原创 SQL 常見操作彙總

寫在前面 會涉及到以下內容: 改密碼,本機SQL developer(windows)連接,刪表,Oracle 數據類型介紹,建表,插入(手動+循環)小規模模擬數據,基礎簡單的SQL。 copy 表 +(循環)插入大規模(百萬級)數據,基

原创 Bayesian framework 貝葉斯框架 (R)

寫在前面 本文介紹了 Bayes' theorem(貝葉斯定理),Bayesian inference(貝葉斯推理),Bayesian regression Model (貝葉斯迴歸模型) 等。 貝葉斯定理大家都耳熟能詳,高中數學甚至都有

原创 機器學習概念-model fit , Resampling Methods

寫在前面 介紹了機器學習的一些概念,雖然很基礎,但多回顧回顧總是沒錯。 會涉及到 監督/非監督學習,常見的 model fit (MSE)判斷 和 Resampling Methods (CV) 監督/非監督學習 非監督即 數據中包括 p

原创 Classification methods 分類算法 (R)

寫在前面 介紹了 6 種分類算法, 分別是  Linear discriminant analysis (LDA), Quadratic discriminant analysis (QDA), Logistic regression (

原创 Java 會話(session)和 事務

會話(session)和事務的區別 一個session可以啓動多個事務,session指一次連接。一個session中可以完成多個事務。 一個事務 是指一個操作單元,要麼成功,要麼失敗,沒有中間狀態。 會話,在應用程序中連接數據庫要執行連

原创 mybatis 知識點回顧

寫在前面 這是一個對 mybatis 部分重要特性 的回顧, 比較簡單,也沒有什麼組織。 JDBC編程步驟 1、 加載數據庫驅動  2、 創建並獲取數據庫鏈接  3、 創建jdbc statement對象  4、 設置sql語句  5、

原创 R Simple Linear Regressions 簡單線性迴歸

寫在前面 這篇文章不是告訴‘不知道什麼是線性模型的人’線性模型是什麼,你可以自行Google。 它是在對線性模型有一定了解的基礎上的一個細節探索。 我一開始也覺得lm沒什麼,挺簡單的,但後來我越來越覺得並非如此... 用GLM表示普通線性

原创 R Generalised Linear Model (GLM) --2-- 指數家族 和 GLM定義

指數家族 爲什麼要說指數家族? 回顧likelihood,它給出了一種獲取模型參數點估計的方法(MLE) ,模型是一堆PDF/PMF的joint, 而指數家族,就是一些經典常見的 PDF/PMF 。 簡單線性模型假設數據和響應變量之間是正

原创 R Generalised Linear Model (GLM) --1-- likelihood

寫在前面 介紹了 likelihood,指數家族概率分佈的公共形式和性質,GLM的定義,fitting the GLM,  Inference in the GLM , GLM的例子,GLM的限制。內容較多,會分成多篇。 一些prior基

原创 R Smoothers and Generalised Additive Models 廣義加性模型

GAM( Generalised Additive Models )是什麼? 請對glm有一定了解,否則本文看起來會很跳躍。gam 可以看作是 glm 的擴展,  對於真實世界的數據,可能是更加光滑,在不同階段有不同光滑程度 的曲線,而不

原创 R Logisic regression and classification 邏輯迴歸 和 分類

Logisic regression Logistic迴歸是基於一個或多個預測變量(x)預測個體的類別(或類別),用於建模一個二元結果,即一個變量,它只能有兩個可能的值:0或1、是或否、患病或不患病。 Logistic迴歸屬於GLM族,它

原创 R 主成分分析 PCA (Principal components analysis)& 圖像壓縮 Image Compression

寫在前面 本文介紹了PCA原理,以及 R語言實現PCA 的兩個例子 ,一個是對非常有名的 iris 數據,一個是使用PCA實現圖片壓縮 主成分分析 主成分分析(英語:Principal components analysis,PCA)是一

原创 R Multiple Linear Regressions 多元線性迴歸

多元迴歸 多元迴歸是線性迴歸模型的自然延伸。它用於從幾個解釋變量預測響應的值。每個解釋變量都有自己的係數。響應變量由所有變量乘以各自係數的組合來預測。 其基本原理與簡單迴歸相同:我們尋求預測因子的線性組合,以最小化與結果變量的差異。  

原创 在虛擬機上將 spring-boot + dubbo微服務打包成docker 鏡像

寫在前面 本文給出了一個實操例子: 在虛擬機上,將 spring-boot + dubbo 微服務(兩個服務),以及它們依賴的組件 ,如zookeeper, 打包成docker 鏡像。 同時,本文也對部分操作的動機或原理 進行了簡單介紹。

原创 hexo+Next+華爲雲 搭建個人博客

目錄 寫在前面 基於Hexo搭建web應用 安裝git 安裝node.js 安裝Hexo 使用next主題 自定義配置 獲取公網域名 獲取公網服務器  設置解析 安裝啓動花生殼 設置解析 開放端口 開放安全組 總結 寫在前面 搭建一個個人