F_G

[Database] 数据库完整性

摘要：一、实体完整性–关系的主码中的属性值不能为空值–空值：不知道或无意义–意义：关系对应到现实世界中的实体集，元组对应到实体，实体是相互可区分的，通过主码来唯一标识，若主码为空，则出现不可标识的实体，这是不容许的二、参照完整性（Referential Integrity）在关系模型中实体及实体间的联系都... 阅读全文

posted @ 2015-11-05 11:37 F_G 阅读(168) 评论(0) 推荐(0) 编辑

[Database] 数据库——锁

摘要：一、数据库当中的锁数据库是一个多用户使用的共享资源。当多个用户并发地存取数据时，在数据库中就会产生多个事务同时存取同一数据的情况。若对并发操作不加控制就可能会读取和存储不正确的数据，破坏数据库的一致性。加锁是实现数据库并发控制的一个非常重要的技术。当事务在对某个数据对象进行操作前，先向系统发出请求，... 阅读全文

posted @ 2015-11-05 11:20 F_G 阅读(276) 评论(0) 推荐(0) 编辑

[Database] 数据库两段锁协议

摘要：两段锁协议的内容编辑1. 在对任何数据进行读、写操作之前，事务首先要获得对该数据的封锁2. 在释放一个封锁之后，事务不能再获得任何其他封锁。一、与死锁两段锁协议与防止死锁的一次封锁法编辑一次封锁法要求每个事务必须一次将所有要使用的数据全部加锁，否则就不能继续执行，因此一次封锁法遵守两段锁协议，但是两... 阅读全文

posted @ 2015-11-05 11:15 F_G 阅读(1105) 评论(0) 推荐(0) 编辑

[Database] Mysql数据库存储引擎

摘要：一、InnoDB存储引擎面向联机事务处理（OLTP），行锁设计，支持外键默认的隔离级别是REPEATABLE 级别在索引设计方面的特点：1、使用B+树索引2、分为聚集索引和辅助索引所谓聚集索引是使用主键构造的索引，叶子节点当中存储的是行数据，或者地址。所谓辅助索引是使用非主键构造的索引，叶子节点当中... 阅读全文

posted @ 2015-11-04 21:28 F_G 阅读(142) 评论(0) 推荐(0) 编辑

[Data Structure] 闭散列的设计问题

摘要：除留余数发一般选择比散列表长度小的最大的素数。[1]http://www.nowamagic.net/academy/detail/3008040 阅读全文

posted @ 2015-11-03 23:26 F_G 阅读(167) 评论(0) 推荐(0) 编辑

[Database] 数据库范式理论

摘要： 1NF范式：没有非原子属性2NF范式：消除了非主属性的部分依赖3NF范式：消除了非主属性的传递依赖BCNF范式：消除了主属性的传递依赖4NF范式：消除了多值依赖模式分解的两个评价标准：1、分解的无损性2、分解的依赖性两个问题：1、如何识别无用属性？2、如何求取正则覆盖？BCNF范式的分解过程是什么？阅读全文

posted @ 2015-11-03 23:03 F_G 阅读(278) 评论(0) 推荐(0) 编辑

[Database] 数据库B树

摘要：总结自《算法导论》一、数据结构定义二、操作1、查找2、插入3、删除一、B树是针对磁盘存储而设计的一种数据结构，在B树种一个node的大小一般就是一个磁盘页的大小，所以非常便于IO操作。针对某个特定的B树都会定义一个t值，表示的意思是：除了根节点之外的内部节点最多有2*t个孩子，最少有t个孩子，相应的... 阅读全文

posted @ 2015-10-31 20:02 F_G 阅读(260) 评论(0) 推荐(0) 编辑

GBDT 提升回归树

摘要：总是针对当前回归树所对应的损失函数梯度方向来拟合一棵回归树，将其加到回归树序列当中。这里所说的梯度方向，就是在感知机或者逻辑斯特回归当中的用的随机梯度方向，针对每一个样本都需要得到一个梯度方向，实际上就是将原来的样本一对一的替换成了梯度。为什么这样做？实际上就是梯度下降法在这里的一个应用，总是在负梯... 阅读全文

posted @ 2015-09-18 10:02 F_G 阅读(588) 评论(0) 推荐(0) 编辑

LDA (Linear Discriminant Analysis) 线性判别分析

摘要： LDA (Linear Discriminant Analysis) 线性判别分析[1]http://blog.csdn.net/ffeng271/article/details/7353834 阅读全文

posted @ 2015-09-17 17:04 F_G 阅读(215) 评论(0) 推荐(0) 编辑

SVM 和 LR的区别

摘要：一、SVMsvm：f（x） = w*x +bLR：是对数线性模型二、判断方式不一样svm是更具预测值是在[-1,1]的那个区间来进行判断的LR是概率模型三、LR如果加上正则项和SVM的原始形式非常想阅读全文

posted @ 2015-09-16 22:53 F_G 阅读(200) 评论(0) 推荐(0) 编辑

导航

公告