2018年04月_Adamaomaoo

09月 04月 01月

原创探索java回收机制

一、垃圾回收机制的意义垃圾回收机制可以有效的防止内存的泄漏，有效的使用空闲的内存。内存泄漏：是指该内存空间使用完毕之后未回收，在不涉及复杂数据结构的一般情况下，java的内存泄漏表现为一个内存对象的生命周期超出了程序需要的它的时间长度。垃圾回收功能： (1) 定期发现那些对象不再被引用，并把这些对象占据的堆空间释放出来。 (2) 类似于操作...

2018-04-28 23:47:09 424

在上篇的博客介绍的“标准BP算法”每次仅针对一个训练样例更新连接权和阈值，也就是说，BP算法中的更新规则是基于单个的推导而得，如果类似的推导出基于累积误差最小化的更新规则，就得到了累积误差逆传播算法。累积BP算法与标准BP算法都很常用（标准BP算法和累积BP算法的区别类似于随机梯度下降(Stochastic gradient descent,简称 SGD)于标准梯度下降之间的区别）。一般来说，标...

2018-04-24 16:13:07 8114 1

原创机器学习——神经网络初探

一、神经网络概述神经网络是机器学习中一种重要的算法。神经网络中最基本的成分是神经元模型，即上述定义中的“简单单元”。在生物神经网络中，每个神经元与其他神经元相连，当他“兴奋”时，就会向相连的神经元发送化学物质，从而改变这些神经元内的电位；如果某神经元的电位超过了一个“阈值”（threshold），那么他就会被激活，即“兴奋”起来，向其他神经元发送化学物质。将这个情形抽象成一个简单的模型，就是“...

2018-04-24 15:55:24 849

原创 Kafka 总结

Kafka是一种高吞吐量的分布式、发布订阅消息系统。它可以处理消费者规模网站的所有的动作流数据。 Kafka是基于zookeeper协调的分布式消息系统，它最大的特性就是可以实时的处理大量数据以满足各种需求场景：比如基于Hadoop的批处理系统、低延迟的实时系统、storm/Spark流式处理引擎，web/Nginx日志、访问日志、消息服务等等。 1. Kafka特性 - ...

2018-04-03 14:50:18 311

原创机器学习——决策树(下)

五、随机森林在机器学习中，随机森林由许多的决策树组成，因为这些决策树的形成采用了随机的方法，因此也叫做随机决策树。随机森林中的树之间是没有关联的。当测试数据进入随机森林时，其实就是让每一颗决策树进行分类，最后取所以决策树中分类结果最多的那类为最终的结果。因此随机森林时一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别的众数而定。随机森林既可以处理属性为离散值得量，如ID3算法...

2018-04-02 21:03:05 314

原创机器学习——决策树(上)

一、决策树定义决策树（Decision Tree）是一种基本的分类与回归方法，它可以认为是if-then规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。相比朴素贝叶斯分类，决策树的优势在于构造过程不需要任何领域知识或参数设置，因此在实际应用中，对于探测式的知识发现，决策树更加适用。二、决策树流程决策树流程是决策树一类常见的额机器学习方法。决策树也称为“判定树”。以二分类...

2018-04-02 20:46:40 648

原创机器学习——线性模型

一、线性模型的基本形式给定由d个属性描述的示例X=(X1;X2;X3……;Xd)，其中Xi是X的X在第i个属性上的取值，线性模型(Liner model）试图学得一个通过属性的线性组合来预测的函数，即： f(x)=W1X1+W2X2+……+WdXd+b 二、线性回归——LR 线性回归是一种监督学习下的线性模型，线性回归试图给定数据集中学习一个线性模型来较好的预测输出(可视...

2018-04-02 17:24:14 4576

原创机器学习算法之——贝叶斯算法

一、贝叶斯定理贝叶斯定理是关于随机事件A和事件B的条件概率(或边缘概率)的一则定理。其中p(A|B)是在B发生的情况下A发生的可能性。贝叶斯定理也称为贝叶斯推理。事件A在事件B(发生)的条件下的概率，与事件B在事件A的条件下的概率是不一样的。这句话我们可以理解为：比如说你喜欢一个妹子，这是事件A，妹子喜欢你的概率是B，记为P(B|A)；那么P(A|B)是妹子喜欢...

2018-04-01 22:55:06 732