2023年1月18日

Linux kernel-CFS调度器学习

摘要：前言初学Linux kernel，本文根据很多参考资料（见Reference）而来，可以说是学习笔记，尤其是【蜗窝科技】中进程管理的一系列文章，受益匪浅，同时也强烈推荐。若有侵权，请留言。 #CFS简介 CFS，即Completely Fair Scheduler，由资深内核开发者 Ingo Mo 阅读全文

posted @ 2023-01-18 18:21 Molly_Dong 阅读(987) 评论(0) 推荐(0)

2020年7月24日

再挖一挖ThreadLocal

摘要：关于ThreadLocal源码分析的文章可以说多如牛毛，不仅是由于ThreadLocal源码简洁，还因为它是由Java界的两个大师级的作者编写，Josh Bloch和Doug Lea。Josh Bloch 在 Sun 公司多年为 Java 平台作出了杰出贡献，包括JDK5语言增强、Java集合( 阅读全文

posted @ 2020-07-24 15:18 Molly_Dong 阅读(277) 评论(0) 推荐(0)

2019年9月9日

集成学习之AdaBoost

摘要：本文是机器学习中集成学习的第二篇，主要讲boosting算法家族中非常知名的AdaBoost算法，AdaBoost算法是第一个实用的boosting算法，非常值得学习和研究。本文第一部分对AdaBoost进行介绍，包括AdaBoost的历史，AdaBoost算法到底是怎样的一个算法，使用图例进一步理阅读全文

posted @ 2019-09-09 22:25 Molly_Dong 阅读(1372) 评论(0) 推荐(0)

2019年8月6日

集成学习(Ensemble learning)

摘要：摘要：本文是理解adaboost算法与xgboost算法的前奏篇，主要介绍集成学习（Ensemble learning）的含义，在模型选择、训练数据过多或过少、数据融合及置信度估计等几方面的应用，同时介绍了集成学习的两个重要方面，即生成模型的算法，如bagging、boosting，以及组合模型结阅读全文

posted @ 2019-08-06 11:35 Molly_Dong 阅读(1575) 评论(0) 推荐(0)

2019年7月5日

不等式(二)-Hoeffding不等式

摘要：接着上一节的 "不等式(一) Markov与Chebyshev不等式" 本节将学习Hoeffding不等式。 Hoeffding不等式作用与Chebyshev不等式类似，但区间更紧致(增加了独立性约束) Hoeffding不等式设$Y_1,...Y_n$相互独立，且$E(Y_i) = 0$，且$ 阅读全文

posted @ 2019-07-05 11:42 Molly_Dong 阅读(973) 评论(0) 推荐(0)

2019年7月3日

不等式(一)-Markov与Chebyshev不等式

摘要：有些量很难计算，不等式可以对这些量给出一个界。例如，我们没有足够的信息来计算所需的量（例如事件的概率或随机变量的预期值）；又或者，问题可能很复杂，精确计算可能非常困难；还有些情况，我们可能希望提供一个通用的、适用于广泛问题的结果。本节将学习两个不等式：Markov与Chebyshev不等式。直观阅读全文

posted @ 2019-07-03 11:40 Molly_Dong 阅读(1628) 评论(0) 推荐(0)

2019年7月1日

朴素贝叶斯(Naive Bayes)

摘要：一. 生成式（generative）学习算法如果算法直接学习$p(y|x)$，或者尝试学习从输入空间$X$到类别$\{0,1\}$的映射关系的算法，称为判别式（discriminative）学习算法；比线性回归（lineaar regression）的模型： $$f(y|x;\theta) = h 阅读全文

posted @ 2019-07-01 10:34 Molly_Dong 阅读(731) 评论(0) 推荐(0)

2019年6月21日

决策树学习

摘要： [TOC] When your values are clear to you, making decisions become easier. — Roy E. Disney 一. 决策树模型决策树算法属于监督学习，既可以解决回归问题，也可以解决分类问题。决策树由节点和有向边组成，如下图所示阅读全文

posted @ 2019-06-21 21:34 Molly_Dong 阅读(445) 评论(0) 推荐(0)

2019年6月13日

k-NN最近邻算法(k-nearest neighbors algorithm)

摘要：本文是一篇k NN学习笔记，内容如下：一. k NN简介二. k NN原理三. 关于 k NN的进一步讨论 3.1 K的大小怎么选择? 3.2 怎么计算最近“邻居”? 3.3 既然是监督学习，怎么训练？ 3.4 k NN怎么用于回归？ 3.5 最后，为什么选择k NN? 四. k NN应用提阅读全文

posted @ 2019-06-13 21:35 Molly_Dong 阅读(1586) 评论(0) 推荐(0)

2019年4月16日

梯度下降（Gradient Descent）数学原理分析与实例

摘要：本文循序渐进描述梯度下降算法，从导数的几何意义开始聊起，如果熟悉微积分可以跳过，主要内容如下：一. 导数的几何意义二. 偏导数三. 什么是梯度四. 梯度下降算法 $α$是什么含义? 为什么是$ $? 梯度下降举例一梯度下降举例二值得关注的一些问题五. 梯度下降应用于线性回归 5.1 批阅读全文

posted @ 2019-04-16 21:31 Molly_Dong 阅读(1973) 评论(0) 推荐(0)

尽管目光所及之处，只是不远的前方即使如此，依然可以看到那里有许多值得去完成的工作在等待我们-Alan Turing, Computing Machinery and Intelligence, 1950
博客园首页新随笔联系订阅管理