01 2016 档案
摘要：方法 CSS实时编辑显示：通过display:block让css文本显示出来，再加上contentEditable使文本可编辑 <!DOCTYPE html> <html> <body> <style style="display:block" contentEditable> body { col
阅读全文
摘要：参考资料 http://www.cnblogs.com/Wayou/p/things_you_dont_know_about_frontend.html 很多时候我们有从一个URL中提取域名，查询关键字，变量参数值等的需要，可以通过正则自己解析，但比较麻烦，我们可以让浏览器帮我们完成这一任务。 方法
阅读全文
摘要：wget -Erkp -w 5 -np http://www.cnblogs.com/memory4young/p/ 参考资料： http://www.cnblogs.com/memory4young/p/wget-backup-blog.html http://www.cnblogs.com/me
阅读全文
摘要：你最喜欢的浏览器是： <input list="browsers"> <datalist id="browsers"> <option value="Internet Explorer"> <option value="Firefox"> <option value="Chrome"> <optio
阅读全文
摘要：参考资料：http://blog.jobbole.com/87509/ 如何生成每秒百万级别的 HTTP 请求？ 在进行负责测试时要牢记一件重要的事：你能在 Linux 上建立多少个 socket 连接。这个限制是硬编码在内核里的，最典型的就是临时 W 端口的限制。（在某种程度上）你可以在 /etc
阅读全文
摘要：并发：宏观上看多个程序同时在一个处理器上跑，微观上看实际上是多个程序轮流在该处理器上跑 并行：无论从宏观上还是微观上看都是多个程序同时在各自的处理器上跑 并发，就像一个人（cpu）喂2个孩子（程序），轮换着每人喂一口，表面上两个孩子都在吃饭。并行，就是2个人喂2个孩子，两个孩子也同时在吃饭。
阅读全文
摘要：转自： Kd Tree算法原理 Kd-Tree，即K-dimensional tree，是一棵二叉树，树中存储的是一些K维数据。在一个K维数据集合上构建一棵Kd-Tree代表了对该K维数据集合构成的K维空间的一个划分，即树中的每个结点就对应了一个K维的超矩形区域（Hyperrectangle）。 —
阅读全文
摘要：遇到一坑：对于如下代码select * from order_mileagefuel where date > '2015-11-1' and date character varying解决方法：将String类型的参数改为java.sql.Timestamp
阅读全文
摘要：20200821整合到 https://www.cnblogs.com/z-sm/p/5262074.html
阅读全文
摘要：支持向量机从线性可分情况下的最优分类面发展而来。思想分类：寻找类间的分类平面，使得类到该分类平面的距离尽可能大，即分类平面两侧的空白区域尽可能大。映射：通常样本数据线性不可分，可以应用固定的非线性映射（核函数）将数据映射到高维空间中，在高维空间中的线性分类等价于原始空间中的非线性分类；在高维空间中计...
阅读全文
摘要：集成学习通过从大量的特征中挑出最优的特征，并将其转化为对应的弱分类器进行分类使用，从而达到对目标进行分类的目的。核心思想它是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器（弱分类器），然后把这些若分类器集合起来，构成一个更强的最终分类器（强分类器）。其算法本身是通过改变数据分布来实现的，...
阅读全文
摘要：准则采用一种分类形式后，就要采用准则来衡量分类的效果，最好的结果一般出现在准则函数的极值点上，因此将分类器的设计问题转化为求准则函数极值问题，即求准则函数的参数，如线性分类器中的权值向量。分类器设计准则：FIsher准则、感知机准则、最小二乘（最小均方误差）准则Fisher准则Fisher线性判别分...
阅读全文
摘要：参考文献：http://blog.csdn.net/zouxy09/article/details/8537620极大似然估计已知样本满足某种概率分布，但是其中具体的参数不清楚，极大似然估计估计就是把待估参数看做是确定性的量，只是其取值未知。最佳估计就是使得产生当前样本的概率最大下的参数值。贝叶斯估...
阅读全文
摘要：参考文献：http://blog.csdn.net/zouxy09/article/details/8195017生成方法由数据学习联合概率密度分布P(X,Y)，然后求出条件概率分布P(Y|X)作为预测的模型，即生成模型：P(Y|X)= P(X,Y)/ P(X)。基本思想是首先建立样本的联合概率概率...
阅读全文