Express 作为 Node.js 的框架，如今发展可谓如日中天。我很喜欢其灵活、易扩展的设计理念。尤其是该框架的中间件架构设计：使得在应用中加入新特性更加标准化、成本最小化。这篇文章，我会尝试编写一个非常简单、小巧的中间件，完成服务端缓存功能，进而优化性能。 关于中间件 说到中间件，Expres ...
分类：
Web程序 时间：
2020-05-10 17:14:23
阅读次数：
68
串行生成，只适用二分类（做回归用别的更新公式？） 工作机制： 先从初始训练集中学习一个基学习器 根据基学习器的表现对训练样本分布进行调整，做错的提高权重，对的降低权重 基于调整后的样本分布来训练下一个基学习器 如此反复，直到基学习器数目达到T，最终将这T个基学习器进行加权结合 对训练样本分布调整，主 ...
分类：
其他好文 时间：
2020-05-10 14:50:40
阅读次数：
54
"题目" 有一个坐标范围为$(0..T,0..T)$的网格图， 给你$n$个整点，你要在其中尽量多的点（左下角和右上角必须选），使得它们互为二维偏序。 在这个基础上，最小化相邻的二维偏序点之间一个左下角一个右上角形成的矩形的面积和。 $n\leq 2e5$ $T\leq 1e6$ 保证横坐标、纵坐标 ...
目录 基础知识-向量的内积 Gram matrix介绍 Gram matrix的应用-风格迁移 一、基础知识-向量的内积 1.1 向量的内积定义：也叫向量的点乘，对两个向量执行内积运算，就是对这两个向量对应位一一相乘之后求和的操作，内积的结果是一个标量。 1.2 实例： a和b的内积公式为： 1.3 ...
分类：
其他好文 时间：
2020-05-10 10:40:22
阅读次数：
584
前言 Notification API 是 HTML5 新增的桌面通知 API，用于向用户显示通知信息。该通知是脱离浏览器的，即使用户没有停留在当前标签页，甚至最小化了浏览器，该通知信息也一样会置顶显示出来。 用户权限 想要向用户显示通知消息，需要获取用户权限，而相同的域名只需要获取一次权限。只有用 ...
Ridge regression 通过对系数的大小施加惩罚来解决 普通最小二乘法 的一些问题。岭回归系数最小化的是带惩罚项的残差平方和，数学形式如下： min∑i=1p‖Xωi y‖2+α‖ω‖2 其中，α = 0是一个控制缩减量（amount of shrinkage）的复杂度参数：α的值越大，缩 ...
分类：
其他好文 时间：
2020-05-07 20:16:44
阅读次数：
62
RHEL/CentOS 7最小化安装后需做的30件事情 导读 CentOS是一个工业标准的Linux发行版，是红帽企业版 Linux 的衍生版本。你安装完后马上就可以使用，但是为了更好地使用你的系统，你需要进行一些升级、安装新的软件包、配置特定服务和应用程序等操作。 阅读帖子的时候请先完成 RHEL ...
分类：
其他好文 时间：
2020-05-06 14:10:46
阅读次数：
75
原文 react-fiber-architecture 介绍 React Fibre是React核心算法正在进行的重新实现。它是React团队两年多的研究成果。 React Fiber的目标是提高其对动画，布局和手势等领域的适用性。它的主体特征是增量渲染：能够将渲染工作分割成块，并将其分散到多个帧中 ...
分类：
其他好文 时间：
2020-05-05 20:05:00
阅读次数：
59
正则化与交叉验证用于模型选择 1 正则化 正则化是结构风险最小化策略的实现，是在经验风险上加一个正则化项(regularizer)或罚项(penalty iterm )。正则化项一般是模型复杂度的单调递增函数，模型越复杂，正则化值就越大。比如，正则化项可以是模型参数向量的范数。 正则化一般形式： 正 ...
分类：
其他好文 时间：
2020-05-03 20:31:49
阅读次数：
81
"Link" 题目大意：给定$n$个二元组，每次可以选择一组，花费是组内最大的长乘以最大的宽。问消掉所有二元组的最小代价。 $\text{Solution:}$ $dp$写的不够啊…… 先挖掘一下题目性质，对于一个二元组，如果它的长和宽都可以被某一个二元组覆盖掉，则它显然是可以被并掉的，于是我们去掉 ...
分类：
其他好文 时间：
2020-05-03 01:03:44
阅读次数：
46
