学习笔记1

  1. 机器学习相关 (列举这些大部分我只是了解,并没有使用,仅供学习)
    • 机器学习的基本流程:确定研究问题——采集数据——人工标注(处理数据)——选择模型和算法——看结果调参数 根据我种子杯的经验,最重要的就是处理数据和选择模型两步,就种子杯的项目而言我想处理数据是最重要的,数据处理会决定最后结果的高度,模型主要是优化算法,虽然也影响最后结果,但是仅那种比较明了的项目而言,各种适用的模型效果可能没有数据处理的效果差异大。(仅个人想法,没有做过大项目,只做过一点种子杯)。
    • 机器学习数据预处理
      • 归一化处理了
      • 降维 - PCA
      • 组合特征提取(GBDT)
      • Eembed - L1正则化
      • Filter 子集搜索
      • Wrapper 搜索方法+学习算法
      • ......
    • 机器学习的三种方式
      • 有监督学习:类似与我知道一个问题的答案,所以我可以从这个答案问题出发设计出一个推理逻辑。
      • 无监督学习:类似于我给你一堆数据,你也不知道它是干什么用的,但是你或许可以找出这些数据中蕴含的某种规律
      • 半监督学习:大概就是综合利用有类标和无类标的数据来进行处理
    • 机器学习常用方法
      • 决策树
      • 神经网络
      • 支持向量机
      • 贝叶斯分类
      • 序列分析 聚类 分类
      • 最近邻,k近邻,改进近邻
    • 机器学习相关模型
      • LR逻辑回归模型
      • 线性回归模型
      • 决策树
      • 随机森林
      • RF、GBDT、XGBoost
      • 神经网络
      • 。。。
    • 机器学习深入学习需了解的基本数学知识
      • 线性代数
      • 微积分
      • 统计学/概率论
      • 信息论
  2. nginx+ uwsgi + flask + python + linux + mysql 以前做过类似的配置,所以没有遇到大问题,暂时可以在本地使用postman调试通过,但是没有配置docker
  3. JWT
    • header eg. { "typ": "JWT", "alg": "HS256" }
    • payload 标准字段:
      • iss:Issuer 发行者
      • sub:Subject 主题
      • aud:Audience 观众
      • exp:Expiration time 过期时间
      • nbf:Not before
      • iat:Issued at 发行时间
      • jti:JWT ID eg. { "iss": "ninghao.net", "exp": "1438955445", "name": "wanghao", "admin": true}
    • signature 这部分内容有三个部分,先是用 Base64 编码的 header.payload ,再用加密算法加密一下,加密的时候要放进去一个 secret . 注:JWT会生成一个token客户端收到这个 token 以后把它存储下来,下回向服务端发送请求的时候就带着这个 token 。服务端收到这个 token ,然后进行验证,通过以后就会返回给客户端想要的资源。
  4. leetcode
  5. 《HTTP权威指南》看完前三章,《计算机网络:自顶向下》看完第一章,但是看过之后没什么印象。。。
  6. Linux命令
    • ssh 远程连接
    • scp 不同Linux系统之间的cp
    • ps 获取程序运作情况
    • netstat 显示网络相关的信息,如网络连接,路由表,接口状态
    • chmod 改变文件存储模式
    • uname 显示系统信息
    • ping 测试网络连通
    • kill 杀进程
    • grep 正则搜索文本
    • 。。。
  7. 其他
    • 用Python flask 做了一个微信小程序的demo
    • 准备另一个团队机器学习的分享
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,377评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,390评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,967评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,344评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,441评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,492评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,497评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,274评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,732评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,008评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,184评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,837评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,520评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,156评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,407评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,056评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,074评论 2 352

推荐阅读更多精彩内容