1  定义

点击访问原文
卿还好加入全栈技术交流群(QQ群号:254842154)

  机器上 (Machine Learning):improving some performance measure
with experience computed from data


  图片 1

经pm2能守护node.js程序永远在线,在实质上采用被凡很有必要的。另外,pm2配合keymetrics能实时监督node.js程序的运转,达到监控node.js程序的目的。

 

安装pm2

 2  应用举例

pm2可以假设我们的node.js或io.js程序永远在线。这是pm2的法定介绍:

  ML:an alternative route to build complicated systems

PM2 is a production process manager for Node.js applications with a built-in load balancer. It allows you to keep applications alive forever, to reload them without downtime and to facilitate common system admin tasks.

2.1  股票预测

https://github.com/Unitech/pm2\#usagefeatures

  图片 2

https://www.npmjs.com/package/pm2

2.2  图像识别

安装pm2

  图片 3

npm install -g pm2

2.3  衣食住行

启动一个node.js程序

   图片 4

//进入到app的目录去启动
pm2 start index.js --name 'ghost'

   图片 5

外常用命令:

2.4  关键要素

//查看pm2守护的app
pm2 list
//或者
pm2 status
//重启,restart后面跟--name后面指定的名字
pm2 restart ghost
//查看进程的使用资源情况
pm2 monit
//查看log
pm2 logs ghost
//查看app的更多详细信息,后面跟id
pm2 describe 1
//升级pm2,升级完毕后自动加载之前运行中的所有app
npm install pm2@latest -g ; pm2 updatePM2

  于决定某些应用场景,是否顺应采取机器上经常,常考虑以下三只要素:

动用Keymetrics可以匹配pm2来监督node.js程序(也支持io.js程序的监察)。

 1) exists some ‘underlying pattern‘ to be learned, so
performance measure‘ can be improved

安装Keymetrics

 2) but no programmable (easy) definition, so ML is needed

率先用报Keymetrics:

 3) somehow there is data about the pattern, so ML has some
inputs‘ to learn from

https://app.keymetrics.io/\#/register

 

报到后,通过new bucket新建,然后上控制面板,可以看来分配的public key
和secret key。然后,在安有pm2的服务器端输入以下命令

3  机器上

pm2 interact your-secret-key your-public-key

  下面坐银行信用卡底提请为条例,详细介绍机器上之范

监理成功后,会来近似下面的唤醒:

3.1  申请者信息

[Keymetrics.io] [Agent created] Agent ACTIVE - Web Access: https://app.keymetrics.io/

  unknown pattern to be learned : “approve credit card good for
bank?”

此时,pm2晤将采访到之统计信息实时地推送到Keymetrics,我们得以以Keymetrics的后台受实时地查看到node.js程序的运转信息,其中还有有速操作,如更开node.js程序等。

  图片 6

keymetrics dashboard

3.2  基本符号

   图片 7

3.3  机器上过程

  图片 8

1)  目标函数

  图片 9

2)  学习型

  图片 10

3)  学习过程

  ML: use data to compute hypothesis g that approximate
target f

  

4  相关领域

4.1  与数量挖掘

  difficult to distuguish ML and DM in reality

  Data Mining:use (huge) data to find property that is interesting

4.2  与人工智能

  ML is one possible route to realize AI

  Artificical Intelligence:compute something that shows intelligent
behavior

4.3  与统计学

  statistic has many useful tools for ML

  Statistics:use data to make interface about an unknown process

 

记资料

  <机器上基础> 林轩田,Lecture 1