0%

在多年前的某次任务中,看到了别人使用提升树等算法,取得了比较好的效果。今日眼馋,特来学习提升方法,并记录于此。提升方法是一种统计学习方法。在分类问题中,通过改变训练样本的权重,学习多个分类器,将多个分类器进行线性组合,以提升分类的性能。本文收录:

  1. 具有代表性的提升方法:AdaBoost算法;
  2. 算法原理
  3. 算法推导
  4. 算法解释
  5. 举例说明
  6. 代码实现

当问题需要自动地确定聚类数目时,传统的KMeans等聚类方法不在适用。因此,使用“核概率密度估计”的思路自行设计了两种聚类方法。本文收录:

  • 核是什么
  • 核密度估计
  • 基于核密度估计的两种聚类方法
  • 代码实现

栈有着广泛的应用,比如逆波兰表达式,表达式求值,迷宫问题求解,程序调用等,不过这些问题今天都不涉及哈哈哈哈。关于程序执行期间,各个函数的相互调用使用的调用栈,可以参考这里

也许在上数据结构这门课的时候,经常遇到一个问题,一个栈压入一个序列,随缘pop,判断哪个是合理的pop,哪个是不合理的pop,之前都是脑内演算。很巧的今天我在刷题期间也遇到了,记录一下如何用代码判断pop序列是否合理。

想来也快要大学毕业了,2016年唐县一中毕业,2020年某不太行大学毕业,四年了。

承接上文,实现多任务的方法一般有三种,今日来实现其中的一种:多进程爬虫。而剩余的多线程并发和协程暂时没时间搞了,一方面是要先学习下Python的yield和send如何使用,其次要准备毕设的中期答辩和被老师安排了去读源代码,日后会补上的。但仅仅是多进程,就将IO密集的任务从1153秒提升到了105秒,且极高的提升了资源利用率。

还有一点,本文的代码可能只适用于Next主题,但方法思路是通解,只要改改参数适应你的主题,代码同样能用。结果展示:本站热门

作为一个程序员,我发现我不会写多进程和多线程的程序,实在羞愧,在赶完毕业设计后准备开一个多线程编程的坑。本文是我这种小白从无到有的学习收获,内容较多,还请耐心观看。因疫情原因没在学校,手头没有一本靠谱的《操作系统》的书籍,大多东西为网上搜刮而来后整理,可能不严谨。本文收录:

  • 引入线程、进程的基本概念;
  • 多进程编程:变量引用、性能分析、进程池和进程通信;
  • 多线程编程:线程锁、线程的局部变量;
  • 实际项目:暂时的目标是多线程爬虫,内容过多准备放下一个文章(同时也包括防止线程死锁、协程等)。

在给系统安装Linux后,也配置了V2Ray。但发现了一个问题:

  • 之前windows使用V2Ray是没有任何问题的;
  • Linux使用V2Ray也是没有任何问题的;
  • 但是,从Linux切换回windowswindowsV2Ray就不能用了,得关机、重启、过一段时间才能用。

本文给出此类问题的修复方法。