摘要：
关于TCP三次握手、四次挥手的状态转移图 这个很好三次握手https://blog.csdn.net/Shuffle_Ts/article/details/93778635 四次挥手https://blog.csdn.net/Shuffle_Ts/article/details/93909003 【 阅读全文
摘要：
Adaboost的主要优点有：1. Adaboost作为分类器时，分类精度很高2. 在Adaboost的框架下，可以使用各种回归分类模型来构建弱学习器，非常灵活。3. 作为简单的二元分类器时，构造简单，结果可理解。4. 不容易发生过拟合 Adaboost的主要缺点有：对异常样本敏感，异常样本在迭代中 阅读全文
摘要：
C++的内存分配方式 c++内存分配分为堆区，栈区，自由存储区（代码区），全局区（静态区），常量区5部分 堆：堆是操作系统中的术语，是操作系统所维护的一块特殊内存，用于程序的内存动态分配，C语言使用malloc从堆上分配内存，使用free释放已分配的对应内存。 栈：在执行函数时，函数内局部变量的存储 阅读全文
摘要：
封装 就是把客观事物封装成抽象的类，并且类可以把自己的数据和方法只让可信的类或者对象操作，对不可信的进行信息隐藏。一个类就是一个封装了数据以及操作这些数据的代码的逻辑实体。在一个对象内部，某些代码或某些数据可以是私有的，不能被外界访问。通过这种方式，对象对内部数据提供了不同级别的保护，以防止程序中无 阅读全文
摘要：
关于进程间通信pipe，内存共享mmap的详细介绍 进程 进程是程序的一次执行过程，是一个动态概念，是程序在执行过程中分配和管理资源的基本单位，每一个进程都有一个自己的地址空间，至少有 5 种基本状态，它们是：初始态，执行态，等待状态，就绪状态，终止状态。 线程 线程是CPU调度和分派的基本单位，它 阅读全文
摘要：
稀疏性表示数据中心0占比比较大 引西瓜书中P252原文： 对于损失函数后面加入惩罚函数可以降低过拟合的风险，惩罚函数使用L2范数，则称为岭回归，L2范数相当与给w加入先验，需要要求w满足某一分布，L2范数表示数据服从高斯分布，而L1范数表示数据服从拉普拉斯分布。从拉普拉斯函数和高斯函数的图像上看，拉 阅读全文
摘要：
我吐了，不想写了 在进行对W(α2)求导的时候，我推了几遍都和下面链接里的不一样，我推出的有一项为y1sv1，但网上写的都是y1v1，希望有大哥可以教教小弟，在此谢过 参考链接 https://blog.csdn.net/c406495762/article/details/78072313 阅读全文
摘要：
梯度上升法每次讲当前参数向每个特征的梯度移动一小部分，经过多次迭代得到最后的解，在梯度上升的时候可以采用随机取样，虽然效果差不多，但是可以占用更少的计算资源，同时随机梯度上升法是一个在线算法，他可以在新数据到来时就可以完成参数更新，而不需要重新读取整个数据集来进行批处理计算。 参考链接： https 阅读全文
摘要：
看的头秃，生活艰难 由条件概率可得，P(wi | x） = P(wi, x) / P(x) 套贝叶斯公式得，P(wi | x) = P(x | wi) * P(wi) / P(x) 通过比较P(wi | x)的大小决定分为哪一类中，由于分母相同，所以转化为比较P(x | wi) * P(wi) 的大 阅读全文
摘要：
监督学习分为生成方法和判别方法，而生成方法和判别方法又推导出生成模型和判别模型 常见的生成模型有：朴素贝叶斯法、马尔科夫模型、高斯混合模型。 常见的判别模型有：k临近法、感知机、决策树、逻辑回归模型、最大熵模型、支持向量机、boosting方法和条件随机场等 对于一个二分类问题，假设分类目标为q和q 阅读全文