RRie1的博客

这篇文章记录如何在hexo，next主题中新建一个page，来存放其他的文章，使它不要出现在Home page中。

本文记录了我从发现bug，排查bug到给G6提PR，与仓库管理员沟通，最终PR被成功merge的过程。给想要参与开源，为自己喜欢的项目贡献绵薄之力的朋友提供一套完整的贡献流程参考

文章目录问题转化解题步骤第一个条件：第二个条件：根据上述两个条件编码：极端情况：得到中位数注意完整代码问题转化首先，考虑只有一个有序数组的情况：寻找中位数的问题可以转化为寻找一条分割线，满足以下两个条件：这条分割线在数组元素个素为奇数的时候，分割线左边的元素比右边多一个，中位数就是分割线左边的元素。数组元素个数为偶数的时候，分割线左边的元素与右边的元素一样多。中位数是分割线左右两个元素的平均值。下面考虑两个有序数组，我们可以在两个数组上都划分一条分割线，这两条分割线有以下两个条件 ：两条分

决策树决策树划分关键： 如何选择最优的划分属性ID3C4.5CART信息增益信息增益信息增益率悉尼指数信息熵表示随机事件的不确定性（信息量）期望越小概率的事情发生了产生的信息量越大，即熵越大越大概率的事情发生了产生的信息量越小，即熵越小E（D）=−∑i=0∣y∣Pilog⁡2Pi∣y∣:有几种分类，Pi:第i种分类的概率E（D） = -\sum_{i=0}^{|y|}P_i\log_2P_i\\|y|:有几种分类，P_i:第i种分类的概率E（D）=−i=

分类KNN - K近邻算法概念一个样本与数据集中的k个样本最相似， 如果这k个样本中的大多数属于某一个类别， 则该样本也属于这个类别。也就是说，该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。KNN方法在类别决策时，只与极少量的相邻样本有关。KNN算法最简单粗暴的就是将预测点与所有点距离（这里未知实例与所有已知实例的距离使用欧氏距离进行计算）进行计算，然后保存并排序，选出前面K个值看看哪些类别比较多。过拟合与欠拟合K越小越容易过拟合，当K=1时，这时只根据

集成学习我们之前学习的模型都是单一的，独立的。对于整体表现比较差点数据可能在某一方面超过“最好”的模型表现。因此提出将数据进行组合，集成学习以提升训练精度。袋装模型 Bagging从一个数据集，产生需对随机的数据子集。在做预测时，对这些数据子集都投入到模型中进行预测，在进行组合投票。随机森林样本随机：用Bagging的方式随机选择N个样本。特征随机：从所有属性d中选择k个属性，然后从K个属性中选择最佳分割属性作为节点建立CART决策树(Gini系数)随机森林建立的是树模型，重复以上两个步骤m次

问题描述计设做了一套招聘背调系统，前后端分别使用了Ant Design Vue与JFinal框架。想要将项目部署到服务器上，但是外部访问一直报错404Not Found解决思路把错误定位为：找不到动态接口，但是不知道是项目中出现了问题，还是经nginx代理后出现了问题。因此要分别测试 项目本身的接口 和 nginx代理后的接口。首先测试项目内接口：在ubuntu端输入命令：curl http://localhost:port/xxx/xxx这里我的接口是： curl http://local

JAVA转型与动态绑定上转型与下转型上转型的特点上转型的优点动态绑定上转型与下转型想要理解java中的转型只需要记住一句话:父类引用指向子类对象这句话是什么意思呢？Father f1 = new Son(); // 这就叫 upcasting （向上转型)// 现在 f1 引用指向一个Son对象Son s1 = (Son)f1; // 这就叫 downcasting (向下转型)// 现在f1 还是指向 Son对象但是以下代码就会出错：Father f1 = new Fath

文章目录面试问题总览如何理解前端和服务端前后端交互的过程如何理解面向对象servlet是啥？Java和Python的区别面试问题总览如何理解前端和服务端前后端交互的过程如何理解面向对象servlet是啥？Java和Python的区别写在开头： 如何理解前端和服务端前后端交互的过程如何理解面向对象servlet是啥？Java和Python的区别...