木木玲

67 篇文章
25 人订阅

全部文章

tomas家的小拨浪鼓

ClassLoader 源码详解

ClassLoader是一个类加载器对象,负责去加载类。ClassLoader是一个抽象对象。给定了一个类的“二进制名称”,一个类加载器需要尝试去定位或者生成一...

952
tomas家的小拨浪鼓

深入探索“线程上下文类加载器”

Q: 越基础的类由越上层的加载器进行加载,如果基础类又要调用回用户的代码,那该怎么办? A: 解决方案:使用“线程上下文类加载器”

964
tomas家的小拨浪鼓

从 sun.misc.Launcher 类源码深入探索 ClassLoader

从 深入浅出 ClassLoader 一文中我已经通过大量的理论和示例对ClassLoader有了深入的了解。该文,我们将从 sun.misc.Launcher...

883
tomas家的小拨浪鼓

深入浅出 ClassLoader

“加载”是类加载的时机的第一阶段。 类从被加载到虚拟机内存中开始,到卸载出内存为止,它的整个生命周期包括(5个阶段): ① 加载(Loading) ② 连...

973
tomas家的小拨浪鼓

大话 ThreadLocal

该类提供了线程本地变量。该变量不同于普通的副本,因为访问这个变量(通过 get 或 set 方法)的每个线程都是自己独立初始化该变量的。 ThreadLoca...

1034
tomas家的小拨浪鼓

小白入门——哈希算法

哈希(Hash)也称为散列,就是把任意长度的输入,通过散列算法,变换成固定长度的输出,这个输出值就是散列值。

962
tomas家的小拨浪鼓

第十章 神经网络参数的反向传播算法

假设神经网络的训练样本有m个,每个包含一组输入x和一组输出信号y; L表示神经网络总层数;(? L = 4) S_I表示每层的neuron个数(S_l表示输...

951
tomas家的小拨浪鼓

第十九章 应用实例:图片文字识别(Application Example: Photo OCR)

图像文字识别应用所作的事是,从一张给定的图片中识别文字。这比从一份扫描文档中识别文字要复杂的多。

2444
tomas家的小拨浪鼓

第十八章 大规模机器学习

大数据学习有其特有的问题。具体来说,是计算问题。 如果我们有一个低方差的模型,增加数据集的规模可以帮助你获得更好的结果。我们应该怎样应对一个有1亿条记录的训练...

1202
tomas家的小拨浪鼓

第十七章 推荐系统

第一、仅仅因为它是机器学习中的一个重要的应用。在过去几年,我偶尔访问硅谷不同的技术公司,我常和工作在这儿致力于机器学习应用的人们聊天,我常问他们,最重要的机器学...

1092
tomas家的小拨浪鼓

第十六章 异常检测

在接下来的一系列视频中,我将向大家介绍异常检测(Anomaly detection)问题。这是机器学习算法的一个常见应用。这种算法的一个有趣之处在于:它虽然主要...

1472
tomas家的小拨浪鼓

第十五章 降维

第二种类型的无监督学习问题,叫做降维。 这里有一些,你想要使用降维的原因: ① 数据压缩 数据压缩不仅能对数据进行压缩,使得数据占用较小的内存或硬盘空间。...

913
tomas家的小拨浪鼓

第十一章 应用机器学习的建议

?的方法,一般都是需要花费比较长的时间(如,6个月)才能看到改正后的效果到底是好的,还是坏的。也就是,你选择的方法是对,的还是错的。

661
tomas家的小拨浪鼓

第十四章 无监督学习

聚类算法(非监督学习算法)。我们将要让计算机学习无标签数据,而不是此前的标签数据。

862
tomas家的小拨浪鼓

第十三章 支持向量机

到目前为止,你已经见过一系列不同的学习算法。在监督学习中,许多学习算法的性能都非常类似,因此,重要的不是你该选择使用学习算法A还是学习算法B,而更重要的是,应用...

1212
tomas家的小拨浪鼓

第十二章 机器学习系统设计

为了应用‘监督学习’,首先需要想到的是,如何表示’邮件的特征向量x’,通过特征向量 x 和分类标签 y。我们就能训练一个分类器。比如使用逻辑回归的方法。 ?有...

882
tomas家的小拨浪鼓

第九章 神经网络学习

例1:假如有一个监督学习分类问题: 如果只有2个特征的话,这么做还能比较好的拟合

772
tomas家的小拨浪鼓

第八章 正则化

在将 线性回归 和 logistic回归 应用到某些机器学习应用中时,会出现过度拟合问题,导致它们表现欠佳。 正则化能够改善或者减少过度拟合问题。

1184
tomas家的小拨浪鼓

第七章 Logistic 回归

蓝色:加入新的训练集后,之前拟合的线性函数,显然适用于新的数据集。但是,此时我们因为新的数据集的加入,拟合出一个新的线性函数(蓝色),此时,若还用 0.5 作为...

1154
tomas家的小拨浪鼓

第五章 多变量线性回归

n :特征量的数目 x^(i) :第 i 个训练样本的输入特性值 x^(i)_j :第 i 个训练样本中第 j 个特征量的值

1152

扫码关注云+社区

领取腾讯云代金券