Binary search is such an easy to write algorithm but there are usually some hidden annoying bugs, such as condition of while statement (easy to get an endless loop). Besides, there are some variants like upper_bound and lower_bound searching, which makes this harder. However, if you can hold on to a same criteria of definition, things will become much easier.
In a nutshell, If you are struggling to write a CORRECT & BUG-FREE Binary Search, this might be what you need.
上文讲到，一般来说人们是怎么对无输入的事件建模，做出预测和评估，本文则泛化到如何给标记数据建模，预测和评估。以下遵循上一篇文章的逻辑结构，先阐述我们在理想状态，即知道模型原分布参数的条件下下如何作出最优预测以及评估，然后扩展到现实情况，即未知参数情况下的分析。
如今人工智能盛行当道，主要得益于近年机器学习和神经网络的大力发展，而这些发展实际上都离不开数学的理论支撑。在这些数学内容里面，最重要的莫过于概率论和线性代数，预测理论属于概率论数理统计的一部分，掌握好理论基础对于后续概念的学习和理解十分重要。
这里简单记录下自己学习的机器学习相关的预测理论部分内容。特别的，本文是关于如何给无输入且只有两个可能结果的事件建模，做出预测和评估，下一篇则泛化到如何给标记数据（即每个数据点包括输入x和输出标记y）建模，预测和评估。
Part of the reason why ML algorithms can be so versatile is perhaps the use of Kernelization.
The following shows how to apply kernelization in ridge regression and shows how it can be incorparated in other algorithms.
大三的时候因为情怀选了数字媒体方向，从此一入深坑不可收拾，无尽的日子里各种配环境搭环境，当然啦学了这个方面的几门课还是蛮有裨益的，此文是这学期3D游戏架构的期末论文，前半部分总结了这个学期课程上所学的东西，后半部分选了OGRE一个小模块的源码进行阅读剖析。
（图片引用自https://techvidvan.com/tutorials/hadoop-high-availability/）
这次暑假的实训是搭建一个HA的Hadoop集群，去年在University of Missouri的暑期项目搭载过spark和hdfs但只是在EC2上面的三个机子搭建，也没有实现HA
此次有实验室的十几个机子可以用，也引入了一些其它的概念像standby和zookeeper实现高可用性，同时因为配置需要，也更加深刻地理解了各个配置文件各项的含义
这个博文记录这次的配置以及遇到的问题和可能的解决方法
最近在上软件测试课，最后一次实验课使用loadRunner测试一个系统，小组讨论后决定拉出我那个老管理系统进行测试
（如果说这世界有什么莫名其妙的事情，大概放久了的代码再拿出来总会出bug能称得上一件，还是改了一阵子的便不赘述了）
因为丢到windows虚拟机，故配了一波wamp开发环境，其中出现了局域网其他电脑一直访问不到apache的403没权限问题，查了好久都没解决，最后自己瞎改改好了
前言:
3D游戏架构课上，老师以OGRE为例让我们剖析一个游戏引擎的架构，我是不喜欢但看源码的，所以就花了一整天在Mac上编译了OGRE的1.10版本
于此之前并没有用过OGRE，只用过Unity3D等
OGRE给人一种比较小，比较老的感觉，网上关于编译的教程也是风貌麟角，过程中遇到许多奇奇怪怪的问题，总的来说，是一个费力不讨好的过程。
搞到半夜两三点，已记不清看到多少次红字经历了多少次失败
即便如此，在改了许多小error，最后终于看到Xcode的Build Success标志的时候，还是按耐不住内心的激动
一次关于源码嵌套的失败经历
一种消耗耐力和心智的血的教训
记录于此，权当警示
昨天晚上，做了个令人惶惶不安的梦。
很久以前，我听说，人内心深处所惧怕发生的事情，总会在某一刻以梦的形式出现，在梦里勾勒着幻想场景的一切。