qq_34993631的博客

下载：Git - 安装 Githttps://git-scm.com/book/zh/v2/起步-安装-Git检查版本git --version配置基本的用户名与邮箱（全局）git config --global user.name ‘huyilong’git config --global user.email ‘835972443@qq.com’查看Git安装路径which －a git新建的项目直接用用Git管理cd 某个文件夹git init your

判别式模型是假设Model规定lose function然后使用algorithm 使得lose function 最小化就会得到Model的参数。也就是直接从数据集中得到决策边界。生成式模型是使用已有的数据集得到特征的分布。一个Label下的分布，比如已知鳕鱼的条件下它的长与宽的分布。（这一步也就有了探究是怎样的特征分布造就了鳕鱼。探究物质生成的原因。）当新的物体进来之后使用Bayes公式将特征参数带入分布中（已知特征的情况下是XX鱼的概率），得到哪一个Label（鱼.

目录飞矢不动的破解微积分的目的理解导数的两个角度从瞬时速度来理解导数从近似运动来理解导数导数的直观理解直观理解泰勒公式的来龙去脉飞矢不动的破解“每一瞬间箭都是静止的”这句话本身就有问题。“每一瞬间”就是每一个时刻，每一个时刻箭当然会处在某个位置上，但是“静止”是一个跟“时间段”有关联的概念，不存在某个时刻是“静止”还是“运动”的说法。me：现在看来就是混淆了点的概念与区间的概念。也就是必须经历一段时间才能够知道是静止还是运动。微积分的目的近似，近似！第一种情况，用常数项近似代替某个函数在某点附近

《从0开始学大数据》学习后感方法论与哲学了解来龙去脉形成思维体系，为什么是A而不是B？大数据发展历史分布式计算的核心思想从RAID到HDFS（存储）计算框架与计算模型（MR）解耦的资源调度框架从Hive-MR看novel从MR-Spark看产品思维Spark到底为什么快各个组件的在生态中的位置Lambda架构与大数据平台大数据与物联网方法论与哲学了解来龙去脉形成思维体系，为什么是A而不是B？当我写这篇文章的时候，心情比较急躁，也可能是焦虑。我同时想到了这句话回想自己学习技术的时候，更多地是急躁的专

具体的链接Lynkage CMap

两个观点看最小二乘法写在前面统计学角度的最优化问题线性代数角度的近似解写在前面之前在学习《机器学习基石》的线性回归章节的时候，林老师在最后的部分给了最小二乘的另一种观点当时很不理解。之后在《线性代数及其应用》的目录上看到最小二乘法的内容但是由于那时还有其他的事情要做，所以就暂时没有看。今天在《从零开始：机器学习的数学原理和算法实践》读到对应的内容这一次是从线性代数的近似解角度切入的。统计学角度的最优化问题从统计学角度来看线性回归无非就是找到一条直线去尽可能的拟合图中的散点。拟合的标准就是使得直线到

引子在一个二元分类的问题中我们通常得到的结果是1/0，而在分类的过程中我们会先计算一个得分函数然后在减去一个门槛值后判断它的正负若为正则结果为1若为负结果为0。事实上从某种角度来看线性回归只是二元分类步骤中的一个截取它没有后面取正负号的操作，它的输出结果为一个实数而非0/1。我们称这样的数学模型为线性回归。在传统上统计学家给出的结果是如下：它的物理意义就是要提取多笔资料的...

说明一直想总结一下以前读过的一片文章来概括一下自己对矩阵的重新认识。首先说明一下这篇文章是《神奇的矩阵》建议大家有空可以去读一下原文这是一片很不错的文章。作者洋洋洒洒的讲述了矩阵背后的意义，让我对矩阵的认识上升了一个台阶。在此感谢作者！我在这里只是对自己所学的总结。相信大家读完之后一定能够明白一些矩阵的核心概念背后的物理意义。空间首先说空间的特质就是可以容纳运动，这里的运动更加准确的来...

想了很久要不要发一篇关于MySql优化的文章最后还是决定把它写出来。以输出倒逼自己复习与输入。以下内容大都参考了《高性能MySQL》一书也好把一些的章节做一个总结。全文的聊到的三个主要能容是：MySql的特点与存储引擎MySql高性能索引MaySql的数据类型优化与查询性能优化MySql的特点与存储引擎MySql的总体架构图用户执行Mysql的流程图：上层的一些服务...

之前也读过P问题与NP问题相关的文章，但是没有能够理解清楚（还是自己的理解能力与知识积累比较差）现在重新梳理一下。P问题P ：Polynomial 多项式的意思。能够在多项式时间内解决的问题。NP问题NP：Nondeterministic Polynomial 非确定性多项式问题。注意：不是Non-polynomial（非多项式问题）。能够在多项式时间内验证（是否正确）的问题。P与NP的关系显然P问题一定能够在多项式时间下验证其结果所以P问题是NP问题。同时P问题是能够在.

Hive的本质是一个翻译器。它的任务就是将一种类SQL（HQL）的语句翻译成Mapreduce任务，通过执行Mapreduce任务来对海量数据仓库进行处理。从表面上来看它就是一个数据仓库能够查询与分析数据。它与Hadoop的关系如下图所示：与传统数据库相比Hive的主要特点为：①分析离线存储数据，不具有实时性②不支持事务，由于是历史数据所以没有必要去增删改。③不支持修改，由于是...

关于时空复杂度的深入认识与梳理有了测试软件为什么需要复杂度的分析1.事后统计法的局限2.复杂度分析的意义分析方法1.基本思想2.大O的含义3.具体分析手段最好、最坏、平均、均摊时间复杂度有了测试软件为什么需要复杂度的分析1.事后统计法的局限我们在评价一个算法的复杂度的同时需要抛弃所有的环境因素，测试软件办不到这一点。具体表现为硬件环境与数据量对测试结果的影响。2.复杂度分析的意义统一了算法的复杂性度量我们在交流的时候有了统一的接口与感性的认识。同时提供了理论边界使得选择理论性能好的算法能够大概率提

文章目录计算视角基本比率视角主观概率的修正计算视角在计算层面，贝叶斯公式简化了条件概率的计算P(A∣B)=P(AB)P(B)=P(B∣A)P(A)P(B)P(A|B) = \frac{P(AB)}{P(B)} = \frac{P(B|A)P(A)}{P(B)} P(A∣B)=P(B)P(AB)​=P(B)P(B∣A)P(A)​基本比率视角首先定义A=患病的人，B=检测有病的人A = 患病的人， B = 检测有病的人A=患病的人，B=检测有病的人则：患病的人口比例P(A)=2%，确诊率

主要分为是否约束，与搜索方向两个维度。

from 郭哥的推荐1. 被动领悟——只有在现实撞到他脸上的时候才感到疼，疼完了之后还是不记得时时提醒自己，结果很快时过境迁抛之脑后。2.善于利用思维时间的人则能够在重要的事情上时时主动提醒自己，将临时的记忆变成硬编码的行为习惯。3.因为看书并记住书中的东西只是记忆，并没有涉及推理，只有靠推理才能深入理解一个事物，看到别人看不到的地方，这部分推理的过程就是你的思维时间，也是人一生中占据一个显著比例的“暗时间”。4.能够迅速进入专注状态，以及能够长期保持专注状态，是高效学习的两个最

PLA算法的机制故事起源于一个二元分类问题（比如说银行要不要给客户发信用卡的问题）我们的先决条件1.我们有资料在手上（用户信息）2.我们的资料有标签（有没有发信用卡）3.假设我们的资料是线性可分的（可以被一个超平面所分割）我们的假设我们首先要给每一笔资料算出一个得分函数，由于资料是线性可分的所以我们有如下假设其中threshold为我们规定的门槛值，当得分为正sign（）的结果为+1我们会给该客户...

写在前面：把前几年的毕业设计论文放出来，主要实现的是基于JavaEE的前后端的，带有搜索引擎的与SparkML推荐算法的一个网站的设计。没有什么创新，只是一些技术的整合。摘 要:本系统是一个功能较为完备的资源分享平台，实现了资源分享、资源搜索、资源推荐等功能。其中网站的主体通过经典的JavaEE框架构建，通过Lucene技术与Solr技术提供资源搜索服务，并且实现了以机器学习ALS算法为核心的资源推荐系统，使得用户可以更为方便地找到想要的资源。关键词:资源分享; 全文...

错误代码与现象分析def train_epoch_ch3(net, train_iter, loss, updater): #@save """训练模型一个迭代周期""" # 将模型设置为训练模式 if isinstance(net, torch.nn.Module): net.train() # 训练损失总和、训练准确度总和、样本数 metric = Accumulator(3) for X, y in train_iter:

PCA的目标有利于简化计算，降低模型复杂度，便于数据可视化。核心思想就是抓住主要矛盾一个简单的例子：现在要通过照片来识别一个人。整个拍照的过程就是一个将3维的人降维到2维。我们通过照片就能够识别照片中的人。这就是PCA要做的事情。在举一个例子就是在平常的学习中物理与数学科目的相关性很强，如果我们知道了一个同学的数学成绩很好那么大概率就能知道该同学的物理学的不错。在这里我们就能够使用数学（一个维度）来评估该同学的理科素质（多个维度）。同时降维之后尽可能留下有用的维度，也就是留下的维度尽可能的独

课后题自动微分自动微分为什么计算二阶导数比一阶导数的开销要更大？简单来说就是会造成梯度维数的增大，标量对向量的求导是一个向量，在此基础上再对向量求导就会变成一个矩阵，进一步的会变成张量。在运行反向传播函数之后，立即再次运行它，看看会发生什么。运行时异常，之前的结果已经被释放，而且给出了提示，说要使用retain_graph=True就能够保证结果不被释放。RuntimeError: Trying to backward through the graph a second time, but