logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

出现Cannot assign requested address: JVM_Bind

Cannot assign requested address: JVM_Bind根据异常信息推测,可能是Tomcat需要绑定的端口或某些资源被其他应用程序占用。使用DOS命令netstat -an查看被占用的端口,并未发现有任何程序占用Tomcat使用的相关端口(例如8080),并且将Tomcat安装目录下的conf/server.xml文件中的端口改为其他端口,再次运行也无法正常启

系统学习机器学习之维度归约(完整篇)

这里,我们讨论特征选择和特征提取,前者选取重要的特征子集,后者由原始输入形成较少的新特征,理想情况下,无论是分类还是回归,我们不应该将特征选择或特征提取作为一个单独的进程,分类或者回归方法应该能够利用任何必要的特征,而丢弃不相关的特征。但是,考虑到算法存储量和时间的复杂度,或者输入不必要的特征等原因,还是需要降维。较简单的模型在小数据上更为鲁棒,有小方差,模型的变化更依赖于样本的特殊性,包括噪声,

#机器学习
java虚拟机之运行时数据区域

1、程序计数器 (program Counter Resgister)--是一块小的内存空间,可以看做是当前线程所执行的字节码的行号指示器。--字节码解释器工作时就是通过改变这个计数器的值来选取下一条需要执行的字节码指令--分支、循环、跳转、异常处理、线程恢复等基础功能都需要依赖这个计数器来完成。--每条线程都需要一个独立的程序计数器,各线程之间计数器互不影响,独立存储,    -

#java#虚拟机
HDFS文件系统操作命令

1、HDFS启动关闭HDFS和普通的硬盘上的文件系统不一样,是通过Java虚拟机运行在整个集群当中的,所以当Hadoop程序写好之后,需要启动HDFS文件系统,才能运行:①启动   》》进入到NameNode对应节点的Hadoop安装目录下             》》执行     bin/start-dfs.sh            (2.6.4中            sbin/

#hadoop
执行sh ./xxx.sh出现:“Syntax error: “(” unexpected”的解决方法

昨天更新了Virtualmin的系统识别部分,目的是让它能支持Debian系统下的一键安装和优化,代码修改了差不多,将VPS重新安装为Debian,通过sh ./virtualmin.sh执行代码就报“Syntax error: “(” unexpected”错误,通过bash ./virtualmin.sh执行就没问题。几经查找语法,没有问题,后来在网上找到问题原因:        代码对于

#linux#bash#dash
VM虚拟机中Linux扩展磁盘空间的方法

一、Vm虚拟机下Linux扩展原有磁盘空间,详细步骤如下:需注意以下几点: linux只能扩展磁盘容量而不能减小, 所填写的容量为总容量,即包含已分区的磁盘, 扩展容量时不能有快照哟,大家可以先把快照删除掉。2.启动Linux,查看系统分区,并创建分区sda3,命令如下:红色字体命令,#后为注释:[root@localhost~]#fdi

#linux#ubuntu#虚拟机
Jstorm 集群搭建过程及一键安装部署脚本

Jstorm 集群搭建过程及一键安装部署脚本时间 2015-05-14 10:51:14自由原文 http://ixirong.com/2015/05/12/how-to-install-jstorm-cluster/主题JStorm ZooKeeper最近公司业务数据量越来越大,以前的基于消息队列的日志系统越来越难以满足目前的业务量,表

#hadoop
Eclipse中导入Maven项目时出现红叹号

1、一种可能是JDK版本或者少jar报包解决:右键项目——》Build Path——》Configuration build path——Library——》将有小红叉的jar包删了在加进去。或者右键项目———》Properties——》java build path——》Library——》将有小红叉的jar包删了在加进去。2、如果上面的jar都没问题,那么将web app程序在to

#java#maven
NumPy的安装

参考  下载Python中的Numpy、SciPy、MatPlotLib安装与配置版本是2.7但是 安装NumPy是出现以下错误pythonversion 2.7 required,which was not found in the registry原因  不能再注册表中识别出来python2.7解决如下http://www.cnblog

系统学习机器学习之维度归约(完整篇)

这里,我们讨论特征选择和特征提取,前者选取重要的特征子集,后者由原始输入形成较少的新特征,理想情况下,无论是分类还是回归,我们不应该将特征选择或特征提取作为一个单独的进程,分类或者回归方法应该能够利用任何必要的特征,而丢弃不相关的特征。但是,考虑到算法存储量和时间的复杂度,或者输入不必要的特征等原因,还是需要降维。较简单的模型在小数据上更为鲁棒,有小方差,模型的变化更依赖于样本的特殊性,包括噪声,

#机器学习
    共 13 条
  • 1
  • 2
  • 请选择