毋意 毋必 毋固 毋我

总绪论第一节 文学本位 史学思维 文化学视角文学史是文学的历史，文学史著作要在广阔的文化背景上描述文学本身演进的历程 把文学当作文学来研究，文学史著作应立足于文学本位，重视文学之所以成为文学并具有艺术感染力的特点及其审美价值。 史书不能代替文学作品。文学具有审美的机制，能感染读者。以诗证史并非文学史研究。 研究： 最外围；文学创作的社会政治、经济背景 第二层：文学创作的主题，即作家 第三层：文学作品（核心） 因此，文学史核心内容就是阐释文学作品的演变历程 主题：文学创作 一翼：文学理论、文学批评、文学鉴赏 文学理论：指导文学创作 文学批评、文学鉴 ...

1. 为什么需要内存模型Java语言规范要求JVM在线程中维护一种类似串行的语义：只要程序的最终结果与在严格串行环境中执行的结果相同，则上述操作都是允许的。 多线程环境中，维护程序的串行性会导致很大的性能开销。只有当多个线程要共享数据时，才必须协调它们之间的操作，并且JVM依赖程序通过同步操作来找到这些协调操作将在何处发生。 1.1 平台的内存模型不同处理器拥有自己的缓存，并且定期和主内存进行协调。 不同级别的缓存一致性（Cache Coherence） 为了使java开发人员无需关心不同架构上内存模型之间的差异，java还提供了自己的内存模型，并且JV ...

一、了解1.什么是MongoDB?MongoDB和MySQL一样都是数据库, 都是存储数据的仓库,不同的是MySQL是关系型数据库, 而MongoDB是非关系型数据库 2.什么是非关系型数据库? 在’关系型数据库’中, 数据都是存储在表中的, 对存储的内容有严格的要求因为在创建表的时候我们就 已经规定了表中有多少个字段,已经规定了每个字段将来要存储什么类型数据,已经规定了每个字段将来是否可以为空,是否必须唯一等等 在’非关系型数据库’中, 没有表概念, 所以存储数据更加灵活因为不需要创建表,所以也 没有规定有哪些字段,也没有规定每个字段数据类型,也没有 ...

警惕动物的理想 区分主人和奴仆：享受闲暇 逻辑思维能力、想象力、关联能力、问题比知识更重要 明确的职业规划，主动阅读、主动建构知识体系， 知识是附着在能力上的，要知道创造知识的人是怎么想问题的（像科学家一样想问题） 读透书——对思维能力的训练 从知识的传承转向知识的创造 从当下的问题想到以后的生活 认识自己，做最好的自己 第01讲 何为法律通过学习法理培养一种理论思考能力，并不仅仅是逻辑思考能力。 认真学习 + 反思学习 对自己的职业和学术有一种最高的关切，但在思考国家问题时并非将自己的职业放在第一位，而是从职业视角出发思考和促进社会的发展。 制定法 ...

Redis数据类型官方命令大全网址：http://www.redis.cn/commands.html Redis中存储数据是通过key-value格式存储数据的，其中value可以定义五种数据类型： String（字符类型） Hash（散列类型） List（列表类型） Set（集合类型） SortedSet（有序集合类型，简称zset） 注意：在redis中的命令语句中，命令是忽略大小写的，而key是不忽略大小写的。 1.1 String类型1.1.1 命令1.1.1.1 赋值语法：SET key value 1127.0.0.1:6379 ...

转自阿里云云栖号_常意 参考《重构》第3章，代码的坏味道 1. 常量&变量1.1 直接赋值常量值，禁止声明新变量123456//反例Long i = new Long(1L);String s = new String("abc");//正例Long i = 1L;String s = "abc" 1.2 当成员变量值无需改变时，尽量定义为静态变量12345678910//反例public class HttpConnection{ private final long timeout = ...

1. 处理分类问题常用算法1.1 交叉熵公式交叉熵——设q(x) p(x)是X中取值的两个概率分布，则p对q的相对熵为 在一定程度上，相对熵可以度量两个随机变量的“距离”，且D(p||q) 与 D（q||p）不等。 两个随机变量X Y的互信息定义——X Y的联合分布和各自独立分布乘积的相对熵，用I(X,Y)表示： 1.2 LR公式——逻辑回归9. 降维算法在机器学习中经常会碰到一些高维的数据集，而在高维数据情形下会出现数据样本稀疏，距离计算等困难，这类问题是所有机器学习方法共同面临的严重问题，称之为“ 维度灾难 ”。另外在高维特征中容易出现特征之间的 ...

特征选择从特征集合中挑选一组最具统计意义的特征子集，从而达到降维的效果。 filter（刷选器）方法，主要侧重于单个特征跟目标变量的相关性 优点是计算时间上较高效,对于过拟合问题也具有较高的鲁棒性。 缺点就是倾向于选择冗余的特征,因为他们不考虑特征之间的相关性,有可能某一个特征的分类能力很差，但是它和某些其它特征组合起来会得到不错的效果。 wrapper（封装器）和Embeded(集成方法) 优点是考虑了特征与特征之间的关联性 缺点是当观测数据较少时容易过拟合，而当特征数量较多时,计算时间又会增长。 Embeded集成方法 特征提取自动地构建 ...

1. 获取数据集及处理思路SMS垃圾邮箱数据集 这个数据有两列，一列为标记，值为ham spam，第二列为邮件文本数据。 判断邮件是否为垃圾邮件——分类问题 输出y可以设为0或1，1代表spam垃圾邮箱，0代表ham非垃圾邮箱 处理的输入数据x是文本数据、序列数据，可以建立一个多对一的RNN模型 2. 训练神经网络1. 加载包1234567891011import osimport reimport ioimport requestsimport numpy as npimport matplotlib.pyplot as pltimport ten ...