知识点：数据分布特征的描述1、变量集中趋势的测定变量在不同个体或不同时间条件下具体表现出来的数据是不同的，不过众多个体的数据常常会呈现出在一定范围内围绕某个中心而波动的分布特征。衡量数据集中趋势的指标有两类：一类是数值平均数，包括算数平均数、调和平均数、几何平均数；另一类是位置代表值，根据数据所处位置直接观察或根据与特定位置有关的部分数据来确定的代表值，主要有众数和中位数。测定集中

1、KMeans算法所谓聚类问题，就是给定一个元素集合D，其中每个元素具有n个可观察属性，使用某种算法将D划分成k个子集，要求每个子集内部的元素之间相异度尽可能低，而不同子集的元素相异度尽可能高。其中每个子集叫做一个簇。与分类不同，分类是示例式学习，要求分类前明确各个类别，并断言每个元素映射到一个类别。而聚类是观察式学习，在聚类前可以不知道类别甚至不给定类别数量，是无监督学习的一种。聚类算

问题：局域网内配置好tocmat，服务器本机访问http://ip:8080成功，但远程访问http://IP:8080/失败，下面是一步步排查过程：1 tomcat禁用IPv6关闭网卡IPV6协议#netstat –anp |grep 8080  //是jsvc程序和tomcat用户在用，且端口在监听状态#lsof –i:8080 //发现type=IPV6，很奇怪怎么是IPV6

1、HDFS HA介绍相比于Hadoop1.0，Hadoop 2.0中的HDFS增加了两个重大特性，HA和Federaion。HA即为High Availability，用于解决NameNode单点故障问题，该特性通过热备的方式为主NameNode提供一个备用者，一旦主NameNode出现故障，可以迅速切换至备NameNode，从而实现不间断对外提供服务。Federation即为“联邦”，该特

问题：本机可以通过3306端口连接mysql服务器，但远程不行。1、网络检测   1)ping主机可以；   2)telnet 主机3306端口不可以；     telnet 主机22端口可以；   说明与本机网络没有关系；2、端口检测   1)netstat -ntpl |grep 3306    tcp        0      0 :::33

1、隐语义模型：物品：表示为长度为k的向量q（每个分量都表示 物品具有某个特征的程度）用户兴趣：表示为长度为k的向量p（每个分量都表示 用户对某个特征的喜好程度）用户u对物品i的兴趣可以表示为：其损失函数定义为：　　使用随机梯度下降，获得参数p,q。负样本生成：对于只有正反馈信息（用户收藏了，关注了xxx）的数据集，需要生成负样本，原则如下1）生成的负样本要和正样本...

为深入理解机器学习中BP神经网络算法，从网上找到的Java实现代码。1、BP神经网络结构如下图所示，最左边的是输入层，最右边的是输出层，中间是多个隐含层，隐含层和输出层的每个神经节点，都是由上一层节点乘以其权重累加得到，标上“+1”的圆圈为截距项b（功能神经元结点的阈值），对输入层外每个节点：Y=w0*x0+w1*x1+…+wn*xn+b，神经网络相当于一个多层逻辑回归的结构。算法

1.kaggle登录后下载API token下载kaggle.json2.linux本机安装kaggle apipip install kaggle然后在根目录下创建.kaggle文件夹，并把kaggle.json放入cd ~mkdir .kagglecd ~/.kaggle/3.下载相应数据集在对应数据集上找到API命令。如这个数据集的命令就是...

<br />1.BOOL C***Dlg::OnInitDialog()<br />{<br />    //禁止关闭对话框<br /> CMenu* pMenu = this->GetSystemMenu(FALSE);<br /> pMenu->ModifyMenu(SC_CLOSE,MF_BYCOMMAND | MF_GRAYED );<br />    //禁止在任务管理器中关闭进程<br

正则化（Regularization）机器学习中几乎都可以看到损失函数后面会添加一个额外项，常用的额外项一般有两种，一般英文称作ℓ1-norm和ℓ2-norm，中文称作L1正则化和L2正则化，或者L1范数和L2范数。L1正则化和L2正则化可以看做是损失函数的惩罚项。所谓『惩罚』是指对损失函数中的某些参数做一些限制。对于线性回归模型，使用L1正则化的模型建叫做Lasso回归，使用L2正则化的