hello's blog

grunt npm 错误

>> Local Npm module "grunt-contrib-clean" not found. Is it installed?
>> Local Npm module "grunt-contrib-concat" not found. Is it installed?
>> Local Npm module "grunt-contrib-watch" not found. Is it installed?
>> Local Npm module "grunt-contrib-connect" not found. Is it installed?
>> Local Npm module "grunt-contrib-copy" not found. Is it installed?
>> Local Npm module "grunt-contrib-jasmine" not found. Is it installed?
Warning: Task "connect:server" not found. Use --force to continue.

docker创建mysql实例

[root@server1 hjl]# docker ps -a |grep mysql
fb0d1d56a395 mysql "docker-entrypoint.sh" 14 minutes ago Up 14 minutes 0.0.0.0:3306->3306/tcp mysql-2
fc4337de6716 hub.c.163.com/library/mysql "docker-entrypoint.sh" 15 minutes ago Up 15 minutes k8s_mysql.1a4722ab_mysql-kphr7_default_828d279b-8c50-11e7-b38e-000c29156886_a168e4ff

fix problem:/usr/bin/docker-current: Error response from daemon: driver failed programming external connectivity on endpoint mysql-1

错误信息:
[root@server1 hjl]# docker run --name mysql-1 -p 3306:3306 -e MYSQL\_ROOT\_PASSWORD=123456 -d mysql
8bccbf191d394c28f424b17e04942e2d3c73d6c394cafd424fd1a96514a55028
/usr/bin/docker-current: Error response from daemon: driver failed programming external connectivity on endpoint mysql-1 (5e4dc0a7f4a8819c8f049d5ba255871c879da014ed1eb7e17afc5839cf360dda): iptables failed: iptables --wait -t nat -A DOCKER -p tcp -d 0/0 --dport 3306 -j DNAT --to-destination 172.17.0.8:3306 ! -i docker0: iptables: No chain/target/match by that name.
(exit status 1).
[

分类算法和聚类算法的区别

1、分类和聚类的区别:

Classification (分类),对于一个classifier,通常需要你告诉它“这个东西被分为某某类”这样一些例子,理想情况下,一个 classifier 会从它得到的训练集中进行“学习”,从而具备对未知数据进行分类的能力,这种提供训练数据的过程通常叫做supervised learning (监督学习),

Clustering (聚类),简单地说就是把相似的东西分到一组,聚类的时候,我们并不关心某一类是什么,我们需要实现的目标只是把相似的东西聚到一起。因此,一个聚类算法通常只需要知道如何计算相似度就可以开始工作了,因此 clustering 通常并不需要使用训练数据进行学习,这在Machine Learning中被称作unsupervised learning (无监督学习).

2、常见的分类与聚类算法

常用推荐算法

推荐方法是整个推荐系统中最核心、最关键的部分,很大程度上决定了推荐系统性能的优劣。目前,主要的推荐方法包括:基于内容推荐、协同过滤推荐、基于关联规则推荐、基于效用推荐、基于知识推荐和组合推荐。
一、基于内容推荐
基 于内容的推荐(Content-based Recommendation)是信息过滤技术的延续与发展,它是建立在项目的内容信息上作出推荐的,而不需要依据用户对项目的评价意见,更多地需要用机 器学习的方法从关于内容的特征描述的事例中得到用户的兴趣资料。在基于内容的推荐系统中,项目或对象是通过相关的特征的属性来定义,系统基于用户评价对象 的特征,学习用户的兴趣,考察用户资料与待预测项目的相匹配程度。用户的资料模型取决于所用学习方法,常用的有决策树、神经网络和基于向量的表示方法等。 基于内容的用户资料是需要有用户的历史数据,用户资料模型可能随着用户的偏好改变而发生变化。
基于内容推荐方法的优点是:
(1)不需要其它用户的数据,没有冷开始问题和稀疏问题。
(2)能为具有特殊兴趣爱好的用户进行推荐。
(3)能推荐新的或不是很流行的项目,没有新项目问题。
(4)通过列出推荐项目的内容特征,可以解释为什么推荐那些项目。

Pages

Subscribe to RSS - hello's blog