摘要: 前言 以下内容是个人学习之后的感悟,转载请注明出处~ ARM工作模式 ARM工作模式根据功能不同,可分为7类: User Mode:用户模式。操作系统的Task一般以这种模式执行。User Mode是ARM唯一的非特权模式,这表示如 果CPU处于这种模式下,很多指令将不能够执行,因此操作系统的资源得 阅读全文
posted @ 2017-09-06 10:39 steed灬 阅读(709) 评论(0) 推荐(1) 编辑
摘要: 前言 以下内容是个人学习之后的感悟,转载请注明出处~ 线程是什么 线程是程序中一个单一的顺序控制流程。进程内一个相对独立的、可调度的执行单元,是系统独立调度和分派CPU的 基本单位指运行中的程序的调度单位。在单个程序中同时运行多个线程完成不同的工作,称为多线程。 GIL是什么 为了更有效的利用多核处 阅读全文
posted @ 2017-09-04 11:27 steed灬 阅读(205) 评论(0) 推荐(0) 编辑
摘要: 前言 以下内容是个人学习之后的感悟,转载请注明出处~ 简介 目前,机器学习已经应用在很多领域,比如现在比较火的微软的kinect,google的自动驾驶汽车等。那么 在机器学习的应用开发时,需要注意些什么呢? 流水线式开发 比如Photo OCR技术,如下图所示,分为好几个模块,模块的输入是上一个模 阅读全文
posted @ 2017-08-31 20:17 steed灬 阅读(154) 评论(0) 推荐(0) 编辑
摘要: 前言 以下内容是个人学习之后的感悟,转载请注明出处~ 简介 大数据时代已经来临,它将在众多领域掀起变革的巨浪。机器学习对于大数据集的处理也变得越来越重要。大数据 集务必会带来恐怖的计算量,不仅耗费大量资源,而且给数据处理的实时性带来巨大的挑战。 想要解决这个难题,就需要采取以下措施:选择更加适合大数 阅读全文
posted @ 2017-08-31 19:34 steed灬 阅读(1355) 评论(0) 推荐(0) 编辑
摘要: 前言 以下内容是个人学习之后的感悟,转载请注明出处~ 简介 很多网站都有推荐系统,向我们推荐我们想要地或者有可能需要的信息,那么它是怎么实现的呢?因为它们 都采用了推荐算法,在现今的推荐算法之中,最被大家广泛认可和采用的是协同过滤算法。 协同过滤算法 所谓基于内容的推荐,就是说我们的item具备某些 阅读全文
posted @ 2017-08-31 17:11 steed灬 阅读(794) 评论(0) 推荐(0) 编辑
摘要: 前言 以下内容是个人学习之后的感悟,转载请注明出处~ 简介 在生活中,经常会遇到这样一个对象集,有个别的对象是与大部分对象不一样的,且前者是比较罕见的。我们通常 需要去发现它,这就用到了非监督学习的异常检测算法,下面来举一些异常检测的应用: 欺骗检测 制造业质检 动力环境监测 ......... 异 阅读全文
posted @ 2017-08-31 10:22 steed灬 阅读(2357) 评论(0) 推荐(2) 编辑
摘要: 前言 以下内容是个人学习之后的感悟,转载请注明出处~ 简介 在用统计分析方法研究多变量的课题时,变量个数太多就会增加课题的复杂性。人们自然希望变量个数较少而得到的 信息较多。在很多情形,变量之间是有一定的相关关系的,当两个变量之间有一定相关关系时,可以解释为这两个变量反 映此课题的信息有一定的重叠。 阅读全文
posted @ 2017-08-30 17:39 steed灬 阅读(15965) 评论(0) 推荐(1) 编辑
摘要: 前言 以下内容是个人学习之后的感悟,转载请注明出处~ 简介 在之前发表的线性回归、逻辑回归、神经网络、SVM支持向量机等算法都是监督学习算法,需要样本进行训练,且 样本的类别是知道的。接下来要介绍的是非监督学习算法,其样本的类别是未知的。非监督学习算法中,比较有代表性 的就是聚类算法。而聚类算法中, 阅读全文
posted @ 2017-08-30 13:43 steed灬 阅读(602) 评论(0) 推荐(0) 编辑
摘要: 前言 以下内容是个人学习之后的感悟,转载请注明出处~ 简介 支持向量机(support vector machine),简称SVM,通俗来讲,它是一种二类分类模型,其基本模型定义为特 征空间上的间隔最大的线性分类器,其学习策略便是间隔最大化,最终可转化为一个凸二次规划问题的求解。 原理 SVM代价函 阅读全文
posted @ 2017-08-30 10:55 steed灬 阅读(446) 评论(0) 推荐(0) 编辑
摘要: 前言 以下内容是个人学习之后的感悟,转载请注明出处~ 经过前几篇博客的学习,我们了解到了线性回归、逻辑回归、神经网络等的一些知识。然而,到底该怎么开发一个 机器学习系统或者选择并改进一个学习系统呢?这应该是很多初学者的困惑之处。那么本文会带领你更一步了解如何更 好地使用机器学习。 由于内容较多,做以 阅读全文
posted @ 2017-08-29 15:59 steed灬 阅读(3471) 评论(0) 推荐(1) 编辑