61etj - 簡(jiǎn)書

發(fā)簡(jiǎn)信

61etj

5
關(guān)注
0
粉絲
42
文章
17567

字?jǐn)?shù)
7

收獲喜歡
10

總資產(chǎn)

IP屬地：重慶

61etj

Vue真是太好了壹萬多字的Vue知識(shí)點(diǎn) 超詳細(xì)!
?1??宁昭、Vue和其他兩大框架的區(qū)別 Angular 學(xué)習(xí)成本太高 React 代碼可讀性差 Vue 學(xué)習(xí)成本較低很容易上手傳送門 https://cn.vuejs.or...

藍(lán)海00
74033 40 1231
61etj

簡(jiǎn)書閃電俠
寫了 53037 字积仗，被 5645 人關(guān)注，獲得了 2264 個(gè)喜歡

大眾點(diǎn)評(píng)基礎(chǔ)架構(gòu)部高級(jí)研發(fā)工程師寂曹，新美大移動(dòng)端接入層shark負(fù)責(zé)人哎迄，新美大千萬級(jí)實(shí)時(shí)在線用戶消息推送系統(tǒng)負(fù)責(zé)人 intellij idea和vim的狂熱愛好者漱挚，精通spring和netty 另外還喜歡唱歌和攝影，鋼琴也能按出幾個(gè)音節(jié)

61etj

程序猿DD
寫了 460974 字旨涝，被 17071 人關(guān)注，獲得了 5586 個(gè)喜歡

博客首發(fā)：<a href="https://links.jianshu.com/go?to=http%3A%2F%2Fblog.didispace.com" target="_blank">http://blog.didispace.com</a> 公眾號(hào)：程序猿DD 專注分享Java技術(shù)颊糜、架構(gòu)師思考與互聯(lián)網(wǎng)大事！
61etj

程序員接私活完整攻略
接私活對(duì)程序員這個(gè)圈子來說是一個(gè)既公開又隱私的話題，不說全部憔杨，應(yīng)該大多數(shù)程序員都有過想要接私活的想法鸟赫，當(dāng)然，也有部分得道成仙的不主張接私活。但是很少有人在公開場(chǎng)合討論私活的問...

天哥在奔跑
65778 68 1656 1
61etj

27b99b9c22ce
寫了 0 字台谢，被 24231 人關(guān)注，獲得了 8184 個(gè)喜歡
61etj

Gradle查看編譯錯(cuò)誤詳細(xì)日志
gradlew compileDebugSource --stacktrace -info

8423 1 3
61etj

WireMock快速生成接口
WireMock的使用前期對(duì)接口，但接口還未開發(fā)時(shí)使用缀壤。接口數(shù)據(jù)為虛擬的。使用步驟 1.下載jar http://wiremock.org 選擇Docs->Running...

1186 0 0

61etj

MockMvc 模擬請(qǐng)求
MockMvc 的使用用來快速模擬請(qǐng)求

4006 0 0
61etj

Swagger快速生成文檔
Swagger 快速生成文檔導(dǎo)入配置配置Application 增加注釋常用注釋 @ApiIgnore：使用注解忽略該API，不會(huì)參與文檔生成 @ApiOperatio...

2136 0 0
61etj

集成學(xué)習(xí)
集成學(xué)習(xí) Voting Classifier 每個(gè)算法的最終預(yù)測(cè)的結(jié)果都不同条篷，評(píng)分也不同。那么哪個(gè)算法算是最合理呢蛤织？集成學(xué)習(xí)就是統(tǒng)計(jì)每個(gè)算法預(yù)測(cè)結(jié)果，選擇多數(shù)算法預(yù)測(cè)出相同的...

1015 0 0
61etj

決策樹
決策樹將問題分為多個(gè)相關(guān)聯(lián)的小問題挨個(gè)解決稚瘾，得到最終結(jié)果為什么取x,y，為什么是2.4和1.8呢？信息熵數(shù)據(jù)的不確定性丢烘，信息熵越大柱宦，不確定性越大 p：信息分類的比例...

591 0 0
61etj

支撐向量機(jī) SVM
支撐向量機(jī) SVM 分類算法中播瞳，一般用一條邊界來決策分類。這條就是決策邊界赢乓。但是決策邊界在很多時(shí)候都可以是多條忧侧。那一條比較合適呢牌芋？數(shù)學(xué)理論的基礎(chǔ)下蚓炬，當(dāng)只有分類邊界離最近的分...

774 0 0

61etj

分類算法評(píng)價(jià)
分類算法評(píng)價(jià) 在之前分類中我們常用MSE MAE等算法來做分類評(píng)價(jià)肯夏。舉個(gè)例子，極度偏斜的情況驯击。在1000個(gè)人中，有1個(gè)是生病的徊都。假設(shè)生病為1沪斟，沒生病為0。那么我們只需要預(yù)測(cè)...

1221 0 1
61etj

抖音產(chǎn)品分析主之，干貨滿滿！
01 產(chǎn)品概述袱耽、定位產(chǎn)品概述：上線于2016年9月26日，是一款音樂創(chuàng)意短視頻社交軟件朱巨，是一個(gè)專注年輕人的15秒音樂短視頻社區(qū)史翘。目前用戶量達(dá)到1.5億，月活達(dá)到3億琼讽。產(chǎn)品...

charlie126
53577 5 113
61etj

程序員如何寫一份更好的簡(jiǎn)歷
本文章由:ResumeJob貢獻(xiàn)洪唐，作者: Windson Yang面試前要準(zhǔn)備的第一件事就是寫簡(jiǎn)歷钻蹬，從零開始寫簡(jiǎn)歷是一件痛苦的事，因?yàn)樗戎匾趾臅r(shí)∑拘瑁現(xiàn)在就有很多求職者在電腦...

GreerChen
4482 1 79
61etj

邏輯回歸
邏輯回歸常用于分類中將線性回歸轉(zhuǎn)換為概率值[0,1] 損失函數(shù)重新定義當(dāng)有多個(gè)樣本時(shí) 代入 scikit_learn 使用邏輯回歸會(huì)默認(rèn)自動(dòng)使用L2正則化问欠，為了必須使用正...

1005 0 0
61etj

正則化
模型正則化當(dāng)模型過擬合的時(shí)候會(huì)選擇正則化來解決這個(gè)問題。本質(zhì)上是在損失函數(shù)上加上W矩陣的和粒蜈。當(dāng)使損失函數(shù)最小時(shí)不僅僅要讓MSE等函數(shù)變小顺献，也需要讓W(xué)變小。當(dāng)W變小了枯怖，擬合問...

714 0 0

61etj

交叉驗(yàn)證
交叉驗(yàn)證問題我們?cè)谟?xùn)練數(shù)據(jù)的時(shí)候通常把原數(shù)據(jù)分成訓(xùn)練集以及測(cè)試集兩份注整。當(dāng)我們使用訓(xùn)練集訓(xùn)練出模型后再使用測(cè)試集進(jìn)行預(yù)測(cè)。從而得出模型的好壞程度度硝。這樣也會(huì)暴露一個(gè)問題肿轨，當(dāng)...

724 0 0
61etj

多項(xiàng)式回歸
多項(xiàng)式回歸在簡(jiǎn)單線性回歸當(dāng)中，我們的數(shù)據(jù)與數(shù)據(jù)之間是有很大的線性關(guān)系蕊程。但是現(xiàn)實(shí)中很多樣本是不成線性關(guān)系的椒袍。如何把非線性問題變成線性問題呢？多項(xiàng)式回歸將原有的特征經(jīng)過平方等變...

812 0 0