1.查看参数列表 rosparam list

2.查询参数rosparam get parameter_name,如rosparam get /rosdistro

3.设置参数rosparam set parameter_name parameter_value

1.rosrun package-name executable-name 比如 rosrun turtlesim turtlesim_node

2.一旦启动roscore后,便可以运行ROS程序了。ROS程序的运行实例被称为节点(node)，roscore叫做节点管理器

3.查看节点列表rosnode list

4.需要注意节点名并不一定与对应可执行文件名称相同

动机
对于非线性分类问题，如果用多元线性回归进行分类，需要构造许多高次项，导致特征特多学习参数过多，从而复杂度太高。
直线方程y=kx+b改为二次曲线方程y=ax^ 2+bx+c时，参数(Parameter)由2个(分别是k、b)变为3个(分别是a、b、c)，特征(Feature)由1个(x)变为2个(x^2和x)。三次曲线和复杂的多项式回归会增加更多的参数和特征。

manacher算法是一个时间复杂度为O(n)的求解最长回文串的算法。
那么直奔主题，这个算法原理是什么，代码怎么写？
例如输入字符串S=”abaaba”,普通的做法是求每个字符初始l=r=i,s[–l]==s[++r]能得到的最大的r-l。这种方法的时间复杂度是O(n^2)。

字典树，又称单词查找树，Trie树，是一种树形结构，是一种哈希树的变种。典型应用是用于统计，排序和保存大量的字符串（但不仅限于字符串），所以经常被搜索引擎系统用于文本词频统计。它的优点是：利用字符串的公共前缀来节约存储空间，最大限度地减少无谓的字符串比较，查询效率比哈希表高。

逻辑回归（Logistic Regression）是机器学习中的一种分类模型，由于算法的简单和高效，在实际中应用非常广泛。其实质实在线性回归的基础上，套用了一个逻辑函数，但也就由于这个逻辑函数，使得逻辑回归模型成为了机器学习领域一颗耀眼的明星，更是计算广告学的核心。通常逻辑回归用在预测一个用户是否点击特定的商品,判断用户的性别,预测用户是否会购买给定的品类,判断一条评论是正面的还是负面的…本文主要记录下逻辑回归的基础知识，更多的内容以后再去搞吧

最近在学NG的机器学习课程，发现前几周的课程和前面的写的最小二乘法曲线拟合有那么神似。
最小二乘法中的拟合模型就是线性(非线性)回归中假设函数h。残差的平方和就是线性回归中的损失函数。最小二乘法与梯度下降法都用来求损失函数(残差的平方和)的最小值的。那么他们之间有什么区别呢？

最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。
“最小二乘法”是对过度确定系统，即其中存在比未知数更多的方程组，以回归分析求得近似解的标准方法。在这整个解决方案中，最小二乘法演算为每一方程式的结果中，将残差平方和的总和最小化。
以上来源维基百科。

之前的一片博客已经谈到了kmp,kmp应该是我在课堂上学习的第一个算法。当时对这个了解的并不是很深，而且比赛的时候直接套板子就行了。今天重新看了一遍这个算法，古人云：温故而知新，可以为师。

前几天在做leetcode题目的时候，有个来是类似字符串匹配的题目，当时想到了kmp但是这么久没写kmp了已经不会求next数组了（唉～多半是我掌握的不好，所以才想不起来怎么写的）。还好我们有字符串哈希算法，处理字符串匹配的问题同样能达到O(n+m)的时间复杂度。