决策树 – 分类
摘要：决策树算法 如何能够基于既有的数据来进行分类和回归？决策树是解决这类问题的机器学习模型。 解决思路是：通过样本特征的三个数字特征：1）满足特征值的样本数量；2）1）样本的分类各自数量有多该少；3）总的样本数量，来作为input参数，通过构建/选择的模型就计算出来该特征的指标，对于ID3而是信息增益，
阅读全文
posted @ 2019-12-26 20:38
12 2019 档案
分布式事务 - 2/ 3阶段式提交
摘要：2/3阶段提交解决的问题是分布式数据操作一致性问题，即在不同节点间数据多个操作的原子性问题，比如在A节点的数据增加和B节点数据的减少需要原子操作。 解决方案：在各个分布式节点之上引入TC（Trancaction Coordinator），由TC进行最终commit操作协调，只有各个节点的预操作（pr
阅读全文
posted @ 2019-12-26 18:32
搜狗设置自定义短语
摘要：希腊字母 alpha,4=αalpha,5=Αbeta,4=βbeta,5=Βgamma,4=γgamma,5=Γdelta,4=δdelta,5=Δepsilon,4=εepsilon,5=Εzeta,4=ζzeta,5=Ζeta,4=ηeta,5=Ηtheta,4=θtheta,5=Θiota,
阅读全文
posted @ 2019-12-25 22:54
假设检验
摘要：什么是假设检验 什么是假设检验，简单的讲就是，首先我有一个某个领域的数据分布有一个预期，然后观测并获取到这个领域一组统计学的数据，那么这组数据到底是支持我的预期还是反对我的预期，为了回答这个问题就需要使用到假设检验。 假设检验的思路 那么检验的思路是什么呢？ 1. 首先要假设我们观测到的统计数据是符合我们预期的数据分布的； 2. 然后我们要将数据分布的可能性进行二元划分，一元是大概率...
阅读全文
posted @ 2019-12-24 20:43
SVM – 回归
摘要：SVM的算法是很versatile的，在回归领域SVM同样十分出色的。而且和SVC类似，SVR的原理也是基于支持向量（来绘制辅助线），只不过在分类领域，支持向量是最靠近超平面的点，在回归领域，支持向量是那些距离拟合曲线（回归的目标函数/模型是拟合曲线）。 上图我们看到还有一个变量，是ϵ，ϵ决定了街道
阅读全文
posted @ 2019-12-17 10:44
SVM – 核函数
摘要：核函数的起源是对于线性不可分的分类情况，其实可以通过p次方多项式，及非线性模型进行分类；然后对于这类非线性多次方的，其实可以按照广义线性模型来进行升维变形，使之成为线性模型，这样就可以放到SVM中来进行处理了（svm只能处理非线性模型）。 但是升维之后是有维度爆炸现象的（二次方对应6维度，三次方对应
阅读全文
posted @ 2019-12-17 10:42
SVM – 线性分类器
摘要：感知机 要理解svm，首先要先讲一下感知机（Perceptron），感知机是线性分类器，他的目标就是通过寻找超平面实现对样本的分类；对于二维世界，就是找到一条线，三维世界就是找到一个面，多维世界就是要找到一个线性表达式，或者说线性方程: f(x) = ΣθiXi 表达式为0，就是超平面，用来做分界线
阅读全文
posted @ 2019-12-17 10:31
aliyun手记
摘要：阿里云里面购买的带宽是指外网带宽，内网默认是千兆带宽，做过I/O优化的则是万兆带宽。 修改密码实在更多（三个点）的那里进行修改的；修改密码（windows是administrator以及Linux是root用户）需要重启之后才会生效。
阅读全文
posted @ 2019-12-02 16:03
