当程序crash的时候，我们可以通过coredump文件，来定位问题。比如使用bt命令可以完整的展开函数的调用栈。但是有些时候，部分栈的数据可能被损坏，导致gdb无法直接显示函数的调用栈。那么这时就需要我们手工展开函数栈。 关于x86的函数调用栈的示意图基本如下图所示： 关于参数的压
笔记pdf开源地址：https://github.com/Sophia-11/Machine-Learning-Notes 作者：王博Kings，985AI博士 以往笔记：
作者前言 在2020年还在整理XGB的算法，其实已经有点过时了。。不过，主要是为了学习算法嘛。现在的大数据竞赛，XGB基本上已经全面被LGB模型取代了，这里主要是学习一下Boost算法。之前已经在其他博文中介绍了Adaboost算法和Gradient-boost算法，这篇文章讲解一下XGBoost。 Adaboost和XGBoos
215. 数组中的第K个最大元素 快排每次寻找都会确定一个元素的真实位置 快排的思想： 先定第一个位置是坑，取出第一个位置的值作为最终要确定位置的值，设置up指针和down指针 由于一开始坑的位置和up重合，直接判断坑的值和down的值大小，此时坑>down需要换坑位置，交换以后down的值付给原来
最近开源了周志华老师的西瓜书《机器学习》纯手推笔记： 博士笔记 | 周志华《机器学习》手推笔记第一章思维导图 [博士笔记 | 周志华《机器学习》手推笔记第二章“模型评估与选择” 博士笔记 | 周志华《机器学习》手推笔记第三章“线性模型” 博士笔记 | 周志华《机器学习》手推
1 手推 1） 初始化训练数据（每个样本）的权重分布D，如果有m个样本，则每个训练样本点最开始都被赋予相同的权重：1/m 2） 训练弱分类器。具体训练过程中，如果某个样本已经被正确分类，那么在构造下一个训练集中，权重就会被降低，相反如果某个样本点没有被准确地分类，那么它的权重就得到提高，同时得
携程一面：机器学习（现场）1.介绍你自己，这里我把自己的兴趣点引入风控，然后讨论了一会。2.你对风控有什么理解3.风控模型有哪些4.扣简历5.机器学习算法会吗？会哪些？6.手推下逻辑回归，逻辑回归是梯度下降还是上升？7.手推下svm吧8.了解GAN吗？讲一下9.异常检测？处理无标签问题，有标签问题？10.我讲了
推不动了，改日再更！
