总听到这么一个词语：回调函数。对于它的了解，只知道在微信的网页授权用到了回调，以及在Angular中可以用观察者模式进行.subscribe订阅，但对于它原理的理解，却是一团浆糊。直到昨天开会时，突然被问到回调函数的知识，我才意识到自己真的不理解。

注: 本文写于 12/12/2019，仅针对以下版本进行过测试，新的/旧的版本可能在命令参数/接口等方面存在一定差异，需根据官方文档进行调整

GET 一般使用 URL 向服务器传递消息，URL 长度一般会受到 浏览器、中间结点、服务器等的限制，POST 则可以通过 body 来传递数据

从较浅的层面看, 智能指针是利用了一种叫做RAII（资源获取即初始化）的技术对普通的指针进行封装, 这使得智能指针实质是一个对象, 行为表现的却像一个指针。by 柴小喵

由于直连到 github 的 clone, pull, push 等操作都很慢，我们需要为其设置代理，以加快连接 github.com 的速度

{代码...} [链接]

Preferences - Settings - User {代码...} SublimeText 3 FileTab auto shrinksublime text的标签页能设置成等宽的吗？ Preferences - Key Bindings {代码...} How to set a keyboard shortcut for converting from tabs to spaces in sublimetext2

这是 Sublime Text 3 新增的特性, 堆叠太多标签页的时候, 当前标签页会占据更大的宽度, 而其他标签页需要通过鼠标滚轮查看 如果要换回 Sublime Text 2 的风格(即题主提到的等宽), 只需要在 Settings - User 里面增加一行 {代码...} 即可

基本概念 自然语言理解, NLU, Understanding形式化(标准化)的数学符号、模型, 模拟人的语言能力 计算语言学, Computational Linguistics数学模型 自然语言处理, NLP更宽泛的概念。 利用计算机, 对人类的书面和口头形式的自然语言的信息进行处理和加工 语言一个符号系...

请求方法对应 CRUDGET ---SELECT，从服务器取出资源 POST --- CREATE，在服务器新建一个资源 PUT --- UPDATE，在服务器更新资源（客户端提供改变后的完整资源） DELETE --- DELETE，从服务器删除资源

core part in information security信息安全, 系统安全 X.800 安全标准 Data Confidentiality, 保密性, 防止未授权的访问, 不可以被第三方看见 Data Integrity, 完整性, 消息认证, 防篡改, 校验, hash Authentication, 实体认证, 身份认证, B 想从 A 得到消息, 要确...

参考资料 Java程序设计 - 北大 - 唐大仕 零基础学Java语言 - 浙大 - 翁恺 面向对象程序设计——Java语言 - 浙大 - 翁恺 Eclipse 在preference里面, 搜索keys, 可以查看和修改快捷键 Content Assist, 自动补全 Format, 代码格式化 1. Java简介 1.1 历史 Java 与 Interne...

分类问题之 Logistic Regression 线性回归简介 线性模型 向量形式 可解释性w 可以理解为特征的权重 目标 对数几率回归, Logistic Regression 训练过程(梯度下降) 分类预测步骤 {代码...} 正则化 与 Naive Bayes 的区别 NB 假设特征相互独立 LR 是线性分类器 训练方式...

分类问题之 Naive Bayes 简介 条件概率 {代码...} 全概率公式 分类步骤 {代码...} 优缺点 抗噪，对孤立噪点噪声鲁棒 对不相关的属性有较强的鲁棒性 如果某条记录存在缺失值, 之间忽略即可 朴素贝叶斯假设特征之间相互独立，但实际情况并不一定如此

分类问题之 KNN 简介 lazy learning, 训练阶段仅仅保存样本, 没有显式的学习过程, 待收到测试样本后再进行处理 三要素: k值的选择, 距离度量(街区, 欧式, 闵可夫斯基), 分类决策规则(majority vote) 分类步骤 {代码...} k 太小, 则对噪声敏感; k 太大, 则可能包含太...

分类问题之决策树 优点 复杂度较低 效率高 非常适用于简单数据集的分类 抗噪，对噪声鲁棒 选取最优决策树是NP完全问题 划分选择 使结点纯度越来越高 信息熵Ent(D) = -Σ (Pk)·log(Pk) 信息增益, GainGain(D, a) = Ent(D) - Σ (Di/D)·Ent(Di) Ent(Di) = -Σ (Pk)·log(Pk...

数据预处理 Outline 概述，Abstract，什么是预处理，为什么，怎么办 数据清洗，data cleaning 数据整合，data integration 压缩，reduction 变换，离散化 概述 为什么如果不进行预处理，数据的质量一般会很糟糕，会带来维度灾难等后果，影响后续处理的效率以及最终结...

数据 四个问题 数据类型（用什么类型，用什么工具） 数据质量（噪声，离散点，缺失值，异常点，重复） 预处理（提高数据质量，使数据可以被特定的工具处理） 相似性和距离度量 本节大纲 关于数据的基本概念 如何用统计学方法描述数据 数据可视化 度量数据之间的相似...

为什么需要 Data Mining信息技术的发展，计算机---存储和处理信息，网络---传播信息，物联网---收集信息，移动互联网---更加便捷地收集和传播信息 问题：数据总量爆炸式增加，如何从中提取真正有价值的信息 产生了新的领域(DM)