爬虫概论

这么多类型的芯片，各有各的优势，也各有各的不足，协同工作才能发挥最大的效率。我们可以清晰的发现，负责计算的绿色部分占比很小，占比最多的是橙色的存储单元和黄色的控制单元，因此CPU虽然可以应对各种计算，但其最擅长的并不是计算，而是控制和管理。除了CPU、GPU、NPU，我们还听说过大脑处理器BPU、智能处理器IPU、知识处理器KPU等等，其实26个字母可能早就被用完了，除了我们刚才重点介绍的几种类型

The Google File System中文版摘要1. 简介2.设计概述2.1设计预期2.2 接口2.3 架构2.4 单一Master节点2.5 Chunk尺寸2.6 元数据2.6.1 内存中的数据结构2.6.2 Chunk位置信息2.6.3 操作日志2.7 一致性模型2.7.1 GFS一致性保障机制2.7.2 程序的实现3. 系统交互3.1 租约（lease）和变更顺序3.2 数据流3.3

windows系统下安装伪分布式Hadoop3.0

pycharm下载安装及创建工程1. 下载2. 创建工程PyCharm是一种Python IDE（Integrated Development Environment，集成开发环境），带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，比如调试、语法高亮、项目管理、代码跳转、智能提示、自动完成、单元测试、版本控制1. 下载网址：https://www.jetbrains.com/p

一、前言最近用到了XGBoost模型，总结一下。二、原理参考朋友的博客，个人感觉总结的很到位：http://reset.pub/2017/04/01/xgboost/三、参数解读参考：https://xgboost.readthedocs.io/en/latest/parameter.html3.1 常规参数boostergbtree 树模型做为基分类器（默认）...

1. KS检验Kolmogorov-Smirnov检验是基于累计分布函数的，用于检验一个分布是否符合某种理论分布或比较两个经验分布是否有显著差异。单样本K-S检验是用来检验一个数据的观测经验分布是否符合已知的理论分布。两样本K-S检验由于对两样本的经验分布函数的位置和形状参数的差异都敏感，所以成为比较两样本的最有用且最常用的非参数方法之一。检验统计量为：，其中Fn（x）为观察序列值，F（x）为理论

The Google File System中文版摘要1. 简介2.设计概述2.1设计预期2.2 接口2.3 架构2.4 单一Master节点2.5 Chunk尺寸2.6 元数据2.6.1 内存中的数据结构2.6.2 Chunk位置信息2.6.3 操作日志2.7 一致性模型2.7.1 GFS一致性保障机制2.7.2 程序的实现3. 系统交互3.1 租约（lease）和变更顺序3.2 数据流3.3

Google Bigtable 中文版Abstract1 Introduction2 Data Model3 API4 Building Blocks5 Implementation5.1 Tablet Location5.2 Tablet Assignment5.3 Tablet Serving5.4 Compactions6 Refinements7 Performance Evaluatio

选择最优模型的指导思想是从两个方面去考察：一个是似然函数最大化，另一个是模型中的未知参数个数最小化。似然函数值越大说明模型拟合的效果越好，但是我们不能单纯地以拟合精度来衡量模型的优劣，这样回导致模型中未知参数越来越多，模型变得越来越复杂，会造成过拟合。所以一个好的模型应该是拟合精度和未知参数个数的综合最优化配置。AIC准则AIC准则是由日本统计学家Akaike与1973年提出的，全称是最小...