08 2016 档案

机器学习面试题总结2
摘要:1 LR与SVM区别 逻辑回归相对来说模型更简单,好理解,实现起来,特别是大规模线性分类时比较方便.而SVM的理解和优化相对来说复杂一些.但是SVM的理论基础更加牢固,有一套结构化风险最小化的理论基础,虽然一般使用的人不太会去关注.还有很重要的一点,SVM转化为对偶问题后,分类只需要计算与少数几个支 阅读全文

posted @ 2016-08-18 19:56 瞧那头猪 阅读(243) 评论(0) 推荐(0)

深度优先搜索生成排列与组合
摘要:运行实例: 运行实例 运用dfs考题 一个袋子里面有n个球,每个球上面都有一个号码(拥有相同号码的球是无区别的)。如果一个袋子是幸运的当且仅当所有球的号码的和大于所有球的号码的积。例如:如果袋子里面的球的号码是{1, 1, 2, 3},这个袋子就是幸运的,因为1 + 1 + 2 + 3 > 1 * 阅读全文

posted @ 2016-08-13 14:14 瞧那头猪 阅读(1302) 评论(0) 推荐(0)

递归算法时间复杂度
摘要:【代入法】代入法首先要对这个问题的时间复杂度做出预测,然后将预测带入原来的递归方程,如果没有出现矛盾,则是可能的解,最后用数学归纳法证明。 【举 例】我们有如下的递归问题:T(n)=4T(n/2)+O(n),我们首先预测时间复杂度为O(n2),不妨设T(n)=kn2(其中k为常数),将该结果带入方程 阅读全文

posted @ 2016-08-08 13:52 瞧那头猪 阅读(22416) 评论(1) 推荐(3)

java内存模型二
摘要:并发编程模型的分类 在并发编程中,我们需要处理两个关键问题:线程之间如何通信及线程之间如何同步(这里的线程是指并发执行的活动实体)。通信是指线程之间以何种机制来交换信息。在命令式编程中,线程之间的通信机制有两种:共享内存和消息传递。 在共享内存的并发模型里,线程之间共享程序的公共状态,线程之间通过写 阅读全文

posted @ 2016-08-05 23:03 瞧那头猪 阅读(241) 评论(0) 推荐(0)

java内存模型一
摘要:Java平台自动集成了线程以及多处理器技术,这种集成程度比Java以前诞生的计算机语言要厉害很多,该语言针对多种异构平台的平台独立性而使用的多线程技术支持也是具有开拓性的一面,有时候在开发Java同步和线程安全要求很严格的程序时,往往容易混淆的一个概念就是内存模型。究竟什么是内存模型?内存模型描述了 阅读全文

posted @ 2016-08-05 23:02 瞧那头猪 阅读(236) 评论(0) 推荐(0)

java集合对象实现原理
摘要:1.集合包 集合包是java中最常用的包,它主要包括Collection和Map两类接口的实现。 对于Collection的实现类需要重点掌握以下几点: 1)Collection用什么数据结构实现? 2)Collection的创建、添加对象、删除对象、获取对象、遍历、判断是否存在、排序等操作的原理, 阅读全文

posted @ 2016-08-05 23:01 瞧那头猪 阅读(314) 评论(0) 推荐(0)

java集合对象区别一
摘要:Vector和ArrayList 1、vector是线程同步的,所以他也是线程安全的,而ArrayList是线程异步的,是不安全的。如果不考虑到线程的安全因素,一般用ArrayList效率较高。 2、如果集合中的元素的数目大于目前集合数组的长度时,Vector增长率为目前数组长度的100%,而Arr 阅读全文

posted @ 2016-08-05 23:00 瞧那头猪 阅读(3117) 评论(0) 推荐(1)

java集合对象区别二
摘要:集合包是Java中最常用的包,它最常用的有Collection和Map两个接口的实现类,Collection用于存放多个单对象,Map用于存放Key-Value形式的键值对。 Collection中常用的又分为两种类型的接口:List和Set,两者最明显的差别为List支持放入重复的对象,而Set不 阅读全文

posted @ 2016-08-05 23:00 瞧那头猪 阅读(410) 评论(0) 推荐(0)

c++ 引用与指针
摘要:http://blog.csdn.net/thisispan/article/details/7456169 阅读全文

posted @ 2016-08-05 18:33 瞧那头猪 阅读(110) 评论(0) 推荐(0)

gets和scanf区别
摘要:scanf 和 gets 读取字符串 深入了解scanf()/getchar()和gets()等函数 scanf与gets函数读取字符串的区别 今天看到一段话,大致是说gets比scanf()快,有点吃惊,搜了一下,scanf()和gets的区别大致有着几条: 1.scanf() 会忽略行开头的所有 阅读全文

posted @ 2016-08-05 18:26 瞧那头猪 阅读(6622) 评论(0) 推荐(1)

并发一致性问题
摘要:常见并发并发一致性问题包括:丢失的修改、不可重复读、读脏数据、幻影读(幻影读在一些资料中往往与不可重复读归为一类) 丢失修改 下面我们先来看一个例子,说明并发操作带来的数据的不一致性问题。 考虑飞机订票系统中的一个活动序列:甲售票点(甲事务)读出某航班的机票余额A,设A=16.乙售票点(乙事务)读出 阅读全文

posted @ 2016-08-04 20:40 瞧那头猪 阅读(1734) 评论(0) 推荐(0)

java内存模型(线程,volatile关键字和sychronized关键字)
摘要:volatile关键字 用在多线程,同步变量。 线程为了提高效率,将某成员变量(如A)拷贝了一份(如B),线程中对A的访问其实访问的是B。只在某些动作时才进行A和B的同步。因此存在A和B不一致的情况。volatile就是用来避免这种情况的。volatile告诉jvm, 它所修饰的变量不保留拷贝,直接 阅读全文

posted @ 2016-08-04 16:33 瞧那头猪 阅读(297) 评论(0) 推荐(0)

java内存机制 垃圾回收
摘要:gc机制一 1.JVM的gc概述 gc即垃圾收集机制是指jvm用于释放那些不再使用的对象所占用的内存。java语言并不要求jvm有gc,也没有规定gc如何工作。不过常用的jvm都有gc,而且大多数gc都使用类似的算法管理内存和执行收集操作。 在充分理解了垃圾收集算法和执行过程后,才能有效的优化它的性 阅读全文

posted @ 2016-08-04 14:47 瞧那头猪 阅读(241) 评论(0) 推荐(0)

shell命令
摘要:useradd命令 -c comment 指定一段注释性描述。-d 目录 指定用户主目录,如果此目录不存在,则同时使用-m选项,可以创建主目录。-g 用户组 指定用户所属的用户组。-G 用户组,用户组 指定用户所属的附加组。-s Shell文件 指定用户的登录Shell。-u 用户号 指定用户的用户 阅读全文

posted @ 2016-08-03 21:59 瞧那头猪 阅读(211) 评论(0) 推荐(0)

学习理论
摘要:1 基本概念 输入空间、特征空间与输出空间 在监督学习中,将输入与输出所有可能取值的集合分别称为输入空间与输出空间,可以是有限元素空间也可以是整个欧式空间,输入输出空间可以是同一空间也可以是不同空间,通常输出空间远远小于输出空间 每个具体的实例通常由特征向量表示,特征向量的空间成为特征空间,有时假设 阅读全文

posted @ 2016-08-03 21:46 瞧那头猪 阅读(238) 评论(0) 推荐(0)

机器学习面试问题汇总
摘要:1 最小二乘和梯度下降的区别? 最小二乘法的目标:求误差的最小平方和,对应有两种:线性和非线性。线性最小二乘的解是closed-form即,而非线性最小二乘没有closed-form,通常用迭代法求解。迭代法,即在每一步update未知量逐渐逼近解,可以用于各种各样的问题(包括最小二乘),比如求的不 阅读全文

posted @ 2016-08-03 20:39 瞧那头猪 阅读(243) 评论(0) 推荐(0)

Naive Bayesian classification 朴素贝叶斯分类
摘要:xx 阅读全文

posted @ 2016-08-03 20:38 瞧那头猪 阅读(151) 评论(0) 推荐(0)

svm
摘要:xx 阅读全文

posted @ 2016-08-03 20:37 瞧那头猪 阅读(113) 评论(0) 推荐(0)

LR
摘要:xx 阅读全文

posted @ 2016-08-03 20:37 瞧那头猪 阅读(95) 评论(0) 推荐(0)

分类器性能度量指标
摘要:http://blog.csdn.net/mousever/article/details/46944265 阅读全文

posted @ 2016-08-03 20:36 瞧那头猪 阅读(205) 评论(0) 推荐(0)

adaboost 基于错误提升分类器
摘要:引自(机器学习实战) 简单概念 Adaboost是一种弱学习算法到强学习算法,这里的弱和强学习算法,指的当然都是分类器,首先我们需要简单介绍几个概念。 1:弱学习器:在二分情况下弱分类器的错误率会低于50%。其实任意的分类器都可以做为弱分类器,比如之前介绍的KNN、决策树、Naïve Bayes、l 阅读全文

posted @ 2016-08-03 20:14 瞧那头猪 阅读(3722) 评论(0) 推荐(0)

机器学习常见的最优化算法
摘要:1. 梯度下降法(Gradient Descent) 梯度下降法是最早最简单,也是最为常用的最优化方法。梯度下降法实现简单,当目标函数是凸函数时,梯度下降法的解是全局解。一般情况下,其解不保证是全局最优解,梯度下降法的速度也未必是最快的。梯度下降法的优化思想是用当前位置负梯度方向作为搜索方向,因为该 阅读全文

posted @ 2016-08-03 18:59 瞧那头猪 阅读(11623) 评论(0) 推荐(0)

TCP/IP协议三次握手与四次握手流程解析
摘要:TCP/IP协议三次握手与四次握手流程解析 一、TCP报文格式 TCP/IP协议的详细信息参看《TCP/IP协议详解》三卷本。下面是TCP报文格式图: 图1 TCP报文格式 上图中有几个字段需要重点介绍下: (1)序号:Seq序号,占32位,用来标识从TCP源端向目的端发送的字节流,发起方发送数据时 阅读全文

posted @ 2016-08-03 16:06 瞧那头猪 阅读(213) 评论(1) 推荐(0)

随机森林RF
摘要:bagging 随机森林顾名思义,是用随机的方式建立一个森林,森林里面有很多的决策树组成,随机森林的每一棵决策树之间是没有关联的。在得到森林之后,当有一个新的输 入样本进入的时候,就让森林中的每一棵决策树分别进行一下判断,看看这个样本应该属于哪一类(对于分类算法),然后看看哪一类被选择最多,就预测这 阅读全文

posted @ 2016-08-03 16:03 瞧那头猪 阅读(218) 评论(0) 推荐(0)

Jackknife,Bootstrap, Bagging, Boosting, AdaBoost, RandomForest 和 Gradient Boosting的区别
摘要:Bootstraping: 名字来自成语“pull up by your own bootstraps”,意思是依靠你自己的资源,称为自助法,它是一种有放回的抽样方法,它是非参数统计中一种重要的估计统计量方差进而进行区间估计的统计方法。其核心思想和基本步骤如下:(1) 采用重抽样技术从原始样本中抽取 阅读全文

posted @ 2016-08-03 15:59 瞧那头猪 阅读(2025) 评论(0) 推荐(0)

GBDT入门
摘要:GBDT(MART)迭代决策树入门教程 GBDT(Gradient Boosting Decision Tree) 又叫 MART(Multiple Additive Regression Tree),是一种迭代的决策树算法,该算法由多棵决策树组成,所有树的结论累加起来做最终答案。它在被提出之初就和 阅读全文

posted @ 2016-08-03 15:57 瞧那头猪 阅读(299) 评论(0) 推荐(0)

Java 容器使用中如何选择
摘要:Collection ├List │├LinkedList │├ArrayList │└Vector Collection ├List │├LinkedList │├ArrayList │└Vector │└Stack ├Queue │└Stack ├Queue │├Deque │├Deque │└ 阅读全文

posted @ 2016-08-01 20:50 瞧那头猪 阅读(398) 评论(0) 推荐(0)

生产者消费者线程同步
摘要:生产者与消费者模式简单介绍: 生产者线程生产物品,然后将物品放置在一个空缓冲区中供消费者线程消费。消费者线程从缓冲区中获得物品,然后释放缓冲区。当生产者线程生产物品时,如果没有空缓冲区可用,那么生产者线程必须等待消费者线程释放出一个空缓冲区。当消费者线程消费物品时,如果没有满的缓冲区,那么消费者线程 阅读全文

posted @ 2016-08-01 20:45 瞧那头猪 阅读(253) 评论(0) 推荐(0)

导航