大话增强学习-3

最近(2016年10月)，机器学习取得了重大进展，使计算机系统能够解决复杂的现实问题。这些进步之一是Google的研究部门构建的大型基于图的机器学习平台Expender。许多Google产品和功能的技术背后，都在使用Expender。如Inbox中的提醒，Allo中的智能消息回复，与深层神经网络结合为Google Photos中的最新图像识别系统提供动力。

随机森林和GBDT

2017-03-01

随机森林是一个用随机方式建立的，包含多个决策树的集成分类器。其输出的类别由各个树投票而定（如果是回归树则取平均）。
GBDT是以决策树为基学习器的迭代算法，注意GBDT里的决策树都是回归树而不是分类树。Boost是”提升”的意思，一般Boosting算法都是一个迭代的过程，每一次新的训练都是为了改进上一次的结果。

分布式系统：分布式事务

2017-02-03

分布式系统的一致性主要考虑的是读写和服务器端的复制。本文主要针对分布式事务。

大型互联网平台往往是由一系列分布式系统构成的，开发语言平台和技术栈也相对比较杂，尤其是在SOA和微服务架构盛行的今天，一个看起来简单的功能，内部可能需要调用多个“服务”并操作多个数据库或分片来实现，情况往往会复杂很多。单一的技术手段和解决方案，已经无法应对和满足这些复杂的场景了。

分布式系统：一致性协议

2017-02-02

在分布式系统中有个CAP理论。对于P（分区容忍性）而言，实际存在无法避免的。只能尽量地在C 和 A 之间寻求平衡。对于数据存储而言，为了提高可用性（Availability），采用了副本备份。当需要修改数据时，就需要更新所有的副本数据，这样才能保证数据的一致性（Consistency）。因此，就需要在 C(Consistency) 和 A(Availability) 之间权衡。

高并发：并发控制

2017-02-01

高并发有很多层面，这里简单列举锁相关的知识。我们有应用服务器层面的锁，也有数据库层面的锁，甚至操作系统的锁。原理思想都差不多。

大话逻辑回归

2017-01-01

如果只能学习一个算法的话，我选择逻辑回归。

讲个笑话，逻辑回归既不讲逻辑，也不是回归。

本文目的是以大白话的方式介绍逻辑回归。我们先简要以公式的方式回顾什么是逻辑回归，如何训练。然后，我们用大白话的方式重新解释一次逻辑回归。最后，我们介绍逻辑回归和大脑的关系。