原创 RocketMQ（七）——Transaction Message(事務消息)
分佈式事務通過MQ解決分佈式事務的思路1) 業務和消息生成耦合在一起2) 業務和消息解耦RocketMQ 中的事務消息1) 目前RMQ3.2.6中事務消息的實現原理及存在的問題2) 問題解決思路 本文介紹RocketMQ提供的第
2020-06-08 17:01:37
原创 機器學習（決策樹五）——案例：鳶尾花數據分類 及 據特徵屬性比較
本文實現兩個案例，分別是：鳶尾花數據分類 和 鳶尾花數據特徵屬性比較。 用到的數據集跟前面博客中KNN中的數據集是一樣： 數據鏈接：https://download.csdn.net/download/zhanglianhai55
2020-06-08 17:01:37
原创 RocketMQ（八）——Pull Or Push
在前面的博客已經提到，在RocketMQ中Consumer分爲2類：Push Consumer、Pull Consumer。以前的例子都是Push Consumer，接下來，介紹下Pull Consumer。 通過MQPullCo
2020-06-08 17:01:37
原创 RocketMQ——補充
以後有需要注意的小知識點，就隨時在這裏補充…… 多Master多SlaveQueue in TopicRocketMQ的核心模塊RocketMQ Filter組件介紹 多Master多Slave 由於在之前的博客（RocketM
2020-06-08 17:01:37
原创 RocketMQ（六）——Order Message(順序消息)
生產者端消費者端運行效果補充 RocketMQ提供了3種模式的Producer：NormalProducer（普通）、OrderProducer（順序）、TransactionProducer（事務），對應的分別是普通消息、順序
2020-06-08 17:01:37
原创 機器學習（決策樹四）——簡述 剪枝
隨着決策樹深度的增大，模型效果會變化，但增大太多就會導致過擬合的情況，對於過擬合，常見的有兩咱優化方式： 1 . 剪枝優化 決策樹過度擬合一般情況是由於節點太多導致的（也就是樹太深，這樣可不可以把某些節點給合併一下，合併之後，節點
2020-06-08 17:01:37
原创 機器學習（決策樹三）——簡述 ID3 C4.5 CART
決策樹常見的算法有ID3 C4.5 CART，這裏只簡述一下，不做詳細介紹。因爲了解了決策樹的概念，再看這幾個算法，特別簡單。重點介紹三者的關係。 簡述 1) ID3 ID3算法是決策樹的一個經典的構造算法，內部使用信息熵以及信息
2020-04-24 01:14:55
原创 機器學習（決策樹二）——簡述 決策樹
瞭解了信息熵，再看決策樹，會很容易的。通過上篇博客，我們知道：信息熵被認爲是一個系統有序程度的度量，一個系統越是有序，信息熵就越低，一個系統越是混亂，信息熵就越高。決策樹的構造過程就是，如何劃分，能讓系統變得更加有序。 先來直觀理
2020-04-20 20:10:20
原创 機器學習（決策樹一）——最直白的話來說信息熵
接下來幾篇博客介紹決策樹，並且儘量用最直白的話來講解。本篇博客介紹決策樹中比較重要的一個概念——信息熵。 前置內容 信息熵可以說是決策樹中最基本的概念，在介紹信息熵前，補充一點兒前置內容。 假設存在一組隨機變量X，各個值出現的概率
2020-04-20 20:10:20
原创 機器學習（KNN二）——案例：鳶尾花數據分類
常見API 這裏有我們上篇博客提到的DKTree，還有最基本的KNeighborsClassifier(用於分類) 和 KNeighborsRegressor(用於迴歸)，這裏列出常見的參數： 參數 KNeighborsC
2020-04-19 17:42:09
1
原创 機器學習（KNN一）——原理概述
從這篇博客開始機器學習最大的一塊——分類（有監督學習），並以KNN做爲開篇。（當然KNN也可用做迴歸） K近鄰(K-nearst neighbors, KNN)是一種基本的機器學習算法，所謂k近鄰，就是k個最近的鄰居的意思，說的是
2020-04-19 17:42:09
原创 機器學習（聚類九）——密度聚類(DBSCAN)算法案例
這篇博客使用scikit的相關API創建模擬數據，然後使用DBSCAN密度聚類算法進行數據聚類操作，並比較DBSCAN算法在不同參數情況下的密度聚類效果。 API class sklearn.cluster.DBSCAN(eps
2020-04-15 04:18:39
原创 機器學習（聚類八）——密度聚類
這篇博客介紹另一種類型的聚類算法——密度聚類。 密度聚類方法的指導思想：只要樣本點的密度大於某個閾值，則將該樣本添加到最近的簇中。這類算法可以克服基於距離的算法只能發現凸聚類的缺點，可以發現任意形狀的聚類，而且對噪聲數據不敏感。但
2020-04-14 19:42:24
原创 機器學習（聚類七）——層次聚類的優化算法
上篇博客介紹的層次聚類，尤其是AGNES這一傳統的層次聚類算法。這篇博客介紹層次聚類的優化算法。 優化算法 BIRCH算法 BIRCH算法(平衡迭代削減聚類法)：聚類特徵使用3元組進行一個簇的相關信息，通過構建滿足分枝因子和簇直徑
2020-04-14 09:24:00
原创 機器學習（聚類六）——層次聚類
這篇博客開始另外一種聚類——層次聚類，層次聚類和K-Means是同一類的，屬於劃分聚類。 概述 層次聚類方法對給定的數據集進行層次的分解，直到滿足某種條件爲止，傳統的層次聚類算法主要分爲兩大類算法： 凝聚的層次聚類：AGNES算
2020-04-14 09:24:00