kwame211的博客 - CSDN博客

zabbix3.4.2的安装及配置

zabbix3.4.2的安装及配置是建立在lnmp环境搭建的基础上的，如果对lnmp环境有疑问请移步至： https://blog.csdn.net/kwame211/article/details/80008309一、下载编译安装 1.1下载源码包wget -O zabbix-3.4.2.tar...

原创

2018-04-20 17:42:04

9

0

zabbix安装收获－WARNING: 'aclocal-1.14' is missing on your system

linux 编译 'aclocal-1.14' is missing on your system2017-04-10 20:15 by youxin, 2925 阅读, 0 评论, 收藏, 编辑centos编译出现：类似情况: $tar -xvf libpcap-1.0.0.tar.gz...

lnmp搭建（Nginx1.12.1；mysql5.7.20；php7.2.0）

安装依赖包：#yum install gcc bison bison-devel zlib-devel libmcrypt-devel mcrypt mhash-devel openssl-devel libxml2-devel libcurl-devel bzip2-devel readline...

NLP15-基于keras的中文情感挖掘试探

摘要：keras开发，tf为后端；采用了两个样本（ChnSentiCorp_htl_ba_2000与imdb），三个神经网络的试探性运行（全连接的一般神经网络NN，LSTM，CNN），感觉keras比tf写代码更简单。对于NN只要参数充够的多，会拟合得很好，不过这样产生了过拟合；LSTM比CNN...

零基础学SVM—Support Vector Machine(一)

如果你是一名模式识别专业的研究生，又或者你是机器学习爱好者，SVM是一个你避不开的问题。如果你只是有一堆数据需要SVM帮你处理一下，那么无论是Matlab的SVM工具箱，LIBSVM还是python框架下的SciKit Learn都可以提供方便快捷的解决方案。但如果你要追求的不仅仅是会用，还希望挑...

umount时目标忙解决办法

在删除osd后umount时，始终无法umonut，可以通过fuser查看设备被哪个进程占用，之后杀死进程，就可以顺利umount了。[root@node2 ~]# umount /var/lib/ceph/osd/ceph-1 umount: /var/lib/ceph/osd/ceph-1：目...

机器学习算法KNN简介及实现

算法简介KNN(K近邻算法)是一种不需要学习任何参数同时也非常简单的机器学习算法，既可以用来解决分类问题也可以用来解决回归问题。直观解释这个算法就是'近朱者赤，近墨者黑'，当输入一个新样本时，根据与其相近的样本值来估计新输入的样本。如下图所示新输入的样本会被分类为W1。影响算法的几个因子在了解算法...

GAN 的发展对于研究通用人工智能有什么意义？

GAN对于人工智能的意义，可以从它名字的三部分说起：Generative Adversarial Networks。为了方便讲述，也缅怀过去两周在某论坛上水掉的时间，我先从Networks讲起。Networks：（深度）神经网络自从12年AlexNet横空出世后，神经网络俨然已成为现在learni...

Gan（生成式对抗网络）

生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中（至少）两个模块：生成模型（Generative Model）和判别模型（Discriminative Model）的互相博...

图解机器学习的常见算法

每当提到机器学习，大家总是被其中的各种各样的算法和方法搞晕，觉得无从下手。确实，机器学习的各种套路确实不少，但是如果掌握了正确的路径和方法，其实还是有迹可循的，这里我推荐SAS的Li Hui的这篇博客，讲述了如何选择机器学习的各种方法。另外，Scikit-learn 也提供了一幅清晰的路线图给大家...

GBDT XGBOOST的区别与联系

Xgboost是GB算法的高效实现，xgboost中的基学习器除了可以是CART（gbtree）也可以是线性分类器（gblinear）。传统GBDT以CART作为基分类器，xgboost还支持线性分类器，这个时候xgboost相当于带L1和L2正则化项的逻辑斯蒂回归（分类问题）或者线性回归（回归...

RF GBDT XGBOOST的区别与联系

Gradient boosting(GB) 机器学习中的学习算法的目标是为了优化或者说最小化loss Function， Gradient boosting的思想是迭代生多个（M个）弱的模型，然后将每个弱模型的预测结果相加，后面的模型Fm+1(x)基于前面学习模型的Fm(x)的效果生成的。Grad...

adaboost和GBDT的区别以及xgboost和GBDT的区别

AdaBoost:提高那些被前一轮弱分类器错误分类样本的权值，而降低那些被正确分类样本的权值。这样一来，那些没有得到正确分类的数据，由于其权值的加大而受到后一轮的弱分类器的更大关注，于是，分类问题就被一系列的弱分类器“分而治之”。至于第二个问题，即弱分类器的组合，AdaBoost采取加权多数表决的...

零基础学SVM—Support Vector Machine(一)

如果你是一名模式识别专业的研究生，又或者你是机器学习爱好者，SVM是一个你避不开的问题。如果你只是有一堆数据需要SVM帮你处理一下，那么无论是Matlab的SVM工具箱，LIBSVM还是python框架下的SciKit Learn都可以提供方便快捷的解决方案。但如果你要追求的不仅仅是会用，还希望挑...

随机森林小结

1.算法原理：随机森林，是基于bagging的一种并行式集成学习方法，可以用来做分类、回归。随机森林是一个包含多个决策树的分类器，并且其输出的类别是由基学习器输出的类别的众数而定。通过自助法（bootstrap）重采样技术，从原始训练样本集N中有放回地重复随机抽取N个样本生成新的训练样本集合，然...

HMM（隐马尔可夫模型）

隐马尔可夫模型（Hidden Markov Model，HMM）是统计模型，它用来描述一个含有隐含未知参数的马尔可夫过程。其难点是从可观察的参数中确定该过程的隐含参数。然后利用这些参数来作进一步的分析，例如模式识别。是在被建模的系统被认为是一个马尔可夫过程与未观测到的（隐藏的）的状态的统计马尔可夫...

各种聚类算法的介绍和比较

最近项目用到聚类算法，将其系统的总结一下。一、简要介绍1、聚类概念聚类就是按照某个特定标准(如距离准则)把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大。即聚类后同一类的数据尽可能聚集到一起，不同数据尽量分离。2、聚类和分类...

【人工智能】各种机器学习的应用场景分别是什么？

Statsbot数据科学家Daniil Korbut写过一篇《Machine Learning Algorithms: Which One to Choose for Your Problem》，简明扼要地介绍了一些比较流行的机器学习算法的典型应用场景，下面摘录其中部分内容（由原作者授权论智翻译）...