Keep It Simple , Stupid. 独立博客:白水东城(www.baishuidongcheng.com)
能力说明:
精通JVM运行机制,包括类生命、内存模型、垃圾回收及JVM常见参数;能够熟练使用Runnable接口创建线程和使用ExecutorService并发执行任务、识别潜在的死锁线程问题;能够使用Synchronized关键字和atomic包控制线程的执行顺序,使用并行Fork/Join框架;能过开发使用原始版本函数式接口的代码。
阿里云技能认证
详细说明
有关树的一些知识的笔记
seaborn学习笔记
原题为2017暑假acm亚洲区预赛乌鲁木齐赛区的H题,看紫书时看到DAG就把这题找了出来,毕竟也是少数自己参加过的比赛。
数位dp简要分析
动态规划简单入门:以最长递增子序列等举例
逆元取模的进一步了解
模运算即求余运算。“模”是“Mod”的音译,模运算多应用于程序编写中
分布的两大缺点
从二叉树开始慢慢理解红黑树
用C++刷算法会用到的STL(三)——string
用C++刷算法会用到的STL(二)——set
用C++刷算法会用到的STL(一)——vector
路漫漫其修远兮,算法学习
用python中itchat实现的一个简单的问候自动回复,简单但实用( ̄︶ ̄)↗
一些基本的保护措施
数据分析会用到的一些matplotlib和seaborn的画图操作
爬虫的一些高级技巧:设置代理和UA
基于HTML,用BeautifulSoup实现的简单网页爬虫
简单记一下爬虫需要的HTML
分等级服务
本文简单介绍了如何通过豆瓣API来爬取豆瓣的信息
增强型内部网关路由协议
router-map与路由黑洞
BGP邻居状态与属性操作
对机器学习中决策树的几个划分属性结点的算法,如C4.5,ID3等的更深入的了解,希望能有所收获( ̄︶ ̄)↗
BGP的应用
运用机器学习算法时由于初始数据集的各种问题,往往需要进行预处理,特征选择通常也作为预处理的一种,用于剔除无关特征,减少特征维度,减小维度灾难的问题。
集成学习,顾名思义,把多个学习算法结合起来,以达到比单一学习算法更优秀,泛化性能更好的学习算法。
在不同路由协议之间交换信息(路由信息)
机器学习领域中所谓的降维就是指采用某种映射方法,将原高维空间中的数据点映射到低维度的空间中。降维的原因,在周志华《机器学习》中用最近邻分类器给了一个解释——数据集需要满足密采样条件,以及高维计算下会有很多麻烦,甚至在尾数特别高的时候连计算内积都变的复杂,这种计算阻碍称为“维数灾难”。
在求解机器学习算法的模型参数时,很多情况下会用到梯度下降,这里稍微记一下学习笔记。
本文主要对密度聚类和层次聚类进行了简单的介绍
聚类算法是在没有给定标签和样本值的前提下进行数据划分,是典型的无监督学习(unsupervised learning)算法,简单的介绍了聚类,记录下学习的笔记!
思科访问控制列表详解与配置
这篇文章并没有谈什么神经网络的几个模型,而是从生物学角度理解来理解一下什么是神经网络,希望能有所收获( ̄︶ ̄)↗
映射到高维空间同时带来一个问题:在高维空间上求解一个带约束的优化问题显然比在低维空间上计算量要大得多,这就是所谓的**“维数灾难”**。于是就引入了**“核函数”**,核函数的价值在于它虽然也是将特征进行从低维到高维的转换,但却方便计算。
IPv4中ip的划分与聚合
一次简单的反汇编代码
通过《数据结构》课程上的作业——(拓展)约瑟夫环问题的C语言版本和python版本来比较一下python是多么的简洁优雅。
主要是对周志华老师的西瓜书《机器学习》的学习笔记整理,希望能有所收获( ̄︶ ̄)↗
决策树(decesion tree)算法与其他机器学习算法最大的优势就是有很好的解释性,并可将分类结果进行可视化展示。但是决策树算法选择特征的方法众多,如何选择合适的方法是一个难点。
回归函数可以选择的表示很多。但是根据奥卡姆剃刀原则,应该选择简单而又可行的回归函数。显然,如果可行,,线性函数是最简单的回归函数。
在看“多元线性回归”(multivariate linear regression)的时候又碰到了矩阵求导,决心把矩阵求导学一学了,网上搜了一些,也看了一下维基,简单整理一下,以后再碰到矩阵求导就方便查看了d=====( ̄▽ ̄*)b
准备好好弄一弄机器学习——朴素贝叶斯算法,目前总共有三篇博文。这一篇主要是从另一个角度理解一下朴素贝叶斯的思想,希望能有所收获( ̄︶ ̄)↗
准备好好弄一弄机器学习——朴素贝叶斯算法,目前总共有三篇博文。这一篇主要是通过sklearn这个强大的python机器学习库来简单的实践一下朴素贝叶斯,希望能有所收获( ̄︶ ̄)↗
准备好好弄一弄机器学习——朴素贝叶斯算法,目前总共有三篇博文。这一篇主要是简述贝叶斯公式的推导和贝叶斯的一些应用,希望能有所收获( ̄︶ ̄)↗