Just for Life.

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windows，windows的V2Ray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。