目录

很有名 の weblog

【转载】MySql中的Explain工具

大多数开发者都使用的是Navicat管理数据库,如果你在进行查询的时候也曾注意到过那个 解释按钮,那么你应该知道Explain工具

Mysql索引

当你有一张一百万数据的表且没有加索引优化的话,查询一条记录的速度为0.5秒 而当你加入索引后,查询一条记录的速度为0.024秒 在创建索引后,发生了什么?为什么添加索引后能产生这么大的变化?

Java中的Unsafe类

这是一个普通类的创建 ... 仅仅只需要一行代码就完成了对象的实例化 这是Unsafe类的创建... 通过一个静态方法的调用,而方法中通过反射的方式创建出来Unsafe对象,为什么它需要通过这样的方式创建出来?

Java中的Atomic

说一说Java中的Atomic

volatile关键字

分析分析volatile是个啥

麦克雷表情包

该文章已经加密。

【转载】来谈谈Springboot的优雅停机,以及一些衍生知识

在系统生命周期中, 免不了要做升级部署, 对于关键服务, 我们应该能做到不停服务完成升级 (perform a zero downtime upgrade), 对于一般系统, 应该做到优雅地停服务. 如何做到不停服务的升级?

SpringBoot+Sharding-JDBC+读写分离

本文实现了docker+mysql主从复制+SpringBoot+Sharding-JDBC的演示例子,从搭建mysql主从复制开始到配置实现Sharding-JDBC的读写分离

吴恩达机器学习4-6(正规方程 区别于迭代方法)

该文章已经加密。

【转载】浅谈矩阵分解在推荐系统中的应用

浅谈矩阵分解在推荐系统中的应用 原文地址:浅谈矩阵分解在推荐系统中的应用 为了方便介绍,假设推荐系统中有用户集合有6个用户,即U={u1,u2,u3,u4,u5,u6},项目(物品)集合有7个项目,即V={v1,v2,v3,v4,v5,v6,v7},用户对项目的评分结合为R,用户对项目的评分范围是[0, 5]。R具体表示如下: 推荐系统的目标就是预测出符号“?”对应位置的分值。推荐系统基于这样一个假设:用户对项目的打分越高,表明用户越喜欢。因此,预测出用户对未评分项目的评分后,根据分值大小排序,把分值高的项目推荐给用户。怎么预测这些评分呢,方法大体上可以分为基于内容的推荐、协同过滤推荐和混合推荐三类,协同过滤算法进一步划分又可分为基于基于 内存的推荐(memory-based)和基于 模型的推荐(model-based),本文介绍的矩阵分解算法属于基于模型的推荐。 矩阵分解算法的数学理论基础是矩阵的行列变换。在《线性代数》中,我们知道矩阵A进行行变换相当于A左乘一个矩阵,矩阵A进行列变换等价于矩阵A右乘一个矩阵,因此矩阵A可以表示为A=PEQ=PQ(E是标准阵)。 矩阵分解目标就是把....

吴恩达机器学习4-5(特征和多项式回归)

该文章已经加密。

吴恩达机器学习4-4(多元梯度下降法-学习率)

该文章已经加密。

吴恩达机器学习4-3(多元梯度下降法演练-特征缩放)

该文章已经加密。

吴恩达机器学习4-2(多元梯度下降法)

该文章已经加密。

吴恩达机器学习4-1(多功能)

该文章已经加密。

吴恩达机器学习3-6(逆和转置)

该文章已经加密。

吴恩达机器学习3-5(矩阵乘法特征)

该文章已经加密。

吴恩达机器学习3-4 (矩阵乘法)

该文章已经加密。

吴恩达机器学习3-3 (矩阵向量乘法)

该文章已经加密。

吴恩达机器学习3-2(矩阵加法)

吴恩达机器学习3-2(矩阵加法)