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(770)
评论(0)
推荐(1)
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(215)
评论(0)
推荐(0)
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(161)
评论(0)
推荐(0)
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(1391)
评论(0)
推荐(0)
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(821)
评论(0)
推荐(0)
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(2392)
评论(0)
推荐(2)
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(16761)
评论(0)
推荐(1)
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(645)
评论(0)
推荐(0)
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(464)
评论(0)
推荐(0)
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(3519)
评论(0)
推荐(1)
浙公网安备 33010602011771号