- 博客(6)
- 资源 (2)
- 收藏
- 关注
原创 机器学习笔记--回归分析(3)
一、逐步回归1. 分类:向前引入法:从一元回归开始,逐步增加变量,使指标值达到最优为止向后剔除法:从全变量回归方程开始,逐步删去某个变量,使指标值达到最优为止逐步筛选法:综合上述两种方法、在增加和删除变量时看如下指标的变化:RSS(残差平方和)与R2(相关系数平方)选择法:遍历所有可能的组合,选出使RSS最小,R2最大的模型AIC(Akaikeinformat
2015-03-28 17:52:01 2587
原创 机器学习笔记--回归分析(2)
一、多元线性回归模型1. 概念当Y值的影响因素不唯一时,采用多元线性回归模型 例如商品的销售额可能不电视广告投入,收音机广告投入,报纸广告投入有关系,可以有是关于βi的函数。分别对βi求偏导并令偏导等于0,可以解出相应的βi的值2. 例子使用R中的Swiss数据集,包含了1888年瑞士国民经济发展数据集我们要构造的模型是社会的繁荣
2015-03-26 20:38:00 799
转载 Mysql中的Time-based blind injection
在MySQL参考手册里可以看到如下描叙:------------------------------------------------BENCHMARK(count,expr) BENCHMARK()函数重复countTimes次执行表达式expr,它可以用于计时MySQL处理表达式有多快。结果值总是0。意欲用于mysql客户,它报告查询的执行时间。攻击原理 当运行BEN
2015-03-24 21:42:35 1368
原创 机器学习笔记--回归分析(1)
一、重点回归分析就是利用样本(已知数据),产生拟合方程,从而(对未知数据)迚行预测用途:预测,判别合理性例子:利用身高预测体重;利用广告费用预测商品销售额;等等.线性回归分析:一元线性(直线拟合,因变量只有一个);多元线性(平面拟合,多因变量);广义线性非线性回归分析困难:选定变量(多元、将多元整合为单变量:降维),避免多重共线性(使用可以由其它变量推出来的变量,回归模型误差会很大
2015-03-24 15:02:45 1346
原创 使用BlockingQueue实现生产者消费者模式
Producer类:public class Producer implements Runnable { private final BlockingQueue queue; int index = 0; public Producer(BlockingQueue q) { queue = q; } @Override public void run() { // TO
2015-03-22 19:46:23 721
转载 Java synchronized详解
第一篇:使用synchronized在编写一个类时,如果该类中的代码可能运行于多线程环境下,那么就要考虑同步的问题。在Java中内置了语言级的同步原语--synchronized,这也大大简化了Java中多线程同步的使用。我们首先编写一个非常简单的多线程的程序,是模拟银行中的多个线程同时对同一个储蓄账户进行存款、取款操作的。在程序中我们使用了一个简化版本的Account类,代表了一
2015-03-21 17:04:44 455
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人