<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[codedz的博客]]></title><description><![CDATA[一个喜欢五月天的代码男孩！]]></description><link>https://blog.youkuaiyun.com/codedz</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; codedz]]></copyright><item><title><![CDATA[Redis配置文件解析]]></title><link>https://blog.youkuaiyun.com/codedz/article/details/124049181</link><guid>https://blog.youkuaiyun.com/codedz/article/details/124049181</guid><author>codedz</author><pubDate>Fri, 08 Apr 2022 19:29:59 +0800</pubDate><description><![CDATA[Redis配置文件解析

读懂redis的配置文件可以更加有助于我们去配置redis的持久化，主从复制等等功能

文章目录Redis配置文件解析1. 单位2. 包含3. network网络4. 通用5. 快照(RDB持久化)6. 安全7. 客户端限制8. APPEND ONLY 模式(配置AOF)
接下来对安装的redis目录下的redis.windows.conf（windows版配置文件）/redis.conf（Linux版配置文件）中的配置进行解读。
1. 单位
# Redis configurati]]></description><category></category></item><item><title><![CDATA[CentOS7 安装jdk8教程]]></title><link>https://blog.youkuaiyun.com/codedz/article/details/124044974</link><guid>https://blog.youkuaiyun.com/codedz/article/details/124044974</guid><author>codedz</author><pubDate>Fri, 08 Apr 2022 16:36:39 +0800</pubDate><description><![CDATA[CentOS7 安装jdk8教程

今天整理了一下在Linux（Centos7）下安装java环境（jdk8）的方法，以供给各位需要在Linux环境编程的人参考。

文章目录CentOS7 安装jdk8教程方法一：yum安装1.查看系统是否自带了jdk2.检查yum中是否含有java1.8的安装包3.安装4.验证方法二：官网下载安装（推荐）1.下载所需版本的`.tar.gz`安装包2.Linux下创建目录用来存放jdk文件3. 上传jdk压缩包到linux上3.1 上传jdk压缩包3.2 解压缩jkd安装包]]></description><category></category></item><item><title><![CDATA[C++ STL常用函数总结]]></title><link>https://blog.youkuaiyun.com/codedz/article/details/110493577</link><guid>https://blog.youkuaiyun.com/codedz/article/details/110493577</guid><author>codedz</author><pubDate>Wed, 02 Dec 2020 21:30:17 +0800</pubDate><description><![CDATA[STL常用函数总结
在各大OJ或者leetcode刷题时，会不可避免地用到很多很多STL容器或者STL中的常用算法，然而有一些自己用的不熟的经常会在比赛时突然忘掉它的用法，参数，返回类型等，今天就来总结一下这些常用的能令我们解题过程事半功倍的函数！

short is better:能用递归的一定不用栈，能用STL的一定不要自己实现！
下面开始了！
1.sort()快排
函数原型：sort(起始地址, 末尾地址, cmp),其中cmp是可以自己定义的函数名.

数组排序示例

#include&lt;bit]]></description><category></category></item><item><title><![CDATA[Keras线性回归示例]]></title><link>https://blog.youkuaiyun.com/codedz/article/details/109566363</link><guid>https://blog.youkuaiyun.com/codedz/article/details/109566363</guid><author>codedz</author><pubDate>Sun, 08 Nov 2020 22:36:11 +0800</pubDate><description><![CDATA[Keras—线性回归
Keras 是一个用 Python 编写的高级神经网络 API，它能够以 TensorFlow, CNTK, 或者 Theano 作为后端运行。Keras 的开发重点是支持快速的实验。能够以最小的时延把你的想法转换为实验结果，是做好研究的关键。
线性回归示例
1.导入相关库并模拟数据
import keras
import numpy as np
import matplotlib.pyplot as plt
# Sequential是顺序模型
from keras.models im]]></description><category></category></item><item><title><![CDATA[Longest Substring Without Repeating Characters滑动窗口算法]]></title><link>https://blog.youkuaiyun.com/codedz/article/details/109480167</link><guid>https://blog.youkuaiyun.com/codedz/article/details/109480167</guid><author>codedz</author><pubDate>Wed, 04 Nov 2020 00:41:31 +0800</pubDate><description><![CDATA[Leetcode: Longest Substring Without Repeating Characters
Given a string s, find the length of the longest substring without repeating characters.
Example 1:
Input: s = "abcabcbb"
Output: 3
Explanation: The answer is "abc", with the length of 3.

Example 2:]]></description><category></category></item><item><title><![CDATA[梯度下降算法详细解读]]></title><link>https://blog.youkuaiyun.com/codedz/article/details/109084604</link><guid>https://blog.youkuaiyun.com/codedz/article/details/109084604</guid><author>codedz</author><pubDate>Fri, 16 Oct 2020 18:18:41 +0800</pubDate><description><![CDATA[1. 梯度下降算法概述
如果说在机器学习领域有哪个优化算法最广为认知，用途最广，非梯度下降算法莫属。在模型和决策都已经定义好了之后，我们要做的就是通过一个算法去最优化这个损失函数，也就是让损失函数最小化，其中最常用的一种方法就是梯度下降。
2. 生活实例
梯度下降算法最贴近生活的一个实例就是下山。假设我们在山上的某个位置，我们要如何走才能最快到达山底呢？答案很显然，沿着山腰最陡峭的方向向下走。具体方法步骤如下：


确定自己所在的地方
查看并找到四周最陡峭的方向
朝那个陡峭的方向下山一定距离（learnin]]></description><category></category></item><item><title><![CDATA[加速pip安装python库的效率（使用国内镜像源）]]></title><link>https://blog.youkuaiyun.com/codedz/article/details/108986949</link><guid>https://blog.youkuaiyun.com/codedz/article/details/108986949</guid><author>codedz</author><pubDate>Fri, 09 Oct 2020 21:52:39 +0800</pubDate><description><![CDATA[使用pippippip安装pythonpythonpython的库会很方便，一行指令就完事，但是也会碰到一些问题，比如国外服务器安装过慢，出现几kb/s的下载速度，现在可以依靠国内的镜像源下载，只需加入一些参数即可，速度非常快。

使用清华镜像源：
安装时添加参数-i https://pypi.tuna.tsinghua.edu.cn/simple
例如安装numpynumpynumpy时，输入以下指令：

pip install -i https://pypi.tuna.tsinghua.edu.cn/s]]></description><category></category></item><item><title><![CDATA[KNN算法详解及实现]]></title><link>https://blog.youkuaiyun.com/codedz/article/details/108862498</link><guid>https://blog.youkuaiyun.com/codedz/article/details/108862498</guid><author>codedz</author><pubDate>Fri, 09 Oct 2020 14:47:44 +0800</pubDate><description><![CDATA[KNN算法详解及实现
k近邻法（k-nearest neighbor，k-NN）是一种基本的分类和回归方法，是监督学习方法里的一种常用方法。k近邻算法假设给定一个训练数据集，其中的实例类别已定。分类时，对新的实例，根据其k个最近邻的训练实例类别，通过多数表决等方式进行预测。
k近邻算法用一句通俗的古语来说就是：“物以类聚，人以群分”。你要看一个实例的类别，你就可以看它附近是什么类别。如下图1.1所示，当要判断绿色实例的类别的时候，我们可以看看它的附近有哪些类，然后采取多数表决的决策规则（红色2个多于蓝色1个]]></description><category></category></item><item><title><![CDATA[sklearn线性回归实例]]></title><link>https://blog.youkuaiyun.com/codedz/article/details/108736110</link><guid>https://blog.youkuaiyun.com/codedz/article/details/108736110</guid><author>codedz</author><pubDate>Tue, 22 Sep 2020 19:09:59 +0800</pubDate><description><![CDATA[线性回归
本示例仅使用糖尿病数据集的一个特征，以此来阐述二维图中的线性回归。 可以在图中看到预测的回归直线，显示了线性回归如何尝试绘制一条直线，该直线将最大程度地减少数据集中观察到的响应与通过线性近似预测的响应之间的残差平方和。不仅如此，本例还计算了系数，残差平方和和决定系数。
数据集介绍
本次案例采用sklearn中的diabetes数据集， diabetes是一个关于糖尿病的数据集，包括442个病人的生理数据及一年后的病情发展状况。
diabetes数据集中包含442个样本，每个样本包含10个特征，分别]]></description><category></category></item><item><title><![CDATA[李航统计学习--感知机算法实现（python）]]></title><link>https://blog.youkuaiyun.com/codedz/article/details/108707540</link><guid>https://blog.youkuaiyun.com/codedz/article/details/108707540</guid><author>codedz</author><pubDate>Mon, 21 Sep 2020 21:30:39 +0800</pubDate><description><![CDATA[感知机
1．感知机是根据输入实例的特征向量xxx对其进行二类分类的线性分类模型：
f(x)=sign⁡(w⋅x+b)f(x)=\operatorname{sign}(w \cdot x+b)f(x)=sign(w⋅x+b)
感知机模型对应于输入空间（特征空间）中的分离超平面w⋅x+b=0w \cdot x+b=0w⋅x+b=0。
2．感知机学习的策略是极小化损失函数：
min⁡w,bL(w,b)=−∑xi∈Myi(w⋅xi+b)\min _{w, b} L(w, b)=-\sum_{x_{i} \in M}]]></description><category></category></item><item><title><![CDATA[Pandas用法详细介绍]]></title><link>https://blog.youkuaiyun.com/codedz/article/details/108536844</link><guid>https://blog.youkuaiyun.com/codedz/article/details/108536844</guid><author>codedz</author><pubDate>Tue, 15 Sep 2020 22:41:47 +0800</pubDate><description><![CDATA[Pandas用法详细介绍
1.pandas模块安装
在命令行使用pip install pandas即可

2.pandas介绍
pandas 是基于numpy 的一种工具，该工具是为了解决数据分析任务而创建的。pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
pandas主要包含了3个数据结构：

系列(Series)
数据帧(DataFrame)
面板(Panel)
这些数据机构建立在numpy之上，这也]]></description><category></category></item><item><title><![CDATA[Maximum Subarray]]></title><link>https://blog.youkuaiyun.com/codedz/article/details/105374956</link><guid>https://blog.youkuaiyun.com/codedz/article/details/105374956</guid><author>codedz</author><pubDate>Tue, 07 Apr 2020 22:43:52 +0800</pubDate><description><![CDATA[Maximum Subarray
description:
Given an integer array nums, find the contiguous subarray (containing at least one number) which has the largest sum and return its sum.
Example:
Input: [-2,1,-3,4,-1,2,1...]]></description><category></category></item><item><title><![CDATA[30-Day LeetCoding Challenge!]]></title><link>https://blog.youkuaiyun.com/codedz/article/details/105258137</link><guid>https://blog.youkuaiyun.com/codedz/article/details/105258137</guid><author>codedz</author><pubDate>Wed, 01 Apr 2020 23:21:17 +0800</pubDate><description><![CDATA[Welcome to the 30-Day LeetCoding Challenge!
由于不平凡的2020疫情影响，全世界大部分人都呆在家里防止感染病毒，于是leecode发起了一个30天代码挑战，从4.1~4.30，下面我将开始挑战！
Problem1: Single Number
Given a non-empty array of integers, every element appea...]]></description><category></category></item><item><title><![CDATA[Reverse Linked List]]></title><link>https://blog.youkuaiyun.com/codedz/article/details/105210142</link><guid>https://blog.youkuaiyun.com/codedz/article/details/105210142</guid><author>codedz</author><pubDate>Tue, 31 Mar 2020 18:05:05 +0800</pubDate><description><![CDATA[Reverse Linked List

Reverse a singly linked list.
Example:
Input: 1-&gt;2-&gt;3-&gt;4-&gt;5-&gt;NULL
Output: 5-&gt;4-&gt;3-&gt;2-&gt;1-&gt;NULL

Follow up:
A linked list can be reversed either iterat...]]></description><category></category></item><item><title><![CDATA[Exchange Seats]]></title><link>https://blog.youkuaiyun.com/codedz/article/details/105169270</link><guid>https://blog.youkuaiyun.com/codedz/article/details/105169270</guid><author>codedz</author><pubDate>Sat, 28 Mar 2020 22:24:23 +0800</pubDate><description><![CDATA[Exchange Seats
description:
Mary is a teacher in a middle school and she has a table seat storing students’ names and their corresponding seat ids.
The column id is continuous increment.
Mary wants to...]]></description><category></category></item><item><title><![CDATA[Rising Temperature]]></title><link>https://blog.youkuaiyun.com/codedz/article/details/105144103</link><guid>https://blog.youkuaiyun.com/codedz/article/details/105144103</guid><author>codedz</author><pubDate>Fri, 27 Mar 2020 16:44:48 +0800</pubDate><description><![CDATA[Rising Temperature

description:
Given a Weather table, write a SQL query to find all dates’ Ids with higher temperature compared to its previous (yesterday’s) dates.
+---------+------------------+---...]]></description><category></category></item><item><title><![CDATA[Delete Duplicate Emails]]></title><link>https://blog.youkuaiyun.com/codedz/article/details/105134254</link><guid>https://blog.youkuaiyun.com/codedz/article/details/105134254</guid><author>codedz</author><pubDate>Fri, 27 Mar 2020 10:14:49 +0800</pubDate><description><![CDATA[Delete Duplicate Emails
description:
Write a SQL query to delete all duplicate email entries in a table named Person, keeping only unique emails based on its smallest Id.
+----+------------------+
| I...]]></description><category></category></item><item><title><![CDATA[Department Top Three Salaries]]></title><link>https://blog.youkuaiyun.com/codedz/article/details/105107083</link><guid>https://blog.youkuaiyun.com/codedz/article/details/105107083</guid><author>codedz</author><pubDate>Wed, 25 Mar 2020 23:11:17 +0800</pubDate><description><![CDATA[Department Top Three Salaries

description:
The Employee table holds all employees. Every employee has an Id, and there is also a column for the department Id.
+----+-------+--------+--------------+
|...]]></description><category></category></item><item><title><![CDATA[超级详细的Git&GitHub使用教程]]></title><link>https://blog.youkuaiyun.com/codedz/article/details/105077980</link><guid>https://blog.youkuaiyun.com/codedz/article/details/105077980</guid><author>codedz</author><pubDate>Tue, 24 Mar 2020 18:58:08 +0800</pubDate><description><![CDATA[Git&amp;GitHub使用教程
文章目录Git&amp;GitHub使用教程1. 版本控制工具应该具备的功能2. 版本控制工具3. Git的优势4. Git安装5. Git结构6. Git和代码托管中心7. 本地库和远程库8. Git命令行操作9. GitHub
1. 版本控制工具应该具备的功能

协同修改

多人并行不悖的修改服务器端的同一个文件。

数据备份

不仅保存目录和文件的当前状...]]></description><category></category></item><item><title><![CDATA[Integer to Roman]]></title><link>https://blog.youkuaiyun.com/codedz/article/details/104930624</link><guid>https://blog.youkuaiyun.com/codedz/article/details/104930624</guid><author>codedz</author><pubDate>Tue, 17 Mar 2020 20:46:30 +0800</pubDate><description><![CDATA[Integer to Roman

description:
Roman numerals are represented by seven different symbols: I, V, X, L, C, D and M.
Symbol       Value
I             1
V             5
X             10
L             50
C...]]></description><category></category></item></channel></rss>