学的黄金时代是否已经过去了呢？对于科班出身的数据科学家来说，目前最大的威胁是自助式分析工具和非专业出身的公民数据科学家（citizendatascientist）的出现。美国高德纳咨询公司（Gartner）预测，2017年，公民数据科学家增长速度是专业出身数据科学家增长的五倍，而全球分析和咨询公司Quantzig在其2017年数据分析行业趋势中，将自助式数据分析软件排在了第一位。自助式大数据平台在操作时不需要任何编码知识，其成本优势是极具竞争力的。根据Glassdoor.com的统计，一个数据科学家的平均年薪是$119,000。受过一些训练能够使用自助式分析工具的员工，也可以完成大部分数据科学家的工作，但是他们要求的薪水却不像数据专业出身的数据科学家那么高。事实上，让在某个行业有丰富经验的人来分析数据，可能效果更好。IBM就是这么做的。IBM更倾

  • 英特尔推出升级版VPU：引入神经计算引擎，提速10倍

    安妮编译整理 量子位出品|公众号QbitAI今天凌晨，英特尔推出MovidiusMyriadX视觉处理单元（VPU），它是一种低功耗系统芯片（SoC），引入了神经计算引擎（NeuralComputeEngine）的新结构。神经计算引擎是一种集成在芯片上的DNN加速器，有了它的助力，MyriadX功率低且性能强，可为无人机、相机、安全系统、VR/AR设备、360度摄像头等设备的视觉和AI应用提供高效解决方案。这也被视为英特尔在边缘计算（EdgeComputing）领域的重要步骤。 一个多月前，已被英特尔收购的Movidius发布了售价仅79美元的U盘型计算棒运行神经网络，其处理内核是Myriad2VPU。英特尔称MyriadX是Mariad2的升级版，在性能上有所提升。△上月发布的Myriad2计算棒MyriadX性能如何呢？官方公布的信息显示，MyriadX长8.7毫米，宽8.5毫米，比成年人的拇指盖还要小。它理论上每秒可执行超过4万亿次操作，同样的功率下，MyriadX运行神经网络的速度比Myriad2快10倍。△MyriadX介绍图，左上为芯片与美元5分硬币的大小对比速度的提升很大

  • 图片上的算法之JPEG压缩

    大家好，文章来源于tiankonguse的公众号(tiankonguse-code)。作者：tiankonguse，曾是一名ACMer，现在是鹅厂视频部门的后台开发。这里主要记录工作中的技术架构与经验、计算机相关的技术、数学、算法、生活上好玩的东西。前言听了JPEG图片的压缩算法，发现蛮有意思的，这里分享一下。一、整体思想JPEG有损压缩算法是一个可逆的算法，所以这里重点介绍压缩部分，对于逆过程这里就不谈了。整体压缩流程如下：色彩空间转换缩减取样DCT变换量化熵编码技术下面分别讲一下这几部分都是做什么的吧！这里先强调一个思想： 有损压缩的本质就是抛弃那些不影响大局的信息。 从而做到使用更小的储存来表达对应的信息。二、色彩空间转换颜色具体显示的时候需要是RGB的形式，比如每个像素由三个8字节的数字组成。这样的表示相当于使用三个互相独立的颜色矩阵组合成了一张图片。每个颜色矩阵是等价的，且任何一个颜色矩阵数据有较大偏差时，我们人眼都能明显感知到。生物学上，研究发现人眼对亮度差异比较敏感，但是颜色的差异变化并不是那么敏感。 所以就有人想到转化为亮度和颜色的表示形式。大概有下面几种算法：YIQ，

  • CSS 实现图片对比（二）

     CSS实现图片对比CSS实现图片对比（二）   上一篇文章中，实现了图片的对比功能。按照设想是可以实现任意图片的对比（主要是指图片大小）。 后面找了几张NSAS历史影像图对比，发现有问题，图片太多的话，图片超出父容器。 下面是对代码进行了调整。   1、通过图片的宽高，和容器的最大宽高比较，设置图片在当前容器显示的最佳范围 2、因为是左右拉动对比，所以图片css设置max-height HTML和JS <template> <divclass="contrast"> <div:style="{width:imgWidth+'px'}"class="container"> <div:style="{width:beforWidth+'%'}"class="img-boximg-before"> <img:src="img[0]"alt=""> </div> <divclass="img-boximg-after"> <img:src="img[1]"alt=""&g

  • 英语学习之‘加减乘除’

    开篇介绍 这篇文章来自CRMFACTORY公司的浩哥，经浩哥同意转载，以下为浩哥英语学习的全文介绍。 序 本文是本人2009年在福州工作时给一些在英语学习中略窥门径，但不知如何提高的朋友的几点建议，在这里再次拿出来，供大家参考。文章的题目之所以叫“加减乘除”，因为当时是受公司HR部门委托，用“加减乘除”作一篇命题作文，阐述学习方法。当时文章的原文没有留档，只好重新写出来，保证原创。 学习在于持之以恒和点滴积累，外语学习更是如此。有心人只要些许点拨就能找到适合自己的学习方法，而无心学习的人即便是拿到了九阳真经、如来神掌这样的秘籍也毫无用处。本文只是给大家提供一些建议和粗略的学习计划，以便大家可以根据自己的实际情况找到最适合自己的学习方法，制定自己的学习计划。 正文 大家在上学的时候大多都学过英语，有的人还学过不止一门的外语，并且有些朋友在学校里的外语成绩是比较好的。但是毕业以后没有进入到一个实际应用外语的环境，久而久之在学校里学的东西就被淡忘了。 国内大多数学校的外语教学模式比较注重记背，和历史、政治的学习方法类似，这本是无可厚非的，语言学习是需要一定的记背功夫，只是要控制好记背的内容和

  • 求答疑

    #include<bits/stdc++.h> usingnamespacestd; intx; intmain() { for(inti=1;i<=10;++i) { x++; cout<<x<<endl; } intx=100-x; cout<<x<<endl; return0; } 复制 运行结果： 1 2 3 4 5 6 7 8 9 10 99 复制 把程序改为： #include<bits/stdc++.h> usingnamespacestd; intx; intmain() { x=10; intx=100-x; cout<<x<<endl; return0; } 复制 输出结果为100 最后的问题为$$intx=100-x;$$ 第二个x到底是个啥？到底应该等于多少？ 求高手赐教？？

  • 人工智能中的“五大门派“

    美国的佩德罗·多明戈斯写了一本书《TheMasterAlgorithm》，中文名为《终极算法》。多明戈斯是华盛顿大学的终身教授，也是一位在机器学习领域具有20年研究经历的资深科学家，一直致力于融合各种机器学习算法的优势，提出一种可以解决所有应用问题的通用算法，即终极算法。这本书也进入了16年比尔盖茨的推荐书单，书中介绍了人工智能中典型的几种“门派”。 他提到平常我们的知识来自三个方面： 进化：存储在你的基因（?）中 经验：存储在人的大脑神经元 文化：从周边的人和事物中学习 这三种方式，每一种都比前一种包含的信息量大，而且学习速度更快。但是如今出现了第四种学习方式：计算机。计算机能帮助我们发现一些知识。YannLeCun，甚至说：“未来大部分知识都会被机器提取出来，也会存储在机器里”。可见未来机器学习会越来越重要。 让计算机学习的方法大致有五种，而且每个领域有一个主算法。 1.符号派 符号派的灵感来源于逻辑学、哲学。一定程度上来说，是最“计算机科学”的，他们的目标是填补已有知识中的空缺部分。他们的工作跟科学家的工作模式类似：做大量观察，然后提出假设来解释他们，通过后续的论证来看是合理

  • Centos7-安装runlike用来查看docker容器启动时候的参数

      dockerimagerun启动之后，想看看当时的参数是什么。需要安装一个runlike。 环境:Centos7、系统自带的python2.7(没有安装python3)、Docker20.10.14 安装runlike步骤: 1、yum-yinstallepel-release 2、yuminstall-ypython-pip 3、pipinstallrunlike这一步报错:     根据提示运行命令pipinstall--upgradepip 无效，还是报错 解决问题： wgethttps://bootstrap.pypa.io/pip/2.7/get-pip.py pythonget-pip.py pipinstallrunlike复制     参考: https://blog.csdn.net/weixin_41104627/article/details/123788668

  • linux 增加新用户

    1、增加新用户 useraddnewname   2、设置新用户密码   passwd用户名复制   3、设置linux记录日志 PS1="`whoami`@`hostname`:"'[$PWD]' USER_IP=`who-uami2>/dev/null|awk'{print$NF}'|sed-e's/[()]//g'` if["$USER_IP"=""] then USER_IP=`hostname` fi if[!-d/tmp/dbasky] then mkdir/tmp/dbasky chmod777/tmp/dbasky fi if[!-d/tmp/dbasky/${LOGNAME}] then mkdir/tmp/dbasky/${LOGNAME} chmod300/tmp/dbasky/${LOGNAME} fi exportHISTSIZE=4096 DT=`date"+%Y-%m-%d_%H:%M:%S"` exportHISTFILE="/tmp/dbasky/${LOGNAME}/${USER_IP}-dbasky.$DT"

  • createjs学习二之flash转canvas学习1

    设置发布 或者 导出参数设置 c_lib_main c_images_main/ 导出之后的文件 打开导出的html文件可以看到如下，，可以正常显示的，，只是stop了还不能动 给舞台上某一元素添加点击事件 怎么找到该元素？ Flash里面右键显示在库里 Ok找到了 我们通过查看属性 点击实例 看到元素名称叫gra_lable2，于是我们通过这个实例名去导出的js里面去搜索它对应的名字 原来把他赋给了一个叫instance_2的东西。。 当如何你还不确定它到底是不是我们要找的要点击元素 你可以把他父元素，也就是我们实例化的最大元素打印出来 我们发现他了。。发现现在他是一个实例的值，，对，，就是那个instance_2实例的值。。于是 我们只要 STAGE_P1M_MCS_1.instance_2就是这个我们要找的元素了。。 接下来我们可以绑定事件了 给元素绑定事件 STAGE_P1M_MCS_1.instance_2.on("click",function(){       alert("d") })

  • 高级软件工程师

    第二章https://files.cnblogs.com/files/GISerp/%E7%AC%AC2%E7%AB%A0%E9%A1%B9%E7%9B%AE%E7%94%9F%E5%91%BD%E6%9C%9F%E5%92%8C%E7%BB%84%E7%BB%87.pdf 第三章https://files.cnblogs.com/files/GISerp/%E7%AC%AC3%E7%AB%A0%E9%A1%B9%E7%9B%AE%E7%AE%A1%E7%90%86%E8%BF%87%E7%A8%8B.pdf 第四章https://files.cnblogs.com/files/GISerp/%E7%AC%AC4%E7%AB%A0%E9%A1%B9%E7%9B%AE%E5%8F%AF%E8%A1%8C%E6%80%A7%E7%A0%94%E7%A9%B6%E4%B8%8E%E8%AF%84%E4%BC%B0.pdf 第五章 https://files.cnblogs.com/files/GISerp/%E7%AC%AC5%E7%AB%A0%E9%A1%B9%E7%9B%AE%E6%95

  • List元素删除不会导致越界但有问题的写法

    今天在论坛里看到一段请教list删除的问题，下面先看代码： publicstaticvoidmain(String[]args){ List<Integer>list=newArrayList<Integer>(5); list.add(1); list.add(2); list.add(3); list.add(4); list.add(5); Integertarget=3; for(inti=0;i<list.size();i++){ if(target.equals(list.get(i))){ list.remove(i); } } System.out.println(list); } 复制 读了一遍代码，“貌似”没有问题啊，由于是list.size()，每次都计算了下标的上界，并不会导致下标越界的异常。 可是，仍然觉得那里不太对，要不然就不会有那么多前辈推荐使用迭代器的方式来删除元素了。 看了下别人的回答，其中一位同仁点醒了我，我们修改下代码，可以看下结果： publicst

  • 用二项逻辑斯蒂回归解决二分类问题

    逻辑斯蒂回归: 逻辑斯蒂回归是统计学习中的经典分类方法，属于对数线性模型。logistic回归的因变量可以是二分类的， 也可以是多分类的 基本原理 logistic分布 折X是连续的随机变量，X服从logistic分布是指X具有下列分布函数和密度函数:   其中为位置参数，为形状参数。与图像如下，其中分布函数是以为中心对阵，越小曲线变化越快   二项logistic回归模型； 二项logistic回归模型如下:   其中是输入，输出，W称为权值向量，b称为偏置，是w和x的内积   参数估计   ​假设：   ​        ​则似然函数为:   ​        ​求对数似然函数：   ​        ​        ​从而对        求极大值，得到w的估计值。求极值的方法可以是梯度下降法，梯

相关推荐

推荐阅读