- 博客(10)
- 收藏
- 关注
RSS订阅原创 Java多线程
并行：多个处理器或多核处理器在同一时刻同时处理多个任务。并发：同一时间段内多个任务在同一个 CPU 核上，按细分的时间片轮流(交替)执行，从逻辑上来看那些任务是同时执行。1. 进程和线程进程是资源分配的基本单位，进程中可以包含多个线程，多个线程共享进程中堆、方法区资源。线程是CPU调度的基本单位,它是比进程更小的能独立运行的基本单位，是进程中的一个执行单元,每个线程拥有自己独立的程序计数器、虚拟机栈、本地方法栈。1。1 *进程和线程的区别和联系一个进程中可以有多个线程，它们共享进程资源.
2020-12-23 16:49:24
268
原创 Java虚拟机
1. 说一下 JVM 的主要组成部分及其作用？[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-zHajiDMy-1607775270420)(https://i.loli.net/2020/10/22/W4S5MHTuDwLz3cZ.png)]JVM包含两个子系统和两个组件，两个子系统为Class loader(类装载)、Execution engine(执行引擎)；两个组件为Runtime data area(运行时数据区)、Native Interface(本地接口)。
2020-12-12 20:15:05
258
原创 SpringBoot-起步依赖与自动装配原理
简化开发，约定大于配置，开箱即用，提供了各种默认配置来简化项目1. 起步依赖分析在起步依赖上，SpringBoot 帮我们管理了各个依赖的版本，使各个依赖不会出现版本冲突；另外，Spring Boot还帮我们打包了各个依赖让不用再像之前使用Spring那样导入一堆的依赖，只要引入起步依赖的坐标就可以进行web开发了，同样体现了依赖传递的用。pom.xml 配置文件spring-boot-dependencies： 核心依赖在父工程 spring-boot-starter-parent 中，部分坐
2020-12-11 10:59:04
1419
原创 机器学习-支持向量机（SVM）
支持向量机(Suport Vector Machine)1.线性可分支持向量机如下图A给定训练数据集，两个类别分隔足够清晰，因此很容易在图中画一条直线将两组数据分隔开，这种情况下数据称为线性可分(linearly separable )数据 。由于数据在二维平面上，所以分隔超平面是一条直线；如果数据集是三维的，则分隔超平面是二维的；以此类推，如果数据集是N维的，那么分隔超平面就是N-1维的...
2019-02-25 18:17:22
505
原创 Logistic回归-分类模型和梯度下降算法
输入数据：\( [(x_{1},y_{1}),(x_{2},y_{2}),…,(x_{m},y_{m})] \)
2019-01-30 15:06:04
917
原创 Java数据结构-图(最短路径)
最短路径最短路径应用的图是加权有向图加权有向图的数据结构：首先定义的是加权有向边的数据类型：public class DirectEdge { private int v;//边的起点 private int w;//边的终点 private double weight;//边的权重 public DirectEdge(int v,int w,double weight){ t...
2019-01-24 17:24:29
1016
原创 机器学习-k-近邻算法
K-近邻算法(K Nearest Neighbors Classification)1. KNN概述1.1 KNN算法原理基于近邻的的分类是一种基于实例的学习或者非泛化的学习，它不会训练一个通用的模型，只是存储训练数据的实例样本,每当有新样本时，找到该样本在训练集中一些最近邻居样本，新样本的类别从它的这些最近邻居的类别投票中得到(少数服从多数)。算法原理：存在训练样本集，训练集中的每个样本...
2019-01-24 16:57:08
219
原创 机器学习-朴素贝叶斯分类器
一. 概率知识先验概率：先验概率（prior probability）是指根据以往经验和分析得到的概率后验概率：后验概率,事情已经发生，要求这件事情发生的原因是由某个因素引起的可能性的大小后验概率就是条件概率 p(c|x) = p(x|c)p(c)/p(x) 贝叶斯概率引入先验知识和逻辑推理来处理不确定的命题事情还没有发生，要求这件事情发生的可能性的大小，是先验...
2019-01-24 16:52:16
744
原创 机器学习-模型评估
模型评估与选择一.误差与过拟合分类器分类错误的样本数占样本总数的比例为错误率(errorate)，E=m/n(m为分类错误的总样本数，n为总样本数），分类的精度(accuracy) P=(1-E)x100%学习器实际预测值和样本真实值之间的差异为“误差”训练误差/经验误差：学习器在训练数据上的误差泛华误差：学习器在新样本上的误差我们希望得到的是泛化误差尽可能小的学习器，在通过训练...
2019-01-24 16:50:31
1040
转载 markdown编辑器
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Ma...
2018-12-02 14:08:49
148
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