总结两种具体的提升算法： AdaBoost算法： AdaBoost的基本想法是不断调整训练数据中样本的权值来训练新的学习器，对于当前误分类的点在下一步中就提高权重“重点关照一下”，最后再将所有的弱分类器做加权和，对于分类正确率高的权重给得大大（更可靠），分类正确率 ...

关于boost算法 　　boost算法是基于PAC学习理论（probably approximately correct）而建立的一套集成学习算法(ensemble learning)。其根本思想在于通过多个简单的弱分类器，构建出准确率很高的强分类器，PAC学习理论证实了这一方法的可行性 ...

（本人自从能写字以来，文笔都不好。针对以下内容大家就凑合，不要太挑剔。） 这个行业变化太快了，一些新的技术点也蜂拥而上；2018年的热点词：大数据，人工智能，VR，区块链....总是期望能凑点热度多捞点钱啊！ 可是本人不太爱学习，也不太会学习。同时转换成本针对我这个老阿姨 ...

序言 通过使用Spring的IoC容器，可以对这些耦合关系（对Java代码而言）实现一个简单的文本化的操作；即是说通过一个或几个XML文文件，我们就可以方便的对应用对象的耦合关系进行浏览、修改和维护 ...

1.什么时候要进行迁移学习？ 目前大多数机器学习算法均是假设训练数据以及测试数据的特征分布相同。然而这在现实世界中却时常不可行。例如我们我们要对一个任务进行分类，但是此任务中数据不充足（在迁移学习中也被称为目标域），然而却有大量的相关的训练数据（在迁移学习中也被称为源域），但是此训练数据与所需 ...

在线学习和离线学习 一、简介 　　在机器学习领域，可以将学习算法分为离线学习和在线学习两种，需要根据数据选择不同的线性可分和线性不可分的核函数。 二、离线学习 　　离线学习通常称为批学习，是指对独立的数据进行训练，将训练所得的模型用于预测任务中。将全部数据放入模型中进行计算，一旦出现需要 ...

参考：https://blog.csdn.net/a133521741/article/details/79221015 解释： （1）offline学习：每次训练完一个batch后再更新参数； （2）online学习：每次训练完一个样本后就更新参数； ...

转自 ：http://www.haomou.net/2014/08/13/2014_web_token/（谢谢楼主分享） 使用json web token 由来 做了这么长时间的web开发，从J ...