分类决策树模型是一种描述对实例进行分类的树形结构。决策树由结点和有向边组成。^[《统计学习方法》李航]结点有两种类型：内部结点（internalnode）：表示一个特征或属性叶结点（leafnode）：叶结点表示一个类顾名思义，决策树说白了就是使用树结构进行决策。让我们借助:watermelon:书^[《机器学习》周志华]里的一张图来看一下子。怎么判断一个西瓜是不是好瓜呢？先看他的色泽是不是已经青绿色了，如果是，继续往下看；再看他gen蒂是否蜷缩，如果是就继续往下看；再敲一敲（签订契约，不是）听声音，如果是浊响，那他就是一个好瓜:watermelon:。画决策树谁都会画，比如给你一串数据：Re
分类决策树模型是一种描述对实例进行分类的树形结构。决策树由结点和有向边组成。^[《统计学习方法》李航]结点有两种类型：内部结点（internalnode）：表示一个特征或属性叶结点（leafnode）：叶结点表示一个类顾名思义，决策树说白了就是使用树结构进行决策。让我们借助:watermelon:书^[《机器学习》周志华]里的一张图来看一下子。怎么判断一个西瓜是不是好瓜呢？先看他的色泽是不是已经青绿色了，如果是，继续往下看；再看他gen蒂是否蜷缩，如果是就继续往下看；再敲一敲（签订契约，不是）听声音，如果是浊响，那他就是一个好瓜:watermelon:。画决策树谁都会画，比如给你一串数据：Re
面试的时候，经常会被问到==和equals()的区别是什么？以及我们也知道重写equals()时候必须重新hashCode()。这是为什么？既然有了hashCode()方法了，JDK又为什么要提供equals()方法呢？如果在重写equals()时候没有重写hashCode()，在使用HashMap或HashSet的时候可能会出现什么情况？一文搞懂==和equals()的区别是什么？先来看看Java中使用==的时候，如果左右两边是基本类型和两边是应用类型的作用效果是不同的：我们看看下面如下代码：intx=128;inty=128;Personp=newPerson(newAddre
面试的时候，经常会被问到==和equals()的区别是什么？以及我们也知道重写equals()时候必须重新hashCode()。这是为什么？既然有了hashCode()方法了，JDK又为什么要提供equals()方法呢？如果在重写equals()时候没有重写hashCode()，在使用HashMap或HashSet的时候可能会出现什么情况？一文搞懂==和equals()的区别是什么？先来看看Java中使用==的时候，如果左右两边是基本类型和两边是应用类型的作用效果是不同的：我们看看下面如下代码：intx=128;inty=128;Personp=newPerson(newAddre
一、什么是Nginx？百度百科*Nginx*(enginex)是一个高性能的HTTP和反向代理web服务器，同时也提供了IMAP/POP3/SMTP服务。Nginx是由伊戈尔·赛索耶夫为俄罗斯访问量第二的Rambler.ru站点（俄文：Рамблер）开发的其将源代码以类BSD许可证的形式发布，因它的稳定性、丰富的功能集、简单的配置文件和低系统资源的消耗而闻名Nginx是一款轻量级的Web服务器/反向代理服务器及电子邮件（IMAP/POP3）代理服务器，在BSD-like协议下发行。其特点是占有内存少，并发能力强，事实上nginx的并发能力在同类型的网页服务器中表现较好，中国大陆使用nginx
一、什么是Nginx？百度百科*Nginx*(enginex)是一个高性能的HTTP和反向代理web服务器，同时也提供了IMAP/POP3/SMTP服务。Nginx是由伊戈尔·赛索耶夫为俄罗斯访问量第二的Rambler.ru站点（俄文：Рамблер）开发的其将源代码以类BSD许可证的形式发布，因它的稳定性、丰富的功能集、简单的配置文件和低系统资源的消耗而闻名Nginx是一款轻量级的Web服务器/反向代理服务器及电子邮件（IMAP/POP3）代理服务器，在BSD-like协议下发行。其特点是占有内存少，并发能力强，事实上nginx的并发能力在同类型的网页服务器中表现较好，中国大陆使用nginx
视频编解码算法分为传统算法和基于深度学习的方法，本文主要介绍基于传统算法的视频编解码技术的原理，部分内容和图片参考网上技术博客（链接已放在文章末尾）。一，基本术语数字图像的定义及理解可以参考这篇文章：数字图像处理笔记｜一文搞懂数字图像基础。颜色深度:存储每个像素颜色的强度，需要占用一定大小的数据空间，这个空间大小即为颜色深度，对于RGB色彩模型，颜色深度是24（8*3）bit。图片分辨率:图像的像素的数量，通常表示为宽*高。图像/视频宽高比:单地描述了图像或像素的宽度和高度之间的比例关系。比特率:播放一段视频每秒所需的数据量，比特率=宽*高*颜色深度*帧每秒。例如，一段每秒30帧，每像素24b
视频编解码算法分为传统算法和基于深度学习的方法，本文主要介绍基于传统算法的视频编解码技术的原理，部分内容和图片参考网上技术博客（链接已放在文章末尾）。一，基本术语数字图像的定义及理解可以参考这篇文章：数字图像处理笔记｜一文搞懂数字图像基础。颜色深度:存储每个像素颜色的强度，需要占用一定大小的数据空间，这个空间大小即为颜色深度，对于RGB色彩模型，颜色深度是24（8*3）bit。图片分辨率:图像的像素的数量，通常表示为宽*高。图像/视频宽高比:单地描述了图像或像素的宽度和高度之间的比例关系。比特率:播放一段视频每秒所需的数据量，比特率=宽*高*颜色深度*帧每秒。例如，一段每秒30帧，每像素24b
