程序员的自我修养 | 关注Java、大数据、机器学习

博客地址变动应该会对搜索引擎的爬虫有影响，不过这些细节就不必在意了，反正没指望搜索引擎给我带来流量，像X度这样的良心企业，不交钱就算收录了也基本是不会出现在前几十页的。记得以前买了个神马域名后，第二天X度就打电话问我要不要付费推广。对SEO一直没关注，除了装了个不太会鼓捣的sitemap。对于有没有人看博客，其实我的态度是即便没有读者，你也要写博客。写博客的初衷，就是记录下自己的思考过程和理解，以便在忘记之后能通过重读自己写的博客而迅速将其捡起来，毕竟是原装的么。

博客地址变动的经验教训

本着简单粗暴的原则，放弃了修改wordpress来添加新的主页，直接将链接变掉，原来的链接指向新的主页。这样新的主页也不用调用wordpress的各种函数来显示数据了，直接调用mysql读取数据库好了。

（更多…）

查看全文

分类：杂七杂八

标签：

设计模式之命令模式

yurnom2014年10月15日

0条评论2,091次浏览

命令模式算是我在过往项目中除了单例模式、模版模式等简单的模式以外用的最频繁的一个设计模式。

个人感觉命令模式的魅力就在于把一个个request封装成一个个的object，非常方便扩展。命令模式类似Javascript中的回调函数一样，可以进行callback处理。当然最大的缺点就是当request过多时，Command类也会膨胀的厉害。

最近编码时想用命令模式，看书复习了下，却总感觉书上讲的没有我以前设计的一个命名模式框架好用。经过翻箱倒柜终于找出了以前设计的命令模式，这里记录下，方便以后使用。

Command接口

不再使用抽象类，改用接口。同样只有一个execute(..)方法，但需要传递一个Context上下文类。

public interface Command<T> extends Serializable{
	public T execute(Context context) throws Exception;
}

public interface Command<T> extends Serializable{

public T execute(Context context) throws Exception;

}

Context类

Context类可以处理很多事情，比如类似SpringContext，比如结合策略模式和状态模式等，可以根据具体的需求来实现不同的Context类。

public class Context {
}

1 2	public class Context { }

阅读全文>>

查看全文

分类：Java语言, 设计模式

标签：Design pattern

也谈“最糟糕的编程面试题”

yurnom2014年10月08日

4条评论7,661次浏览

长假过后的第一天，突然看到一篇让我十分有共鸣的文章——最糟糕的编程面试题。这篇博文主要吐槽了面试题中最常犯的2个问题：太过困难或不切实际。而文中举的例子：如何检测链表是否存在环路，也恰巧是我曾经被面试过的一道题目。而那次面试也堪称我面试经历中最让人难（dan）忘（teng）的一次。

第一个故事——最难忘的面试

背景：校招，笔试通过后连续三轮面试，每轮都会刷一部分人，具体是那个公司就不说了，相信去过的同学基本都能猜出来。第一面，自我感觉表现一般，等结果时一直在想会不会一轮跪。结果这个岗位19个面试者刷了13个，我有幸留下了。第二轮，自我感觉十分良好。面试官问了很多这样的问题，如：如何判断两个链表是否有共同的尾巴、字符串相似度、链表中两元素交换等等。

后来他问到如何检测链表是否是环形链表，也就是首尾相连的链表，我当时想了想就答道，用2个指针，开始同时指向一个节点，然后一个指针移动，另外一个不动，若它们再次指向同一个节点，则是环形的。面试官笑道，用2个指针的想法不错，能否继续改进？我想了想，时间复杂度已经是O(n)了，难道要变成O(lgn)？那岂不是要借助于树之类的方法？这貌似有点太难了，短时间之内无法搞定。面试官看我犹豫了很久，提示到，还是使用2个指针，你再想想有没有其它的方法。然后我纠结了半天后，尝试的说了个当时觉得很粗（cao）糙（dan）的方法：一个指针走2步，一个指针走1步。没想到这尽然真是面试官的“标准答案”。面试官笑呵呵的说，不错不错。~~于是我心里一阵阵小激动，看来不用多久，我就会升职加薪，当上总经理，出任CEO，迎娶白富美，走上人生巅峰，想想还有点小激动呢。~~

阅读全文>>

查看全文

分类：面试

标签：tsukkomi

一个简单的OO问题

yurnom2014年09月29日

0条评论2,502次浏览

问题

一个同事发来的题目：学校有三种人员，第一种为教师，属性包括名字、教工号、电话、地址；第二种为学生，属性包括名字、学号、电话、地址、平均成绩；第三种为辅工，属性包括名字、辅工号、电话、地址、工种。使用你学到的面向对象设计的方法，实现这三种人员的类表示，并实现三种人员的添加、修改、删除，可在内存进行增删改的操作，不需要永久保存。

注，可使用List保存人员，如没有使用OO设计方法，本期作业不通过，仅使用类不是OO设计。

答案v1

大致扫了一眼题目，是一个简单的OO设计问题。于是第一版答案很快出来了。

抽象父类Staff

public abstract class Staff {

	private String id; 
	private String name;
	private String mobile;
	private String address;

	protected Staff(String id, String name, String mobile, String address) {
		this.id = id;
		this.name = name;
		this.mobile = mobile;
		this.address = address;
	}

	//省略setter和getter

	public abstract <T extends Staff> Set<T> getSet();

	public void add() {
		getSet().add(this);
	}

	public void delete() {
		getSet().remove(this);
	}

	public void update(Staff o) {
		getSet().remove(o);
		getSet().add(this);
	}
}

public abstract class Staff {

private String id;

private String name;

private String mobile;

private String address;

protected Staff(String id, String name, String mobile, String address) {

this.id = id;

this.name = name;

this.mobile = mobile;

this.address = address;

}

//省略setter和getter

public abstract <T extends Staff> Set<T> getSet();

public void add() {

getSet().add(this);

}

public void delete() {

getSet().remove(this);

}

public void update(Staff o) {

getSet().remove(o);

getSet().add(this);

}

阅读全文>>

查看全文

分类：Java语言, 设计模式

标签：Design pattern, Java, OO

有些迷茫

yurnom2014年09月28日

5条评论7,966次浏览

最近有些迷茫，不知道自己的未来会怎样。感觉每个月总有那么几天会不由自主的思考人生、思考未来，然而关于这种没有结果的思考往往会让我很迷（dan）茫（teng）。迷茫的主要原因，仔细的想想，可能还是害怕现在走的路无法在未来达到自己预想的效果。

现在对自己的规划是：希望自己成为一个靠谱的编程+大数据+机器学习的人。但是现在却又有点担心成为一个四不像了，编程不靠谱、大数据也不精通、机器学习更是半调子。

之前看到一篇文章“程序员生存定律-打造属于自己的稀缺性”，里面说到技术向程序员，有两种方向来提升自己的价值：一是达到一定高度横向展开；二是彻底的专家型道路。当时想，我采用的方式应该是第一种。但是现在想想，在这个分工越来越细化的社会里，专家型的道路是否更合适些。这也是全栈程序员充满争论的原因之一：到底是博百家之长还是贪多嚼不烂？

其实感觉自己完全没有必要蛋疼。因为就我目前这所谓的三个方向：编程+大数据+机器学习，比起“百”而言，还差的多了去了。要是三个就搞不定，是不是太废柴了点。可是令人充满挫折感的机器学习确实很打击士气，花费的时间最多，但收获的效果却感觉最差。

长期给自己打气：没事的，看一次不懂就看两次，看两次不懂就看三次，直到看懂为止。可是一想到效率这个词，就又立马纠结起来了：有这么多时间是不是可以干成很多其它事情了。

算了，不纠结了，车到山前必有路，船到桥头自然直，选择了就坚持走下去不要后悔就行。就好像骑车一样，选择上路，就必须面对汗水和孤独。

阅读全文>>

查看全文

分类：随想

标签：Think it over

SVD与PCA

yurnom2014年09月22日

5条评论22,228次浏览

奇异值分解

奇异值分解，singular value decomposition（SVD）是线性代数中一种重要的矩阵分解。

记得大学时学习线性代数中的特征值和特征向量时，我就一直思考这个玩意算出来到底有啥用，难不成就是一群热（xian）爱（de）专（dan）研（teng）的人弄出来的数学小把戏？然后随着时间的推移，这些纯理论的东西就基本忘光了。大学的知识往往都这样的，和实际不接轨，学的时候不知道有啥用，等用的时候就忘的差不多了。

现在，在我学习线性代数后的第8年，我终于知道特征值这个玩意有啥用了。首先，先回忆下什么是特征值和特征向量吧。

特征值

对于一个方阵，其特征值和特征向量满足：

$A\nu=\lambda\nu$

求出所有的特征值和特征向量后，就得出了方阵A的特征值分解：

$A=Q\Sigma Q^{-1}$

其中 $Q$ 是特征向量按照与特征值的对应顺序组合而成 $(\nu_1,\nu_2,..)$ ， $\Sigma$ 是由特征值组成的一个对角矩阵。那么对于方阵A的特征值分解的意义又何在呢？先看下面这个例子，对于矩阵A（为了简单起见，设为对角矩阵）：

$A=\left(\begin{array}{ccc}100 & 0 & 0 \\0 & 10 & 0 \\0 & 0 & 1 \\\end{array}\right)$

阅读全文>>

查看全文

分类：Apache Spark, 机器学习

标签：Java, Machine Learning, Spark

Spark 1.1.0 Basic Statistics（下）

yurnom2014年09月18日

2条评论8,761次浏览

Hypothesis testing

Hypothesis testing，假设检验。Spark目前支持皮尔森卡方检测（Pearson’s chi-squared tests），包括适配度检定和独立性检定。

皮尔森卡方检测

皮尔森卡方检测是最著名的卡方检测方法之一，一般提到卡方检测时若无特殊说明则代表使用的是皮尔森卡方检测。皮尔森卡方检测可以用来进行适配度检测和独立性检测。

适配度检测

适配度检测，Goodness of Fit test，验证一组观察值的次数分配是否异于理论上的分配。其 $H_0$ 假设（虚无假设，null hypothesis）为一个样本中已发生事件的次数分配会服从某个特定的理论分配。通常情况下这个特定的理论分配指的是均匀分配，目前Spark默认的是均匀分配。

独立性检测

独立性检测，independence test，验证从两个变量抽出的配对观察值组是否互相独立。其虚无假设是：两个变量呈统计独立性。

检测三个步骤

计算卡方检定的统计值“ $\chi^2$ ”：把每一个观察值和理论值的差做平方后、除以理论值、再加总
计算 $\chi^2$ 统计值的自由度“df”
依据研究者设定的置信水平，查出自由度为df的卡方分配临界值，比较它与第1步骤得出的 $\chi^2$ 统计值，推论能否拒绝虚无假设

适配度检测示例

场景

将五角星的5个角分别标记为1,2,3,4,5。现在旋转若干次五角星，记录每个角指向自己的次数。

第一个的结果为(1,7,2,3,18)，第二个五角星的结果为(7,8,6,7,9)。现做出虚无假设：五角星的每个角指向自己的概率是相同的。

阅读全文>>

查看全文

分类：Apache Spark, 概率论与数理统计

标签：Java, Mathematical Statistic, Spark, Theory of Probability

Spark 1.1.0 Basic Statistics（上）

yurnom2014年09月17日

1条评论4,822次浏览

Spark 1.1.0于2014年9月11日发布，此次的版本将mllib完善了不少，如添加了Basic Statistics、添加了决策树的Java实现等等。现对1.1.0的新功能进行一次初步探索。

Summary statistics

Summary statistics主要提供基于列的统计信息，包括6个统计量：均值、方差、非零统计量个数、总数、最小值、最大值。

测试数据

1 2 3
2 3 4
5 61 0

1 2 3

2 3 4

5 61 0

测试代码

public static void main(String[] args) {
	SparkConf sparkConf = new SparkConf().setAppName("Statistics").setMaster("local[2]");
	JavaSparkContext sc = new JavaSparkContext(sparkConf);
	JavaRDD<String> data = sc.textFile("/home/yurnom/data/statistics.txt");
	JavaRDD<Vector> parsedData = data.map(s -> {
		double[] values = Arrays.asList(SPACE.split(s))
			  .stream()
			  .mapToDouble(Double::parseDouble)
			  .toArray();
		return Vectors.dense(values);
	});

	MultivariateStatisticalSummary summary = Statistics.colStats(parsedData.rdd());
	System.out.println("均值:"+summary.mean());
	System.out.println("方差:"+summary.variance());
	System.out.println("非零统计量个数:"+summary.numNonzeros());
	System.out.println("总数:"+summary.count());
	System.out.println("最大值:"+summary.max());
	System.out.println("最小值:"+summary.min());
}

public static void main(String[] args) {

SparkConf sparkConf = new SparkConf().setAppName("Statistics").setMaster("local[2]");

JavaSparkContext sc = new JavaSparkContext(sparkConf);

JavaRDD<String> data = sc.textFile("/home/yurnom/data/statistics.txt");

JavaRDD<Vector> parsedData = data.map(s -> {

double[] values = Arrays.asList(SPACE.split(s))

.stream()

.mapToDouble(Double::parseDouble)

.toArray();

return Vectors.dense(values);

});

MultivariateStatisticalSummary summary = Statistics.colStats(parsedData.rdd());

System.out.println("均值:"+summary.mean());

System.out.println("方差:"+summary.variance());

System.out.println("非零统计量个数:"+summary.numNonzeros());

System.out.println("总数:"+summary.count());

System.out.println("最大值:"+summary.max());

System.out.println("最小值:"+summary.min());

}

阅读全文>>

查看全文

分类：Apache Spark

标签：Java, Spark

AdaBoost

yurnom2014年09月15日

2条评论7,109次浏览

Boosting（提升）方法是一种常用的统计学习方法，其中最具有代表性的算法是AdaBoost。AdaBoost起源于PAC可学习性（probably approximately correct learnability）的研究。历史上，Valiant和Kearns首先提出了强可学习（strongly learnable）和弱可学习（weakly learnable）。在PAC框架下，若一个算法的识别准确率很高并能在多项式时间内完成则为强可学习；若一个算法的错误率仅仅比随机猜测略低，则称之为弱可学习。后来Schapire证明强可学习和弱可学习是等价的：在PAC学习的框架下，一个概念是强可学习的充分必要条件是这个概念是弱可学习的。如此，问题就变成了：如果已经发现了一个弱学习算法，是否能够将其提升（boosting）为一个强学习算法。

关于提升方法的研究很多，例如：boostrapping，将多个弱分类器分配不同的权值来组成强分类器；bagging，根据多个弱分类器的投票结果来确定最后的分类结果。这些提升方法中，最有效最具有代表性的则是AdaBoost。

AdaBoost算法过程

AdaBoost通过每一轮的分类结果来改变每个样本的权值，使得分类错误的样本权值变大，分类正确的样本权值变小，这样使得没有正确分类的数据获得更高的关注。对于多个弱分类器，AdaBoost通过加权多数表决来组合，误差率小的分类器权值大，反之，则权值小。具体算法如下：

初始化训练数据的权值分布
$D_1=(w_{11},w_{12},..,w_{1N}), {w_{iN}={1\over N}}, i=1,2,..,N$
对m=1, 2, .., M
1. 使用具有权值 $D_m$ 的训练数据集学习，得到基本分类器 $G_m(x)$
2. 计算 $G_m(x)$ 在数据集上的分类误差率， $e_m=P(G_m(x_i)\neq y_i)=\sum_i^N{w_{mi}I(G_m(x_i)\neq y_i)}$
3. 计算 $G_m(x)$ 的系数 $\alpha_m={1\over 2}ln{{1-e_m}\over e_m}$
4. 更新数据集的权值分布 $D_{m+1}=(w_{m+1,1},w_{m+1,2},..,w_{m_1,N})$ ，其中 $w_{m+1,i}={w_{mi}\over Z_m}e^{-\alpha_my_iG_m(x_i)}$ ， $Z_m=\sum_i^N{w_{mi}e^{-\alpha_my_iG_m(x_i)}}$
5. 构建基本分类器的线性组合 $f(x)=\sum_m^M \alpha_mG_m(x)$
得到最终的分类器 $G(x)=sign(f(x))$

阅读全文>>

查看全文

分类：机器学习

标签：Algorithm, Machine Learning

亚博体育官网: 不赖!真的不赖!
ascend: Error:(36, 29) wrong number of type parameters for overloaded method value createDirectStream with...
Anonymous:
Anonymous:
Anonymous:
Anonymous:
Anonymous: 运行报错：java.lang.Abstr actMethodError
Anonymous:
Anonymous:
Anonymous:
Anonymous:
zzg: 请问zz你问题核实了没� ��我也遇到了这个奇葩� ��问题，我们也是基�...
Anonymous:
kuyuzasur: what do i tell doctor to get viagra. edhelprie.mdhelpserv.com – how long we can take viagra,
Anonymous: 这个问题可以忽略。不影响
Anonymous:
Anonymous: 牛
Anonymous: 楼主你好，我偶尔也会遇到Reconnect due to socket error: java.nio.channels.ClosedCha...
Anonymous: sdfs
Anonymous: