YYwxcsdn的博客

：是应用于 HTTP 分块下载或断点续传,表示响应返回的 body 数据并不是资源的全部,而是其中的一部分，也是服务器处理成功的状态。]：不具有跳转的含义，表示资源未修改，重定向已存在的缓冲文件，也称缓存重定向，也就是告诉客户端可以继续使用缓存资源，用于缓存控制。]：表示服务器当前很忙，暂时无法响应客户端，类似“网络服务正忙，请稍后重试”的意思。]：视频等的链接，再经过浏览器的解释，呈现给我们的就是一个文字、有画面的网页了。]：表示永久重定向，说明请求的资源已经不存在了，需改用新的 URL 再次访问。

请注意：不同编程语言支持不同的参数传递机制，例如Python始终采用引用传递（对于不可变类型表现为值语义，对于可变类型表现为引用语义），而C++则同时支持值传递、引用传递和指针传递。

本文就本地 git 配置的user信息作出了一些分析，并对于user信息和github账户直接的关系作出了解释，自己的一点拙见，如果有不同的看法欢迎留言讨论。

将样本属性称为“特征”（feature）。相关特征：对当前学习任务有关的属性无关特征：对当前学习任务无关的属性冗余特征：所包含的信息能从其他特征中推演出来。很多时候冗余特征是不起作用的，去除它们会减轻学习过程的负担。但如果冗余特征恰好完成了学习任务所需的中间概念，则冗余特征是有益的从给定的特征集合中选择出相关特征子集，是一种数据预处理为普通稠密表达的样本找到合适的字典，将样本转化为合适的稀疏表示形式（稀疏编码），从而简化学习任务，降低模型复杂度。给定数据集x1x2xmx1​x。

西瓜书降维与度量学习

将相似的对象归入同一个“类”。“物以类聚，人以群分。发现数据的结构，使得同一个类中的对象互相之间关联更强。同一个类中的对象相似(similarity)不同类中的对象有明显的差异相似度的度量（这就牵扯到相似度的定义）簇/类内(intra-cluster)相似度（相似性要尽可能大）簇/类间(inter-cluster)相似度（相似性要尽可能小，或者是差异性要尽可能大）

炼丹的研究生：在我们炼丹过程中，经常需要连接远程的服务器（通常是实验室的服务器）进行炼丹。通常情况下，我们会使用Pycharm的远程开发功能，同步服务器与本地的项目文件，使用远程解释器进行开发。但是使用过的同学都知道，重量级的Pycharm每次远程同步、加载远程解释器都需要相当长的时间。如果我们想要随时切换工位、宿舍、家里的各个场景，Pycharm的同步、加载就成了一场噩梦。特别是当我们的python环境安装了很多依赖包，项目生成了大量文件的时候更是这样。

为了方便以后的学习和工作，不建议直接使用GUI来操作Git，下面将针对上面的工作流程介绍一些常用的Git命令行指令，这些指令是比较简单的，敲熟练之后再上手GUI版本的Git就相当容易了。执行上面的指令后，产生了一个新的提交记录C4，由C4我们可以遍历之前所有的提交记录，但是此时master分支和develop分支仍然指向不同的提交记录。执行上面的指令后，产生了一个新的提交记录C4，由C4我们可以遍历之前所有的提交记录，但是此时master分支和develop分支仍然指向不同的提交记录。

集成学习（ensemble learning）通过构建并结合多个学习器来完成学习任务。Boosting是一族可将弱学习器提升为强学习器的算法.这族算法的工作机制类似:先从初始训练集训练出一个基学习器，再根据基学器的表现对训练样本分布进行调整,使得先前基学习器做错的训练样本在后续受到更多关注,然后基于调整后的样本分布来训练下一个基学习器;如此重复进行,直至基学习器数目达到事先指定的值T,最终将这T个基学习器进行加权结合.