- 博客(9)
- 收藏
- 关注
转载 大数据量下高并发同步的讲解
http://www.cnblogs.com/xiohao/p/4385508.html对于我们开发的网站,如果网站的访问量非常大的话,那么我们就需要考虑相关的并发访问问题了。而并发问题是绝大部分的程序员头疼的问题,但话又说回来了,既然逃避不掉,那我们就坦然面对吧~今天就让我们一起来研究一下常见的并发和同步吧。 为了更好的理解并发和同步,我们需要先明白两个重要的概念
2016-10-30 21:46:05 767
原创 【机器学习】统计知识之经验风险最小化与结构风险最小化
1.经验风险最小化:极大似然估计(maximum likelihood estimation, MLE) 就是经验风险最小化的一个例子当模型时条件概率分布,损失函数是对数损失函数,经验风险最小化就等价于极大似然估计2.结构风险最小化:最大后验概率估计(maximum posterior probability estimation, MAP)就是结构风险最小化的一个例子
2016-10-18 11:57:33 1010
原创 【机器学习】如何根据数据集选择适合的模型
Is it because we have many features in our data sheet?因为我们的数据表中有很多特征吗?Or is it because the feature list does not only contain numerical data but categorical data as well?因为我们的特征里不仅包含数值数据还包含累呗数据吗?Or is
2016-10-11 15:50:03 4005
原创 【机器学习】决策树的优缺点
一:决策树的缺点1.如果你的边界很光滑动,决策树不会很好用。也就是说当你有不连续的实例时,决策树才表现最好。2. 如果有很多不相关的变量,决策树表现的不好。决策树的工作是通过找到变量间的相互作用。3. 数据框架:树的每次分裂都减少了数据集。有意地创造分裂将会潜在地引进偏差(bias)4. 高方差和不稳定性:运用贪婪策略到决策树方差,找到树的正确的开始点会
2016-10-11 12:08:28 10907
原创 【机器学习】Naive Bayes 朴素贝叶斯
1.基本原理和步骤Naive Bayes methods are a set of supervised learning algorithms based on applying Bayes’ theorem with the “naive” assumption of independence between every pair of features. Given a clas
2016-10-10 17:08:07 1897
原创 直通BAT面试算法---智力题2-赛马
作为一个马场的主人,你要安排你的n匹赛马和另一个马场的n匹马比赛。你已经知道了对方马场的出战表,即参加每一场的马的强壮程度。当然你也知道你自己的所有马的强壮程度。我们假定比赛的结果直接由马的强壮程度决定,即更壮的马获胜(若相同则双方均不算获胜),请你设计一个策略,使你能获得尽量多的场次的胜利。给定对方每场比赛的马的强壮程度oppo及你的所有马的强壮程度horses(强壮程度为整数,且数字越
2016-10-06 15:31:22 3388
原创 直通BAT面试算法---智力题1-涂色练习题
1.你要在一个nxm的格子图上涂色,你每次可以选择一个未涂色的格子涂上你开始选定的那种颜色。同时为了美观,我们要求你涂色的格子不能相邻,也就是说,不能有公共边,现在问你,在采取最优策略的情况下,你最多能涂多少个格子?给定格子图的长n和宽m。请返回最多能涂的格子数目。测试样例:1,2返回:1class Paint {public: int get
2016-10-06 14:43:07 1696
原创 window下fc命令比较两个文件
windows下比较两个文件的不同1.打开cmd2.进入放文件的目录3.比较两个文件 fc 1.txt 2.txtdiff 是linux下 OS下的比较文件的命令diff命令参数:diff - 找出两个文件的不同点总览diff [选项] 源文件 目标文件-u使用统一的输出格式.diff -u 源文件名 目标文件名
2016-10-05 16:46:41 10975
原创 hihoCoder挑战赛14 A题 1223
时间限制:10000ms单点时限:1000ms内存限制:256MB描述给定n个关于X的不等式,问最多有多少个成立。每个不等式为如下的形式之一:X X X = CX > CX >= C输入第一行一个整数n。以下n行,每行一个不等式。数据范围:1输出一行一个整数,
2016-10-05 12:05:31 540
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