备忘录模式的核心是定义一个备忘录类（Memento），这个类的实例能够表示发起人类（Originator）的一种状态。发起人类提供生成备忘录对象的接口，以保存其当时的状态，也提供了接口传入备忘录实例，能够使用备忘录对象实例中保存的信息恢复其保存时的状态。

OpenCV使用imshow显示灰色窗口原因是使用了system('pause');函数，只需要将该函数去掉，使用opencv中的对应函数 waitKey(0) 即可实现同样效果。

libmodbus使用方法攻略 1. 解压libmodbus源码包。2. （重要）进入libmodbus-3.1.10\libmodbus-3.1.10\src\win32文件夹，运行configure.js，配置源代码中的相关信息3. 将libmodbus-3.1.10\src中的.c和.h源码文件，以及libmodbus-3.1.10\src\win32中生成的config.h文件，拷贝到一个

其中${PATH_TO_FX}是IDEA环境变量，保存了javafx类库的地址（如果地址中有空格，则需要在设置时两端加上双引号""）可以替换为javafx类库的地址。javafx中的需要的dll没有拷贝到java的bin目录中去。1）设置项目结构->库中添加javafx库。

摘要 流机器学习（SML）针对现实世界中数据分布随时间演化的问题，通过动态检测和适应数据漂移（Data Drift）或概念漂移（Concept Drift）来更新模型。数据漂移指输入分布$P(X)$变化但不影响$P(y|X)$，而概念漂移则涉及$P(y|X)$的改变。SML通过顺序处理数据流，在检测到漂移时训练新模型并替换旧模型，确保模型持续有效。与异常检测不同，概念漂移关注模型对新数据的适用性，

需要对n个元素进行聚类,使用k作为分类数量, 需要使用距离函数distance fucntion来确定元素之间的距离 pairwise distance.K-means算法使用迭代的方法进行逐步优化分类, 最终在分类稳定或者stopping cretiera处停止.Kmeans方法1. 在变量空间\mathbb{R}^n中设置k个初始聚类中心,2.计算每个元素到各个聚类中心的距离,3. 将每个元素

需要对n个元素进行聚类,使用k作为分类数量, 需要使用距离函数distance fucntion来确定元素之间的距离 pairwise distance.K-means算法使用迭代的方法进行逐步优化分类, 最终在分类稳定或者stopping cretiera处停止.Kmeans方法1. 在变量空间\mathbb{R}^n中设置k个初始聚类中心,2.计算每个元素到各个聚类中心的距离,3. 将每个元素

在模型训练过程中，可能模型已经发生了过拟合，但过拟合的模型参数恰好能够拟合的模型的测试集。此时测试集和训练集的损失可能表现的比较平稳且接近，其难以通过测试集的损失和验证集的损失来观察到模型已经发生了过拟合，在真实场景下，模型可能表现不佳。因此我们需要使用一部分数据来进行测试和验证，除了测试集之外，我们可以引入验证集。

对于1个分类问题，不论其是二分类问题还是多分类问题，或者是多标签分类问题（1个样本可以有多个类别），都可以对其判定结果进行统计，以类别为单位统计其各个指标，来衡量模型对该类别的预测情况。基于对某个分类的4种分类判别情况，引出了精确率、召回率、准确率和F1 Score的评价指标。

决策树是属于用树的形式，在树的每一个内部节点上使用1个划分标准，对在该节点上待划分的样本进行划分，划分成2个类别，2堆样本可以作为叶子节点，认为其中样本都属于某个分类，也可以继续使用另1个划分标准继续划分。