1樓：The walk
你這沒有圖啊，但是我盲猜你要的是這題
三個正方形,K為AJ中點，求證EK⊥CH，很顯然是一道關聯正方形
我們可以先來想乙個弱化的版本：將中間的正方形退化成乙個點E，我們來證明EK⊥CH
我說兩個方法吧，首先是絕大部分人的做法。倍長中線。
為了看得更清楚，我就不用虛線了
將EK延長至E'，使得E'K=EK，得到
可知∠E'AE與∠AEJ互補，∠AEJ與∠CEH互補，所以 ，易得
再接著∠AEK與∠CEL互補且等於∠ECL，所以∠CLE=90°
方法二，將△AEJ繞E順時針旋轉90°,得到△EA'H，不難得到三角形可以穩穩的貼在EH上。
取A'H的中點L，由於旋轉可得KE⊥EL，∠CEH與∠AEJ互補，∠AEJ=∠A'EH,得到CEA'三點共線，且E是A'C中點，這樣EL就是中位線，EL\\CH，所以EK⊥CH。
回到原題，我們可以用類似的方法證明
連線AE,CG,GH,EJ。注意到手拉手模型，我們可以得到AE與CG垂直且相等，GH與JE垂直且相等
第乙個方法：倍長中線EK至L，易得
∠LAE與∠AEJ互補，由於∠GME=∠GNE=90°，∠AEJ與∠CGH互補，∴∠LAE=∠CGH
這樣 得到
關注四邊形CMEO，由全等可知∠MCO與∠MEO互補，所以∠CME與∠COE互補，這樣∠COE=180°-90°=90°，也就證明了EK⊥CH
證法二：延長CG到L使得CG=GL，不難得到
取LH中點O，不難得KE⊥OG，同時OG是中位線，OG\\CH，這樣EK⊥CH
交叉驗證法中的資料預處理如何去做呢？
毛仁傑 非得較真的話，取決於具體的某個 預處理 步驟，是對單獨乙個樣品的資料做的，還是要對乙個資料集做 通常我們特指預處理的時候都是說的後者，所以必須在每一折裡都做 總的來說，反正交叉驗證的時候，每一次的驗證集就是你這次模擬裡的 測試集 該怎麼處理就怎麼處理 注意一點即可，對訓練集和測試集要用相同的...
五折交叉驗證中，五折效果差別很大，應該如何分析？
椒鹽砒霜葉小沐 我們期望交叉驗證的結果和實際效果正相關，從而可以側面評估模型的真實效果。如果五折效果差異很大，我們就會擔心實際效果可能也與交叉驗證效果均值存在較大的差異，導致實際上線或競賽中的測試集效果很差。五折效果差別很大則說明五折的資料分布差異較大，出現這種情況一般有以下兩種原因 1.資料量較小...
所謂的機器學習，機器為什麼可以學習？
桂能 1.所謂學習，就是讓機器像人一樣去做事 2.這裡的做事，需要形式化一下，就是我們首先要定義乙個任務，比如說0 1分類，那麼任務描述起來就是對於乙個東西 樣例 x我們給他乙個標記0或者1。這就是最簡單的任務了，所以如果形式化就是，我們要找乙個對映f x y 其中y屬於 0,1 3.那麼現在所謂機...