- 博客(5)
- 收藏
- 关注
RSS订阅转载 深入浅出ConcurrentHashMap1.8
前言HashMap是我们平时开发过程中用的比较多的集合，但它是非线程安全的，在涉及到多线程并发的情况，进行put操作有可能会引起死循环，导致CPU利用率接近100%。final HashMapString, String> map = new HashMapString, String>(2);for (int i = 0; i 10000; i++) { new Threa
2017-07-03 15:54:10
741
转载 深入分析ConcurrentHashMap1.8的扩容实现
ConcurrentHashMap相关的文章写了不少，有个遗留问题一直没有分析，也被好多人请教过，被搁置在一旁，即如何在并发的情况下实现数组的扩容。什么情况会触发扩容当往hashMap中成功插入一个key/value节点时，有可能触发扩容动作：1、如果新增节点之后，所在链表的元素个数达到了阈值 8，则会调用treeifyBin方法把链表转换成红黑树，不过在结构转换之前，会对数组
2017-07-03 15:53:05
393
转载 HashMap实现原理及源码分析
HashMap实现原理及源码分析 哈希表（hash table）也叫散列表，是一种非常重要的数据结构，应用场景及其丰富，许多缓存技术（比如memcached）的核心其实就是在内存中维护一张大的哈希表，而HashMap的实现原理也常常出现在各类的面试题中，重要性可见一斑。本文会对java集合框架中的对应实现HashMap的实现原理进行讲解，然后会对JDK7的HashMap源码进
2017-07-03 15:23:17
302
转载 L1范数和L2范数的区别
正则化（Regularization）机器学习中几乎都可以看到损失函数后面会添加一个额外项，常用的额外项一般有两种，一般英文称作ℓ1-norm和ℓ2-norm，中文称作L1正则化和L2正则化，或者L1范数和L2范数。L1正则化和L2正则化可以看做是损失函数的惩罚项。对于线性回归模型，使用L1正则化的模型建叫做Lasso回归，使用L2正则化的模型叫做Ridge回归（岭回归）。下图是P
2017-06-16 09:55:05
12280
转载 CSDN机器学习笔记二 决策树、随机森林
一、决策树1..示例要决策一个人喜不喜欢电子游戏。 数据丢进去，数据通过节点一步步走，最终会到一个叶子节点，没有一个数据是在中间的。1.训练阶段 从给定的训练数据集DB，构造出一棵决策树class=DecisionTree(DB)112.分类阶段 从根开始，按照决策树的分类属性逐层往下划分，直到叶节点，获得概念（决策、分类）结果。
2017-06-08 21:44:26
512
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人