在机器学习（三）——梯度下降中记录了一种寻找函数局部最小值的方法：梯度下降法，在本篇中将记录一种非监督的机器学习算法——主成分分析PCA1.引言有时我们收集到的数据有很多特征，可能有成百上千个特征，那么使用这些数据进行训练就会非常耗时并且会占用大量的内存。此时就可以对数据进行降维。1.1 数据降维从低维度来理解数据降维，可以把数据降维理解为投影：（1）比如有三个特征的样本数据，现希望将其降维到二维

Linux容器是与系统其他部分隔离开的一个或一组进程，运行这些进程所需的文件都由另一个特定镜像提供，这意味着从开发、测试、再到生产的整个过程中，Linux容器都是可移植且一致的，相较于依赖重复传统测试环境的开发渠道，使用容器会快得多。相较于虚拟机VM，Linux容器在运行时占用的资源更少，使用的是标准接口（启动、停机、环境变量等），并会与应用隔离开，当作为大型应用（包含多个容器）的一部分时更加易于

reset到commit1，reset的内容被放入本地仓（commit1的内容覆盖本地仓），而暂存区中依然是commit3的内容。hard：reset到commit1，reset的内容被放入工作区（即commit1的内容不仅覆盖了本地仓和暂存区，还覆盖了工作区的内容）main.c的内容直接被commit1的修改覆盖。reset到commit1，reset的内容被放入暂存区（commit1的内容覆盖

SCP是基于SSH的安全文件传输工具，用于在本地和远程主机之间复制文件。基本语法为scp [选项] 源文件 目标路径，常用选项包括-P指定端口、-r递归复制等。主要使用场景包括上传本地文件到远程主机、从远程主机下载文件到本地，以及直接在两个远程主机间传输文件。使用时需注意权限、SSH服务、防火墙限制、路径特殊字符处理等问题，对于大文件传输建议采用支持断点续传的rsync工具。SCP提供了简单高效的

本文系统介绍了数据存储的基础知识，包括存储介质、架构分类和关键技术。首先对比了HDD、SSD和SCM三种物理介质的特性与适用场景。其次详细解析了DAS、SAN、NAS和分布式存储四种架构的特点及区别，并以仓库为例形象说明了它们的差异。然后按照数据模型分类，阐述了块存储、文件存储和对象存储的核心特征。最后概述了冗余容错、数据保护、缓存、一致性模型等关键技术方案。全文通过多维度对比和实例说明，帮助读者

git 的 submodule 功能，提供了单独管理子模块并建立当前项目与子模块之间的依赖关系的功能。在本地修改了子仓的内容，并希望将修改推到远端子仓，但此时我自己在主仓下，如果想要提交子仓的修改，则需进入子模块路径下，按照正常的提交流程提交并push即可，此时就能将修改推到远端子仓。提交、push完后，主仓的状态就是场景2，即主模块下子模块路径下的内容发生了版本变化。文件中的信息设置子模块的ur

问题描述：求两个字符串的最长公共子序列。思路：使用动态规划的思想，将问题分解为小的子问题。假设两个字符串序列分别为：X{x0, x1, x2,......, xm}, Y{y0, y1, y2,......, yn}。从后往前比较字符。如果xm == yn， 则这个字符就是子序列中的一个字符， LCS就是序列{x0, x1, x2,......, xm-1}和{y0, y1, y2,......,