ThreadLocal 当使用ThreadLocal维护变量时，ThreadLocal为每个使用该变量的线程提供独立的变量副本。所以每个线程都能够独立地改变自己的副本。而不会影响其他线程所相应的副本。从线程的角度看。目标变量就象是线程的本地变量。这也是类名中“Local”所要表达的意思。能够理解为例 ...
分类：
其他好文 时间：
2018-01-24 19:54:15
阅读次数：
153
Decision Trees （DT）是用于分类和回归的非参数监督学习方法。 目标是创建一个模型，通过学习从数据特征推断出的简单决策规则来预测目标变量的值。 例如，在下面的例子中，决策树从数据中学习用一组if-then-else决策规则逼近正弦曲线。 树越深，决策规则越复杂，模型也越复杂。 决策树的 ...
分类：
其他好文 时间：
2017-11-27 00:10:48
阅读次数：
201
我们知道，变量默认总是传值赋值。也就是说，当将一个表达式的值赋予一个变量时，整个原始表达式的值被赋值到目标变量。这意味着，当一个变量的值赋予另外一个变量时，改变其中一个变量的值，将不会影响到另外一个变量。 举个简单例子： 此时的$b = $a,在内存中的存贮大致是这样子的： 但是当一个对象被实例化后 ...
分类：
其他好文 时间：
2017-10-30 14:52:31
阅读次数：
182
第8章 预测数值型数据：回归 回归（Regression） 概述 我们前边提到的分类的目标变量是标称型数据，而回归则是对连续型的数据做出处理，回归的目的是预测数值型数据的目标值。 回归 场景 回归的目的是预测数值型的目标值。最直接的办法是依据输入写出一个目标值的计算公式。 假如你想要预测兰博基尼跑车 ...
分类：
其他好文 时间：
2017-10-26 13:50:33
阅读次数：
408
const与#define最大的差别，Const在堆栈分配了空间，而#define只是把具体数值 直接传递到目标变量罢了。或者说，const的常量是一个Run-Time的概念，他在程 序中确确实实的存在可以被调用、传递。而#define常量则是一个Compile-Time概 念，它的生命周期止于编译 ...
分类：
其他好文 时间：
2017-10-05 23:09:34
阅读次数：
158
以下内容都是通过看寄《机器学习实战》这本书后进行的总结。有疏漏的地方请指正。 一般在实际问题中选择相应的算法需考虑两个问题： 第一：使用算法的目标，想要算法完成何种任务。比如预测明天下雨的概率 还是 对鸟类进行种群划分。 目的（大多数情况下）：（1）想要预测目标变量的值，可以选择 监督学习算法 分类 ...
分类：
编程语言 时间：
2017-09-16 20:36:29
阅读次数：
163
这边文章主要介绍线性回归算法，回归也属于监督算法的范畴，其目标变量是连续数值型，目的是预测数值型的目标值，直观理解就是依据输入写出一个目标值的计算公式，该公式叫为回归方程，而求回归系数的过程就是回归。线性回归是回归算法中最常见的一种。 假设输入数据为$f(x) = {w}_{1}{x}_{1}+{w ...
分类：
其他好文 时间：
2017-09-10 01:16:10
阅读次数：
301
1.监督学习（Supervised Learning）：回归问题，分类问题 1.1 拿支持向量机举个例子，分类问题和回归问题都要根据训练样本找到一个实值函数g(x). 回归问题的要求是：给定一个新的模式，根据训练集推断它所对应的输出y（实数）是多少。也就是使用y=g(x)来推断任一输入x所对应的输出 ...
分类：
其他好文 时间：
2017-08-11 22:03:18
阅读次数：
136
监督学习：分类和回归属于监督学习。这类算法必须知道预测什么，即目标变量的分类信息。 常见算法：k-近邻算法、线性回归、朴素贝叶斯算法、支持向量机、决策树、Lasso最小回归系数估计、Ridge回归、局部加权线性回归 无监督学习：数据没有类别信息，不给定目标值。 常见算法：K-均值、最大期望算法、DB ...
分类：
其他好文 时间：
2017-07-24 16:30:08
阅读次数：
116
单一变量的线性回归 让我们依然以房屋为例，如果输入的样本特征是房子的尺寸，我们需要研究房屋尺寸和房屋价格之间的关系，假设我们的回归模型训练集如下 其中我们用 m表示训练集实例中的实例数量， x代表特征（输入）变量， y代表目标变量 （x,y）代表实例 根据线性回归模型hΘ(x） = Θ0+Θ1*x1 ...
分类：
编程语言 时间：
2017-07-24 16:22:03
阅读次数：
164
