langxiaolin的博客

写在前面的话： 码龄4年，应该是申请注册优快云账号4年了，期间看过很多文章，关注了一些大牛。 自己一直信奉的宗旨就是“好记性不如烂笔头”，结果的结果记录了一些内容，但是始终形成不了体系，自己也没有写过博客，结果就是“狗熊掰玉米”。技术就是要总结，要交流，即将迈入2021年了，自己也想总结点东西，写点人生感悟，就像“人生短短急个球”，“不醉不罢休”一样，嘻嘻哈哈。祝愿自己的新一年一切顺利，学到更多东西吧，这东西不止技术，还有各种有用的东东吧，加油！你以为这就结束了NONONO...

1 介绍DBSCAN（Density-Based Spatial Clustering of Applications with Noise）是一个出现得比较早（1996年），比较有代表性的基于密度的聚类算法。DBSCAN能够将足够高密度的区域划分成簇，并能在具有噪声的空间数据库中发现任意形状的簇。聚类的时候不需要预先指定簇的个数，最终簇的个数不确定。DBScan需要二个参数： 扫描半径 (Eps)和最小包含点数(MinPts)。DBSCAN算法将数据点分为三类：(1)、核心点：在半径Eps内含有超

1 前言1.1 大数据的4V特征：容量、种类、速度和价值：容量：1 PB = 1024TB = 1024×1024GB = 1024×1024×1024MB = 1024×1024×1024×1024KB；种类：结构化数据、非结构化数据和半结构化数据(如HTML和XML文档)；价值：价值密度低是大数据的一个显著特征；速度：增长和处理速度快，时效性高。1.2 Hadoop：Apache Lucene 创始人 Doug Cutting 创建的，最早起源于 Apache Nutch 项目。Nutch

1 前言之前用过windows-caffe做过深度学习的训练和应用，以下的专题算是对于caffe和深度学习部分内容的回顾。其实个人觉得数据分析和深度学习都算人工智能的范畴，整体流程分为以下几步：（1）【数据源的整理以及数据的预处理】对于数据分析来说整体目标是在海量的数据中得到数据的分布规律（均值、方差、变化趋势等），对于深度学习（专指CNN）来说就是从已知的图像分类中做图像分类、图像识别等，对于数据的质量和数量来说都有一定的要求。前者可能是质量要求大于数量要求，后者是数量要求大于质量要求，对于CNN来

*LeNet：Yann LeCun的mnist手写体识别任务。*AlexNet：Alex Krizhevsky发表，在2012年ImageNet ILSVRC比赛中夺冠，使用ReLU作为激活函数，使用Dropout避免过拟合。*CaffeNet：由Zeiler和Fergus于2013年提出，在2013年的ILSVR中夺冠，是AlexNet的变体，主要改进是：减少第一层卷积的size和stride(11–>7,4–>2)，提取更多的底层特征；增加第二层卷积的步长stride(1–&g

深度学习：1 three steps for deeping learning:define a setof function–>goodness of function–>pick the best function1-1 neural networkparameterseach neurons can have different values of weights and biases.feed forwardvector1-2 three layers:input la