关系逻辑

本文只在 博客 基础上，在 三、指数分布族 中有所改动。 逻辑回归作为被广泛使用的二分类模型，面试中自然是不可缺少的。但要深刻理解逻辑回归又不是那么容易的，比如说，逻辑回归输出的值是0到1之间的值，这个值是真实的概率吗？逻辑回归为什么要选择sigmoid函数的形式，而不是其他将数值映射到0到1之间的形式？本文试图给出一个尽可能简单明了的分析。 一、从一个例子开始 假设你在一家金融公司工作，老板交给你一个任务，建一个模型，用来预测一个借款人是否会违约，公司拥有一个借款人的特征数据，比如年龄。 将是否违约作为标签变量y，0表示没有违约，1表示违约。在给定特征x的情况下， 我们假设 y 是一个服从伯努利分布的二值随机变量。注意，这是我们做的第一个假设哦！从某种意义上讲，模型准不准，首先要看假设合不合理。 我们的任务用数学语言描述就是，寻找一个模型，输入x后，可以告诉我们y所服从的随机分布的参数，知道参数后，就可以计算y的期望作为预测。 具体到违约预测，上面所说的随机分布就是指伯努利分布，该分布的参数就是Φ=P(y=1)，同时也是该分布的期望。 请认真体会一下我们的思路： 1、对每一个确定的x，y仍然是一个随机变量 2、该随机变量服从某个随机分布 3、努力求出这个随机分布的参数 4、求出该随机分布的期望 5、将期望作为预测值 二、从更高的层次看待伯努利分布 那么

目录 计算机概述 数据 总线 CPU 存储器 输入/输出设备 计算机的时标系统 计算机概述 计算机的基本组成: 存储器 :　　　　　实现 记忆功能 的部件用来存放计算程序及参与运算的各种数据 运算器 :　　　　　负责数据的 算术运算和逻辑运算 即数据的加工处理 控制器 :　　　　　负责对程序规定的 控制信息 进行分析,控制并协调输入,输出操作或内存访问 输入设备 :　　　　实现 计算程序和原始数据 的输入 输出设备 :　　　　实现 计算结果 输出 组成的联系: 图一 图二 计算机的工作过程: 用户 打开程序 系统把程序 代码段和数据段 送入计算机的内存 控制器从存储器中 取指令 控制器分析, 执行指令 ,为取下一条指令做准备 取下一条指令 ,分析执行,如此重复操作,直至执行完程序中全部指令,便可获得全部指令 冯·诺依曼机制: 程序存储 采用 2进制 计算机系统的体系结构: 图一: 图二 数据概述 数据信息的两种基本方法: 按值 表示 :　　要求在选定的进位制中正确表示出数值，包括数字符号，小数点正负号 按形 表示 :　　按一定的 编码方法 表示数据 信息的存储单位: 1KB=2^10B=1024 Byte 1MB=2^20B=1024 KB 1GB=2^30B=1024 MB 1TB=2^40B=1024 GB 浮点表示法: 公式 :　　N=2^(+-e)*(+-s) 说明 :

阅读目录 一 错误和异常 二 异常处理 2.1 什么是异常处理？ 2.2 为何要进行异常处理？ 2.3 如何进行异常处理？ 三 什么时候用异常处理 回到顶部 异常和错误 part1:程序中难免出现错误，而错误分成两种 1.语法错误（这种错误，根本过不了python解释器的语法检测，必须在程序执行前就改正） #语法错误示范一 if #语法错误示范二 def test: pass #语法错误示范三 print(haha 语法错误 2.逻辑错误（逻辑错误） #用户输入不完整(比如输入为空)或者输入非法(输入不是数字) num=input(">>: ") int(num) #无法完成计算 res1=1/0 res2=1+'str' 逻辑错误 part2:什么是异常 异常就是程序运行时发生错误的信号，在python中,错误触发的异常如下 part3：python中的异常种类 在python中不同的异常可以用不同的类型（python中统一了类与类型，类型即类）去标识，不同的类对象标识不同的异常，一个异常标识一种错误 l=['egon','aa'] l[3] 触发IndexError dic={'name':'egon'} dic['age'] 触发KeyError s='hello' int(s) 触发ValueError AttributeError 试图访问一个对象没有的树形，比如foo

本文发布于游戏程序员刘宇的个人博客，欢迎转载，请注明来源https://www.cnblogs.com/xiaohutu/p/10504586.html 某个神秘的时间，我接到了一项神秘的任务，最核心的难度是要求实现：引擎是Unity3D，在手机端可以流畅运行为前提，在一个实时战斗的过程里，地图有地形（而且是会被动态改变的地形），数百个单位独立AI寻路、要实现忽略掉部分单位的筛选寻路、动态避障、满足帧同步需求并可以被服务器验证。可以说这个需求是集合了各种难点于一身。在这个任务的过程里，发现网上这样的文章比较少，所以想总结分享一下。着重于算法和思路这一块，不涉及图形上的问题。 一. 通常怎么做 需要寻路，又需要避障，先说一些常规的解决思路： 1.1 寻路 寻路就是基于既有的数据寻找到符合条件的一条路线： 1. 拿来主义类：用unity3d自己的NavMesh、自己的A* project，包含了寻路数据的生成和计算。 2. 进阶类：格子寻路可以用: 　　自己写A* 算法，进行常见的优化(二叉堆优化、HOT优化等等等等)， 分层A* 　　JPS以及各种优化（位运算，剪枝，预处理等） 　　Dijkstra（扩展Dynamic A*） 　　DFS, BFS 　　。。。 　　(后续开文详解） 1.2 避障部分 合理的通过改变自己的行为（速度，方向）来避免穿插: 0. 真实物理 1.

文章目录 逻辑回归 逻辑回归学习目标 逻辑回归引入 逻辑回归详解 线性回归与逻辑回归 二元逻辑回归的假设函数 让步比 Sigmoid函数图像 二元逻辑回归的目标函数 不同样本分类的代价 二元逻辑回归目标函数最大化 梯度上升法 线性回归和逻辑回归的参数更新 拟牛顿法 二元逻辑回归模型 二元逻辑回归的正则化 L1正则化 L2正则化 多元逻辑回归 OvR MvM 逻辑回归流程 输入 输出 流程 逻辑回归优缺点 优点 缺点 小结 逻辑回归   虽然逻辑回归的名字里有“回归”两个字，但是它并不是一个回归算法，事实上它是一个分类算法。 逻辑回归学习目标 二元逻辑回归的目标函数 最小化二元逻辑回归目标函数 二元逻辑回归的正则化 多元逻辑回归 逻辑回归的流程 逻辑回归的优缺点 逻辑回归引入 [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-1O9UxwXA-1582719512430)(…/新配图/恶搞图/06-09-操场2.jpg)]   曾经在感知机引入时我们讲过，操场上男生和女生由于受传统思想的影响，男生和女生分开站着，并且因为男生和女生散乱在操场上呈线性可分的状态，因此我们总可以通过感知机算法找到一条直线把男生和女生分开，并且最终可以得到感知机模型为 f ( x ) = s i g n ( ( w ∗ ) T x ) f(x)=sign((w^*)^Tx) f

环境准备： 1、修改root用户密码： 重启虚拟机，在开机的时候按 E 键进入 grub2 的引导菜单，找到 linux16 这一行，把 ro 后的所有字符全部删除，然后在 ro 字符后输入 rd.break ,然后再按 ctrl + x 引导系统，获得一个命令行后，如果找不到命令时，按回车键获得命令行 # 输入以下命令： switch_root: /# mount -o remount,rw /sysroot switch_root: /# chroot /sysroot # 修改成题目要求的密码 sh-4.2# echo flectrag|passwd --stdin root sh-4.2# touch /.autorelabel sh-4.2# exit switch_root: /# exit 2、登陆系统，进入图形化界面 # 等待系统出现 login 界面后，输入用户名 root 及密码 # 在提示符后输入 startx 进入图形界面（如果不想进入图型界面也可以，不影响做题） localhost login: root password: [flectrag] $ startx 3、修改网络配置和主机名 $ nmcli connection modify "System eth0" ipv4.addresses "172.25.0.11/24 172.25.0.254"

本文首发于 vivo互联网技术 微信公众号 链接： https://mp.weixin.qq.com/s/gk-Hb84Dt7JqBRVkMqM7Eg 作者：张文博 领域驱动设计（Domain Driven Design，DDD）其实并非新理论，大家可以看看 Eric Evans 编著的《领域驱动设计》原稿首版是2003年，距今已十余年时间。与现在的分布式、微服务相比，绝对是即将步入中年的“老家伙”了。 直到近些年微服务理论被提出、被互联网行业广泛使用，人们似乎又重新发现了领域驱动设计的价值。所以看起来也确实是因为微服务，领域驱动设计才迎来了第二春。 不过我发现大家对DDD也存有一些误区，使其渐渐成了一门“高深的玄学”，随之又被大家束之高阁。我本人在过去两年多的时间里，研读过多本DDD相关的经典论著、也请教过一些资深DDDer，并在项目中实践过。 不过在初步学习、实践之后我又带着疑问与自己的思考重新读了一遍相关的著述理论。逐渐领悟到DDD作为一种思想，其实离我们很近。 我把自己的学习过程、思考编写成系列文章，与大家一起探讨学习，希望大家能够有所收获，当然其中不正确的地方也欢迎大家批评指正。 同时，在文章中我也会引用相关的论著或者一些我认为不错的案例素材，权当是我们对这些知识的详细诠释，在这里一并对这些DDD前辈的不倦探索表示感谢。 （DDD相关的经典论著） 一、关于DDD的误区

基于验证码登录 1.检查验证码 数据库建一个存储验证码的表，img_code，它的字段包括： 1.1获取验证码 提供获取验证码接口，给前端使用。 有相关的验证码生成工具包和类，配置验证码规则，比如验证码长度、大写字母、小写字母、符号、数字组合，是否可重复等规则。 生成验证码和uuid，入库，并返回前端。 1.2保存验证码 当生成新的验证码和uuid时，存入数据库。并返回给前端。 1.3校验验证码 当有用户登录时，除了用户的登录信息外，需要回传验证码的uuid和code。 用回传的uuid查询验证码的表，是否能查询到记录，比较查询结果的code是否一致。 还要检查当前请求的时间和验证码生成时间是否超过了我们设置的时间，比如三分钟，超过了则验证码无效。 用户登录时还要求回传用户的 ip和设备id， 如果前端用户没有回传验证码uuid和code，则需查询用户最后一次登录的ip和设备id与本次登录是否相同，相同则不需要验证码。不同则必须要提交验证码。 1.4删除无效验证码 1.可以通过自动定时任务，在凌晨删除过期验证码。过期时间自己定，比如早于当前系统时间，过期一天的就是无效的，过期三小时就是无效等等。 2.还有一种很LOW的方式，就是在每次获取验证码的时候，判断当前系统时间是否为凌晨时间段，如果是，则删除无效验证码。 2.检查用户是否被锁定 通过验证码后，需要查询用户登录记录表

转载请标明出处： 一片枫叶的专栏 好吧，终于要开始讲解Activity的启动流程了，Activity的启动流程相对复杂一下，涉及到了Activity中的生命周期方法，涉及到了 Android 体系的CS模式，涉及到了Android中进程通讯Binder机制等等， 首先介绍一下Activity，这里引用一下Android guide中对Activity的介绍： An activity represents a single screen with a user interface. For example, an email application might have one activity that shows a list of new emails, another activity to compose an email, and another activity for reading emails. Although the activities work together to form a cohesive user experience in the email application, each one is independent of the others. As such, a different application can start any

本文首发于 vivo互联网技术 微信公众号 链接： https://mp.weixin.qq.com/s/gk-Hb84Dt7JqBRVkMqM7Eg 作者：张文博 领域驱动设计（Domain Driven Design，DDD）其实并非新理论，大家可以看看 Eric Evans 编著的《领域驱动设计》原稿首版是2003年，距今已十余年时间。与现在的分布式、微服务相比，绝对是即将步入中年的“老家伙”了。 直到近些年微服务理论被提出、被互联网行业广泛使用，人们似乎又重新发现了领域驱动设计的价值。所以看起来也确实是因为微服务，领域驱动设计才迎来了第二春。 不过我发现大家对DDD也存有一些误区，使其渐渐成了一门“高深的玄学”，随之又被大家束之高阁。我本人在过去两年多的时间里，研读过多本DDD相关的经典论著、也请教过一些资深DDDer，并在项目中实践过。 不过在初步学习、实践之后我又带着疑问与自己的思考重新读了一遍相关的著述理论。逐渐领悟到DDD作为一种思想，其实离我们很近。 我把自己的学习过程、思考编写成系列文章，与大家一起探讨学习，希望大家能够有所收获，当然其中不正确的地方也欢迎大家批评指正。 同时，在文章中我也会引用相关的论著或者一些我认为不错的案例素材，权当是我们对这些知识的详细诠释，在这里一并对这些DDD前辈的不倦探索表示感谢。 （DDD相关的经典论著） 一、关于DDD的误区