write down,forget
  • adidaseqt
  • eqtturbored
  • eqtsupport9317
  • eqtsupport
  • 9317adidas
  • adidaseqtboost9317
  • eqtsupport93
  • 9317eqt
  • eqt support 9317 adv
  • support 9317 adv
  • eqtadv
  • eqt9317
  • eqtadv9317
  • support93
  • originalseqt
  • adidas eqt
  • eqt support 9317
  • eqt support
  • eqt adv
  • eqt 9317
  • 存档 Archives : April, 2011

    .net 打开进程并阻塞

    <Category: .NET> Comments Off on .net 打开进程并阻塞

    怎样打开一个进程,并等待进程运行结束。

    本文来自: .net 打开进程并阻塞

    第一届全国大学生数据挖掘邀请赛-数据集分析篇

    <Category: 小道消息, 数据仓库, 数据挖掘> 6 条评论

    今天下午有点时间,研究了下#第一届大学生全国数据挖掘邀请赛#的数据集,顺便写个酱油贴。

    数据集版权归 上海花千树信息科技有限公司 世纪佳缘交友网站 http://www.love21cn.com 所有
    阅读这篇文章的其余部分 »

    本文来自: 第一届全国大学生数据挖掘邀请赛-数据集分析篇

    RMSE是个什么东东?

    <Category: 算法> Comments Off on RMSE是个什么东东?

    root mean square error 均方根误差,也叫标准误差,定义为:误差的平方和除以样本个数减一的平方根  δ=sqrt[(Σ(di^2))/(n-1)]  n为测量次数;di为一组测量值与平均值的偏差。如果误差统计分布是正态分布,那么随机误差落在土σ以内的概率为68%。

     

    RMSE——root mean square error 均方根误差
    R square称为方程的确定系数,0~1之间,越接近1,表明方程的变量对y的解释能力越强。

     

    RMSE(root mean square error of correlation)

    假设试验测量值y_i; 拟合曲线对应值z_i; 数据一共有N个;
    结果应该是 sqrt(sum(y_i-z_i)^2/N)  其中sum对所有指标i 求和

     

    Short script that calculates root mean square error from data vector or matrix and the corresponding estimates.
    Checks for NaNs in data and estimates and deletes them and then simply does:
    r = sqrt( sum( (data( : )-estimate( : )).^2) / numel(data) );

     

    The root mean square deviation (RMSD) or root mean square error (RMSE) is a frequently-used measure of the differences between values predicted by a model or an estimator and the values actually observed from the thing being modeled or estimated. RMSD is a good measure of precision. These individual differences are also called residuals, and the RMSD serves to aggregate them into a single measure of predictive power

    RMSE:
    假设试验测量值y_i; 拟合曲线对应值z_i; 数据一共有N个;
    RSME=\sqrt(\sum_{i=1,N}(y_i-z_i)^2/N)  。

    RMSE of correlation 还是第一次听说,但我认为如果真有这类东西,应该是y_i和z_i作规范化处理,即均值为0,均方根为1,于是有
    sqrt(sum(2-2r0)) ,r0为相关系数,定义为r0=\sum_{i=1,N} y_i z_i/N

    还有一个概念是RMS,这个没有拟合的概念,它反映数据的离散程度,定义为
    RSME=\sqrt(\sum_{i=1,N}(y_i-y0)^2/N)
    y0=\sum_{i=1,N}y_i/N

    所有公式中,\sum_{i=1,N}表示i从1到N求和

    RMSE  root mean square error 均方根误差,也叫标准误差,定义为:误差的平方和除以样本个数减一的平方根
    δ=sqrt[(Σ(di^2))/(n-1)]
    n为测量次数;di为一组测量值与平均值的偏差。如果误差统计分布是正态分布,那么随机误差落在土σ以内的概率为68%。

    均方根误差(RMSE):

    均方根误差为了说明样本的离散程度。
    对于N1,….Nm,设N=(N1+…+Nm)/m;则均方根误差记作: bbs.itgoal.com.F6F!M n+t8Q5i.Y-m
    t=sqrt(((N^2-N1^2)+…+(N^2-Nm^2))/(m(m-1)));
    比如两组样本:
    第一组有以下三个样本:3,4,5
    第二组有一下三个样本:2,4,6
    这两组的平均值都是4,但是第一组的三个数值相对更靠近平均值,也就是离散程度小,均方差就是表示这个的。
    同样,方差、标准差(方差开根,因为单位不统一)都是表示数据的离散程度的。

    MSE是(神经)网络的均方误差,叫”Mean Square Error”。比如有n对输入输出数据,每对为[Pi,Ti],i=1,2,…,n.网络通过训练后有网络输出,记为Yi。那
    MSE=(求和(Ti-Yi)^2(i=1,2,..n))/n,即每一组数的误差平方和再除以数据的对数。

    RMSE叫“Root Mean Square Error”,即在MSE基础上要开根号,中文译为“均方根误差”,MSE=MSE开根号。
    亦即RMSE是MSE的平方根。

    本文来自: RMSE是个什么东东?

    vps优化小结

    <Category: Lucene> Comments Off on vps优化小结

    话说这vps这一年来,确实不易,一直走裸奔路线,安装之后,就没有好好管过,也米有优化什么的,除了偶尔拨500外,还会经常can’t fork memory,登陆进面板连查看进程都做不了,只有一个按钮:reboot vps,哎,这几天优化了一把,效果还不错,内存下降不少,基本可以稳定接待客人了。

    本文来自: vps优化小结

    nginx升级1.0及自定义server-header

    <Category: Linux> Comments Off on nginx升级1.0及自定义server-header

    今天发布了nginx1.0,把我的vps的也升级下,顺便修改下header信息,移除了版本号。

    移除header信息里面nginx的版本号

    nginx1.0升级步骤

    修改header里面server的名称,让你的servername更加个性:

    重新编译安装

    效果如下,是不是很酷?:

    本文来自: nginx升级1.0及自定义server-header

    使用dropbear代替sshd

    <Category: Linux> Comments Off on 使用dropbear代替sshd

    本文来自: 使用dropbear代替sshd

    Linux kernel 的 sendfile 是如何提高性能的

    <Category: Linux> Comments Off on Linux kernel 的 sendfile 是如何提高性能的

    转:http://www.vpsee.com/2009/07/linux-sendfile-improve-performance/

    现在流行的 web 服务器里面都提供 sendfile 选项用来提高服务器性能,那到底 sendfile 是什么,怎么影响性能的呢?sendfile 实际上是 Linux 2.0+ 以后的推出的一个系统调用,web 服务器可以通过调整自身的配置来决定是否利用 sendfile 这个系统调用。先来看一下不用 sendfile 的传统网络传输过程:

    read(file, tmp_buf, len);
    write(socket, tmp_buf, len);

    硬盘 >> kernel buffer >> user buffer >> kernel socket buffer >> 协议栈

    一般来说一个网络应用是通过读硬盘数据,然后写数据到 socket 来完成网络传输的。上面2行用代码解释了这一点,不过上面2行简单的代码掩盖了底层的很多操作。来看看底层是怎么执行上面2行代码的:

    1、系统调用 read() 产生一个上下文切换:从 user mode 切换到 kernel mode,然后 DMA 执行拷贝,把文件数据从硬盘读到一个 kernel buffer 里。
    2、数据从 kernel buffer 拷贝到 user buffer,然后系统调用 read() 返回,这时又产生一个上下文切换:从kernel mode 切换到 user mode。
    3、系统调用 write() 产生一个上下文切换:从 user mode 切换到 kernel mode,然后把步骤2读到 user buffer 的数据拷贝到 kernel buffer(数据第2次拷贝到 kernel buffer),不过这次是个不同的 kernel buffer,这个 buffer 和 socket 相关联。
    4、系统调用 write() 返回,产生一个上下文切换:从 kernel mode 切换到 user mode(第4次切换了),然后 DMA 从 kernel buffer 拷贝数据到协议栈(第4次拷贝了)。

    上面4个步骤有4次上下文切换,有4次拷贝,我们发现如果能减少切换次数和拷贝次数将会有效提升性能。在kernel 2.0+ 版本中,系统调用 sendfile() 就是用来简化上面步骤提升性能的。sendfile() 不但能减少切换次数而且还能减少拷贝次数。

    再来看一下用 sendfile() 来进行网络传输的过程:

    sendfile(socket, file, len);

    硬盘 >> kernel buffer (快速拷贝到kernel socket buffer) >> 协议栈

    1、系统调用 sendfile() 通过 DMA 把硬盘数据拷贝到 kernel buffer,然后数据被 kernel 直接拷贝到另外一个与 socket 相关的 kernel buffer。这里没有 user mode 和 kernel mode 之间的切换,在 kernel 中直接完成了从一个 buffer 到另一个 buffer 的拷贝。
    2、DMA 把数据从 kernel buffer 直接拷贝给协议栈,没有切换,也不需要数据从 user mode 拷贝到 kernel mode,因为数据就在 kernel 里。

    步骤减少了,切换减少了,拷贝减少了,自然性能就提升了。这就是为什么说在 Nginx 配置文件里打开 sendfile on 选项能提高 web server性能的原因。

    本文来自: Linux kernel 的 sendfile 是如何提高性能的

    mysql-bin.000001-x

    <Category: Linux, mysql> Comments Off on mysql-bin.000001-x

    发达了,mysql-bin占了我9g空间啊,大汗一把:
    20K mysql-bin.000001
    700K mysql-bin.000002
    4.0K mysql-bin.000003
    4.0K mysql-bin.000004
    4.0K mysql-bin.000005
    4.0K mysql-bin.000006
    4.0K mysql-bin.000007
    4.0K mysql-bin.000008
    4.0K mysql-bin.000009
    4.0K mysql-bin.000010
    11M mysql-bin.000011
    63M mysql-bin.000012
    368K mysql-bin.000013
    256K mysql-bin.000014
    9.5M mysql-bin.000015
    1.8M mysql-bin.000016
    11M mysql-bin.000017
    508K mysql-bin.000018
    45M mysql-bin.000019
    146M mysql-bin.000020
    86M mysql-bin.000021
    2.2M mysql-bin.000022
    2.6M mysql-bin.000023
    124K mysql-bin.000024
    8.7M mysql-bin.000025
    4.9M mysql-bin.000026
    428K mysql-bin.000027
    372K mysql-bin.000028
    123M mysql-bin.000029
    17M mysql-bin.000030
    4.0K mysql-bin.000031
    700K mysql-bin.000032
    454M mysql-bin.000033
    14M mysql-bin.000034
    841M mysql-bin.000035
    388M mysql-bin.000036
    26M mysql-bin.000037
    728K mysql-bin.000038
    216M mysql-bin.000039
    228M mysql-bin.000040
    294M mysql-bin.000041
    14M mysql-bin.000042
    155M mysql-bin.000043
    13M mysql-bin.000044
    884K mysql-bin.000045
    13M mysql-bin.000046
    434M mysql-bin.000047
    206M mysql-bin.000048
    171M mysql-bin.000049
    528K mysql-bin.000050
    61M mysql-bin.000051
    330M mysql-bin.000052
    199M mysql-bin.000053
    64M mysql-bin.000054
    436K mysql-bin.000055
    17M mysql-bin.000056
    340K mysql-bin.000057
    116M mysql-bin.000058
    18M mysql-bin.000059
    23M mysql-bin.000060
    188M mysql-bin.000061
    40K mysql-bin.000062
    277M mysql-bin.000063
    4.0K mysql-bin.000064
    35M mysql-bin.000065
    258M mysql-bin.000066
    147M mysql-bin.000067
    79M mysql-bin.000068
    4.0K mysql-bin.000069
    4.0K mysql-bin.000070
    434M mysql-bin.000071
    4.0K mysql-bin.000072
    99M mysql-bin.000073
    52M mysql-bin.000074
    620K mysql-bin.000075
    428M mysql-bin.000076
    788K mysql-bin.000077
    4.0K mysql-bin.000078
    4.0K mysql-bin.000079
    126M mysql-bin.000080
    137M mysql-bin.000081
    428K mysql-bin.000082
    31M mysql-bin.000083
    4.0K mysql-bin.index
    阅读这篇文章的其余部分 »

    本文来自: mysql-bin.000001-x

    python,遍历目录生成html文件列表

    <Category: Python> Comments Off on python,遍历目录生成html文件列表

    使用方法:walk.py>index.html

    另外一种,使用pyh来生成(比较慢).
    阅读这篇文章的其余部分 »

    本文来自: python,遍历目录生成html文件列表

    php-cgi内存优化

    <Category: Linux> Comments Off on php-cgi内存优化

    php-cgi内存优化

    优化前:

    修改/usr/local/php/etc下的php-fpm.conf和php.ini文件,去掉不需要的扩展

    优化后:

    只要一个php-cgi进程占用的内存超过 %1 就把它kill掉

    放crontab里面,每5分钟执行一次

    htop挺不错,可以很方便对cpu占用率、内存占用率等进行排序,推荐一下

    本文来自: php-cgi内存优化

    eqt support adidas eqt support 93 primeknit og colorway ba7506 adidas eqt running 93 updated with primeknit construction adidas eqt boost 93 17 white turbo red adidas eqt support 9317 white turbo red adidas eqt support 93 17 adidas eqt support 9317 adidas eqt support 9317 turbo red releases tomorrow adidas originals adidas eqt tactile green pack adidas eqt tactile green pack adidas eqt light green pack womens adidas eqt light green pack coming soon adidas eqt milled leather pack release date adidas originals eqt milled leather pack adidas eqt support ultra boost turbo red white adidas adv support burnt orange grey where to buy the adidas eqt support 9317 turbo red adidas eqt boost 91 16 turbo red adidas eqt support 93 turbo red adidas eqt support 9317 white turbo red available now