线性模型是机器学习最基本的算法类型，它试图学到一个通过多个特征（属性）计算的线性组合来预测的函数，简单的线性回归形式如y=ax+b，其中，x代表特征，而y代表结果，一旦a和b的值能到确定，模型即得以确定，此时若输入新的x就可以推算新的y。如果变量仅有一个，则称为一元线性回归，若存在超过一个的自变量，即将x、y、a、b均扩展为向量，则称为多元线性回归。使用线性回归能够预测数据趋势​，还可以处理分类问

逻辑回归（Logistic Regression）:决策树（Decision Tree）:随机森林（Random Forest）:支持向量机（SVM）:

moov对于MP4格式的解码和播放至重要，解码器必须获取moov的全部信息，才能在成功解析后获其中每一个码流包的位置和时间戳。当使用ffmpeg的默认参数出为MP4格式时，moov会在所有数据转封装完成后生成，然后加在文件的末尾。由于获取moov相对较为复杂，因此MP4格式流媒体播放等场景并不友好。为了解决该问题，在使用ffmpeg进行转封装操作时，可以在选项-ovflags中加入参数fastst

查看configure后发现只有--cpu选项，查看RK3568说明书，cpu是cortex-a55。增加选项--cpu=cortex-a53后，不再报错。查看错误信息ffbuild/config.log。缺少-mcpu=参数。

rtp打包的ps视频流发送到客户端后显示花屏。

视频解码流程主要分为**解封装（Demuxing）解码（Decode）**两个阶段。

使用 FFmpeg 在视频上添加文字可以通过drawtext滤镜来实现。这个滤镜允许你指定字体、大小、颜色、位置等。

逻辑回归（Logistic Regression）:决策树（Decision Tree）:随机森林（Random Forest）:支持向量机（SVM）:

操作系统可以根据实际需要将文件的部分内容加载到内存中，而不是一次性读取整个文件，这样可以节省内存和时间。: 直接将文件映射到内存，避免了多次读写文件时的系统调用，减少了上下文切换的开销。: 通过映射，多个进程可以共享同一块内存区域，从而减少内存使用和提高访问速度。: 一旦数据被加载到内存，后续的访问可以直接从内存中读取，提高了访问速度。使用内存映射mmap 技术来减少内存拷贝。

SNIA 定义存储效率为(有效容量 + 可用空余) / 原始（原始未保护）容量。对于企业级系统，效率通常只有40–70%，这主要受到 RAID、镜像、纠删码等数据保护层带来的空间开销影响 ([维基百科][2])。指标类别推荐值 / 实际区间说明硬盘填充率 (fill rate)60–80%Pure Storage 建议不要填满，以维护 I/O 性能与重建速度 ([purestorage.com][