HuYe的博客

发表于 更新于 分类于 ，

1.直接将项目放到webapps目录下

  • 项目的访问路径–>虚拟路径
  • 简化部署：将项目打包成一个war包，再将war包放置到webapps目录下
    • war包会自动解压缩（热部署）

发表于 更新于 分类于 ，

1微服务架构概述

微服务定义(Martin Fowler)：微服务架构为一种架构模式，提倡将单一应用划分成一组小的服务，服务之间互相协调、互相配合。每个服务运行在独立进程中，服务间沟通采用轻量级通信机制。每个服务围绕具体业务构建，可独立部署。

1.1 “微”的定义

  • 代码行数：×
  • 重写时间：×
  • 团队共识
    • 业务独立性
    • 团队自主性：人数≤10，全功能团队。

发表于 更新于 分类于

1.许可证问题

1.1 解决方法1

MATLAB 在启动时，一直停留在“正在初始化”的状态，有可能是因为 MATLAB 一直在找着本机的许可证。

有可能是设置了 LM_LICENSE_FILE 的环境变量。这个变量告诉 MATLAB 或者其他应用程序去哪里查找许可证文件。如果您有一个网络许可证，但是当前又没有联网，那么 MATLAB 就会一直停留在这个状态。

注意：还有一个环境变量 MLM_LICENSE_FILE 也会导致这一问题。这个环境变量只用于 MATLAB。

发表于 更新于 分类于 ，

1.感知机

优点

  • 模型简单易懂，便于编程实现；
  • 是许多后续算法如SVM、神经网络、深度学习的基础。

缺点

  • 只能对线性可分数据集进行学习；
  • 不同参数设置会学到不同模型，泛化能力好差。

发表于 更新于 分类于 ，

感知机——二类分类的线性分类模型

1.感知机模型

输入空间（特征空间）为 $\mathcal{X}\subseteq R^n$，输出空间为 $\mathcal{Y}\subseteq {+1,-1}$，输入 $x\in\mathcal{X}$ 表示实例的特征向量，输出 $y\in\mathcal{Y}$ 表示实例的类别，输入到输出空间的函数：
$f(x)=\operatorname{sign}(w \cdot x+b)$ 称为感知机，其中w:权值，b:偏置

感知机几何解释：线性方程 $w\cdot x+b=0$ 对应于特征空间$R^n$中的一个超平面S，w为超平面的法向量，b为超平面的截距，S将特征空间分为两个部分，位于两部分的点分别被分为正、负两类。

发表于 更新于 分类于 ，

1.逻辑斯谛回归模型

1.1 逻辑斯谛分布

逻辑斯谛分布：X是连续随机变量，X服从逻辑斯谛分布指其具有下列分布函数和密度函数：
$$
\begin{array}{l}{F(x)=P(X \leqslant x)=\frac{1}{1+\mathrm{e}^{-(x-\mu) / \gamma}}} \ {f(x)=F^{\prime}(x)=\frac{\mathrm{e}^{-(x-\mu) / \gamma}}{\gamma\left(1+\mathrm{e}^{-(x-\mu) / \gamma}\right)^{2}}}\end{array}
$$
其中 $\mu$ 为位置参数，$\gamma>0$ 为形状参数。

发表于 更新于 分类于 ，

1.朴素贝叶斯法的学习与分类

1.1 基本方法

输入空间$\mathcal{X} \subseteq \mathbf{R}^{n}$，输出空间$\mathcal{Y}=\left{c_{1},c_{2}, \cdots, c_{K}\right}$，朴素贝叶斯法通过训练集学习联合概率分布$P(X, Y)$，具体地学习先验概率分布$P\left(Y=c_{k}\right)$和条件概率分布$P\left(X=x | Y=c_{k}\right)=P\left(X^{(1)}=x^{(1)}, \cdots, X^{(n)}=x^{(n)} | Y=c_{k}\right)$，进而得到联合概率分布$P(X, Y)$。
条件概率分布有指数量级的参数，难以估计，现做出条件独立性假设：

0%