活动会话历史报告活动会话历史v$active_session_history视图提供了在实例级别抽取会话活动信息.活动会话每分钟会被抽样一次且被存储在sga中的循环缓冲区中.任何被连接到数据库且正等待一个不属于空闲等待事件的会话会被考虑是一个活动的会话.每个会话抽样都是一组行数据且通过v$activ...
分类：
数据库 时间：
2014-09-01 19:23:03
阅读次数：
382
稀疏信号的一个最重要的部分就是字典A。那么选择A？怎么样选择才是合理？一、字典的选择和学习如何选择合适的字典，一种基本的方法是选择预定义的字典，如无抽样小波、可操纵小波、轮廓博、曲波，等等。近期很多学者提出来主要针对图像的字典，特别是类似于“卡通”的图像内容，假设分段平滑并具有平滑边界。这些提出的字...
分类：
其他好文 时间：
2014-08-29 14:21:57
阅读次数：
211
活动会话历史报告活动会话历史v$active_session_history视图提供了在实例级别抽取会话活动信息.活动会话每分钟会被抽样一次且被存储在sga中的循环缓冲区中.任何被连接到数据库且正等待一个不属于空闲等待事件的会话会被考虑是一个活动的会话.每个会话抽样都是一组行数据且通过v$activ...
分类：
数据库 时间：
2014-08-26 15:13:36
阅读次数：
456
Boosting简单介绍分类中通常使用将多个弱分类器组合成强分类器进行分类的方法，统称为集成分类方法（Ensemble Method）。比較简单的如在Boosting之前出现Bagging的方法，首先从从总体样本集合中抽样採取不同的训练集训练弱分类器，然后使用多个弱分类器进行voting，终于的结果...
分类：
其他好文 时间：
2014-08-24 10:16:42
阅读次数：
199
对于n个样本，如何均匀随机的取出m个样本？即n个样本中每个样本都能有m/n的概率被取中。1.简单插入取样 这是最基本，最直观的方法。在一个初始为空的集合中插入1~n的随机整数，知道个数为m个为止。但这个方法有个弱点，就是要插入一个数时，判断集合中是否存在该数，如果其存在，则要继续取样直到取到一个不在...
分类：
其他好文 时间：
2014-08-23 12:41:30
阅读次数：
317
可以使用 TOP 子句来限制 UPDATE 语句中修改的行数。当 TOP (n) 子句与 UPDATE 一起使用时，将针对随机选择的 n 行执行删除操作。例如，假设您要为一位高级销售人员减轻销售负担，而将一些客户分配给了一位初级销售人员。下列示例将随机抽样的 10 个客户从一位销售人员分配给了另一位...
分类：
其他好文 时间：
2014-08-14 23:33:17
阅读次数：
213
n个数随机等概率的抽样m个，提供了4种方案的算法。...
分类：
其他好文 时间：
2014-08-13 19:01:57
阅读次数：
193
大数据和以往的信息产出方式相比具有三个明显的特征—数据量大、非结构性和实时性，它创造了一个无限可能的世界。企业正在以史无前例的方式建立和应用大数据解决方案，这些方案不仅能够帮助他们实现收益的最大化，更重要的是他们重新定义了与客户的关系。
企业为何变得如此痴迷？大数据真的和以前大范围数据处理有着如此大的差别么？
? 抽样数据分析VS全数据分析
直到...
分类：
其他好文 时间：
2014-08-13 10:32:25
阅读次数：
2210
模拟退火算法。昨天看了PPT，原来模拟退火算法涉及到马尔什么链，开始理解，它其实就是一个关于抽样的问题。随机抽样，选取足够多的样本，然后逐步逼近。而在平面上，由于T的下降，使得逐渐缩小至一点。然后，就可以了。算法：在平面上随机选取一些点，当然这些点应当有一点相关的性吧。我猜的。然后在这些点随机移动，...
分类：
其他好文 时间：
2014-08-12 10:16:24
阅读次数：
230
首先来说明一下bootstraps：可以把它认为是一种有放回的抽样方法。bagging：boostraps aggregating（汇总）boosting：Adaboot （Adaptive Boosting）提示方法提升（boosting）：在分类问题中，通过改变训练样本的权重，学习多个分类器，并...
分类：
其他好文 时间：
2014-08-11 23:55:33
阅读次数：
422
