原创 Linux查詢日誌內容(包含在日誌外邊和裏面查詢)

一、在日誌外邊查詢 1.查詢日誌中含有某個關鍵字的信息 cat app.log |grep ‘error’ 2.查詢日誌尾部最後10行的日誌 tail -n 10 app.log 3.查詢10行之後的所有日誌 tail -n +1

原创 Linux 的 jps命令

jps(Java Virtual Machine Process Status Tool) 是java提供的一個顯示當前所有java進程pid的命令,適合在linux/unix平臺上簡單察看當前java進程的一些簡單情況。 很多人

原创 吳恩達機器學習(十五)——異常檢測

問題動機 模型建立 再給定訓練集的情況下,如何檢測某一個輸入x是否異常? 首先要根據訓練集數據建立一個模型,當給定數據的值的時候,則數據被認定爲異常,表示它距離總體數據中心較遠時被認定爲正常。 欺詐行爲識別是異常識別最常用的領

原创 吳恩達機器學習(十六)——推薦系統

前言 目前生活中我們用的互聯網產品就會都會涉及到推薦系統,比如逛淘寶時瀏覽商品時推薦系統會記下用戶的喜好,然後推薦同類型或者覺得你感興趣的商品給你;瀏覽新聞時根據你歷史瀏覽的內容推薦同類型內容的新聞給你,這就是通俗意義上的推薦系統

原创 tldr,Linux命令行學習神器

還記得man嗎? 就是那個會顯示幫助信息的manual縮寫。 雖然Tony老師講過很多次那個非常的權威非常的有用,但是每次看到會不會眼花繚亂。那麼多英文我怎麼看得懂。 來試試tldr吧, github repo 安裝很簡單,有好多

原创 LeetCode 70: 爬樓梯

You are climbing a stair case. It takes n steps to reach to the top. Each time you can either climb 1 or 2 steps. I

原创 概率總結1——概率、隨機變量、聯合概率、邊緣概率、條件概率

一、概率問題分類 概率分爲兩派 頻率派概率:可以重複 比如拋硬幣 貝葉斯派概率:不可以重複 比如得病 二、隨機變量的生產模式 離散型概率分佈 概率質量函數 如果一個函數P式隨機變量x的PMF,必須滿足以下條件: P的定義域必須是x

原创 求導,微分,積分的區別

導數和微分 導數和微分在書寫的形式有些區別,如y’=f(x),則爲導數,書寫成dy=f(x)dx,則爲微分。積分是求原函數,可以形象理解爲是函數導數的逆運算。 積分 :設F(x)爲函數f(x)的一個原函數,我們把函數f(x)的所有

原创 概率總結2——期望值,方差

五、期望值,方差 期望 期望值的數學性質 期望值和平均值 方差 方差的數學性質 x,y相互獨立的時候期望乘積成立

原创 概率總結4——伯努利分佈、二項分佈、正太分佈

七、伯努利分佈、二項分佈、正太分佈 伯努利分佈 二項分佈 伯努利分佈,二項分佈都是離散型隨機變量,正態分佈是連續性隨機變量 正態分佈

原创 概率總結5——貝葉斯定律

八、貝葉斯定律 其中P(A|B)是在 B 發生的情況下 A 發生的可能性。 P(A)是 A 的先驗概率,之所以稱爲“先驗”是因爲它不考慮任何 B 方面的因素。 P(A|B)是已知 B 發生後 A 的條件概率,也由於得自 B 的取

原创 通用 Mapper常用方法

Select 方法:List select(T record); 說明:根據實體中的屬性值進行查詢,查詢條件使用等號 方法:T selectByPrimaryKey(Object key); 說明:根據主鍵字段進行查詢,方法參數必

原创 LeetCode 88: 合併兩個有序數組

給你兩個有序整數數組 nums1 和 nums2,請你將 nums2 合併到 nums1 中,使 num1 成爲一個有序數組。 說明: 初始化 nums1 和 nums2 的元素數量分別爲 m 和 n 。 你可以假設 nums1

原创 Leetcode 27:移除元素

題目 Given an array nums and a value val, remove all instances of that value in-place and return the new length. Do n

原创 Java8 stream流的一些感悟

流 分中間操作 終止操作 如果沒有終止操作 中間操作不執行 Collectors.joining("/") flatMap() 將所有的流打平了 打成一個流 Stream<List> stream = Stream.of(Arr