Ubuntu18.04 换源、美化及配置过程
服务器常用配置的一些记录，包括桌面端和服务器端。服务器端：跳过第一节，直接看终端美化（主要包括`zsh`的基本配置）——简洁配置
Docker+nginx部署SpringBoot+vue前后端分离项目
Docker+nginx部署SpringBoot+vue前后端分离项目一、配置环境1、Docker安装从Ubuntu的仓库直接下载安装。安装比较简单，但是这种安装的Docker不是最新版本。 123456# 安装sudo apt-get updatesudo apt install docker.io# 启动服务sudo systemctl start dockersudo systemctl enable docker 查看是否成功，输出 123> docker -vDocker version 20.10.7, build 20.10.7-0ubuntu5~18.04.3 2、安装Docker-compose Install Docker Compose | Docker Documentation 进入https://github.com/docker/compose/releases 查看最新版本 1sudo curl -L https://github.com/docker/compose/releases/download/1.23.1/docker-compo ...
ComplierC0
来自NWPU课程《编译原理》试点班作业：编写一个C0文法的编译器。以递归下降子程序实现语法分析，输出AST，符号表，优化中间表达式，最终生成MIPS汇编代码。
《机器学习》 第十章 降维与度量学习
主要介绍了KNN、PCA
《机器学习》 第九章 聚类
前三节简洁了聚类的任务、距离度量和性能度量方法；第四节介绍了几种原型聚类方法；第五、六节简介了密度聚类和层次聚类的基本思想和代表性方法。
《机器学习》 第八章 集成学习
第一节简介了集成学习的基本思想；第二节简介了Boost；第三节介绍了Bagging和RF算法；第四季简介了结合策略
《机器学习》 第七章 贝叶斯分类器
第一节介绍了贝叶斯决策论的基本内容和贝叶斯公式；第二节介绍了利用极大似然估计来估计参数值；第三节介绍了朴素贝叶斯分类器；第四节介绍了半朴素贝叶斯分类器【略】第六节简介了EM算法的思想。
《机器学习》 第六章 支持向量机
前两节详细介绍了SVM的数学模型，间隔和支持向量的含义，通过对偶问题简化求解；第三节引入了核函数，解决了低维非线性问题；第四节介绍了软间隔和正则化，解决不可分问题；第五节通过SVR解决回归问题；最后总结了核方法的强大。
《机器学习》 第五章 神经网络
介绍了基本的感知机模型和多层网络；推导了前向、反向传播公式，更新公式；解释了全局最小和局部最小；其他神经网络和深度学习
《机器学习》 第四章 决策树
介绍了决策树构建的基本流程；划分属性选择的几种方法：信息增益、增益率、Gini指数；对决策树的预剪枝和后剪枝；如何处理连续值和缺失值；如何构建多变量决策树。