投票演算法

⑴ 大概描述一下霍夫森林和霍夫投票演算法，謝謝~

霍夫森林（houghforests）

霍夫森林是隨機森林和霍夫投票在計算機視覺中的應用，用在物體檢測，跟蹤和動作識別。主要特點是：

（1）每個葉子節點都是一個判別性的碼本，對到達這個葉子節點的patch做出一個預測：它來自前景的概率是多少？它距離物體中心有多遠？

（2）在節點分裂的時候，隨機選擇類別不純度或是偏移量不純度：

⑵ 哪些機器學習演算法可以處理多分類

maxsoft作為logistics二分類的改進版，天生適合多分類；神經網路(如bp神經網路，隨機權神經網路，RBF神經網路等)；通過建立多個支持向量機或者最小二乘支持向量機分類模型，通過投票演算法選擇概率最大的分類標簽；也可以通過聚類演算法(KNN，kMeans等)等無監督學習演算法實現分類。
樸素貝葉斯分類器演算法是最受歡迎的學習方法之一，按照相似性分類，用流行的貝葉斯概率定理來建立機器學習模型，特別是用於疾病預測和文檔分類。 它是基於貝葉斯概率定理的單詞的內容的主觀分析的簡單分類。
如果特徵數量遠大於訓練樣本數，則使用邏輯回歸或線性核方法的SVM。
如果特徵數較小，而樣本數量相對較多，可以考慮高斯核方法的SVM。
如果特徵數少兒樣本數極大，可以考慮增加一些特徵，再使用邏輯回歸或線性核方法的SVM
神經網路則對上述情況都可適用，但訓練時間較長。

想要學習了解更多機器學習的信息，推薦CDA數據分析師課程。CDA 與國際知名考試服務機構 Pearson VUE 合作,認證考點覆蓋全球。課程內容綜合使用統計分析方法、統計模型、運籌學、機器學習、文本挖掘演算法，而非單一的機器學習演算法。 點擊預約免費試聽課。

⑶ 為何隨機森林的機器學習統計模型預測法官投票准確率勝過專家

因為隨機森林的機器學習統計模型進行了大量的數據分析，該模型先學習了1816年到2015年最高法院案例特徵與裁決結果之間的關聯，然後按年份研究每個案例的特徵並預測裁決結果，最後被「投喂」關於該年份裁決結果實際信息的演算法升級了預測策略，並繼續進行下一年的預測。

用計算機演算法預測法官行為並不稀奇。2011年，西班牙學者在一項研究中，使用1953年到2004年任意8名法官的投票，來預測同一案件中第9名法官的投票，准確率為83%；2004年，美國學者使用1994年以來一直在法院工作的9名法官的判決，來預測2002年案件的判決結果，准確率為75%。

而伊利諾伊大學理工學院法學教授丹尼爾·卡茨的團隊利用最高法院資料庫，為每個投票標注了16個特徵，包括法官任期、訴訟發起法庭、口頭辯論是否被聽到等，創建了最先進的演算法。對1816年到2015年美國最高法院的判決進行預測，准確率高於70%，較知識淵博的法律專家（預測准確率為66%）更勝一籌。結果顯示，對於28000項判決結果及24萬張法官投票，新模型演算法預測的正確率分別為70.2%和71.9%。相關研究文章發表在《公共科學圖書館·綜合》（PLOS ONE）上。

⑷ 美國大選是怎麼個玩法，怎麼那麼多人投票，卻只有幾百張選票多少人算一張啊

美國總統由全國選民投票選舉，但並非選民直選產生，而是實行選舉人團制。選民投票產生的是代表50個州和哥倫比亞特區的538名選舉人。總統候選人獲得超過半數選舉人票（至少270張）即可獲勝。

美國各州擁有的選舉人票數量同該州在國會參、眾議員人數相等。參議院由每個州選舉出的2名議員組成，而眾議院議員人數則根據各州人口比例來確定。人口多的州產生的眾議院議員人數就多，同時在總統選舉時擁有的選舉人票也多。如人口最多的加利福尼亞州的選舉人票多達55張，而人口較少的阿拉斯加等州只有3張選舉人票。哥倫比亞特區雖沒有參、眾議員，但仍擁有3張選舉人票。

除緬因和內布拉斯加兩個州按得票率分配選舉人票外，其餘48個州和哥倫比亞特區均實行「勝者全得」制度，即把本州的選舉人票全部給予在該州獲選民票最多的總統候選人。
簡單地說 就是大選分為兩級 第一次是全民普選 第二次是選舉人票選舉人票是每個州按照該州參眾兩院議員人數數量分配 因此選舉人票是很少的 美國絕大部分州按照贏者全得的方法 把所有選舉人票投給該州普選獲勝的候選人 因此選舉人票會在兩個候選人普選成績接近時起決定作用 誰能在選舉人票多的州獲得普選勝利 誰就能當總統。
再簡單點說， 選舉總統的時候就好比是各個州在選舉總統，每個州按照人口比例和參議院眾議院人數等因素會這個一定數量的選舉團人票，第一次全民普選出來後，2個候選人誰贏，這個州接下來的選舉人票就選誰！

⑸ 狼人殺如何用演算法算出誰是狼人

各種人物角色的能力：
狼人：天黑時睜眼，殺一個人。（可以自殺或不殺人，狼人意見不統一時，少數服從多數，平局不殺人）
村民：沒有任何特殊能力，天黑時一直閉眼，睡覺。
預言家：天黑時睜眼，一晚可以查看一名玩家的身份。
獵人：如果獵人正常死亡時（被處決或被狼人殺害），臨死前可以進行射擊，指定任意一個活著的玩家，該玩家立即死掉（出局）。但是如果被女巫毒死，情侶殉情或其他形式死亡，則不可射擊（主持人提醒一下）。
丘比特：在游戲開始的第一個晚上，指定兩名玩家，這兩人成為兩名情侶（不限性別）。丘比特可以指定自己為兩名情侶之一。兩名情侶中的一個死去時，另一名也立即死去，並且沒有遺言。投票時，一名情侶不得把票投給另一名情侶。如果兩名情侶，一個是狼人，另一個是村人，這兩名玩家游戲的目標就改變了，他們要把其餘所有玩家都殺死（包括狼人和村人）。
女巫：有兩種劑，一種是解，可以救人，讓天黑時被狼人殺死的人活過來；另一種是毒，在天黑時可以殺死一個人。在整個游戲過程中，每一種劑只能使用一次。(女巫可以自救，可以自殺，當女巫用過解之後，上帝將不再告訴她死者是誰。)
小女孩：在夜晚，狼人睜眼的時候，小女孩可以悄悄睜眼，看誰是狼人。如果在夜晚，狼人發現了小女孩，小女孩立即死亡，那個晚上，狼人就不能殺其他人，只把小女孩殺死。當然狼人也可以選擇不殺死小女孩，那樣會很危險。（主持人很難控制，建議不加此角色）
白痴：如果村民最終投票決定的人是白痴，則白痴翻開他的身份牌。在此之後，白痴繼續游戲，不能再投票，但可以在他人發言時插嘴。狼人可以殺掉白痴，獵人也可以射殺白痴。如果警長是白痴，則當白痴失去投票資格之後，警長就沒有實際作用了。
長老：有兩條命。狼人第一次殺長老時，長老不會死，只有當狼人第二次殺長老時，他才會死。但女巫的毒、獵人的射擊，都只需要一次就可以讓長老死去。白天長老也可以被投票處死，也只需要一次。如果上面這三種情況之一（女巫、獵人、投票殺死長老）發生，則所有村人失去他們的特殊能力（白痴如果已經揭開身份，則將同長老一起死去），一直到游戲結束。如果長老被女巫的解救過來，則長老只剩下一條命。
替罪羊：白天投票如果出現平局，則替罪羊將會死去，得票平手的玩家不會死。因此替罪羊要避免出現平票的局面。替罪羊死之前，可以指定下一天投票，哪些玩家可以投票，哪些玩家不得投票。如果替罪羊死前只指定了一名玩家，讓他可以在下一天投票，則該玩家很可能在接下來的晚上被狼人殺死，於是下一天就沒有人能夠投票了。
守衛：每個晚上，守衛在狼人之前被喚醒。守衛指定一名玩家，該玩家在那個晚上受到保護，不會死。如果接下來狼人剛好選擇了守護者要保護的玩家，則那個玩家不會死。守護者可以保護自己。守護者不得連續保護同一個人兩次。如果守護者保護的人是小女孩，則保護不會生效。
吹笛者：每個晚上，吹笛者都被喚醒，指定兩名玩家。法官把這兩名玩家的肩膀碰一下，這兩名玩家已經被施了魔法。隨後吹笛者閉眼。接著法官讓所有被吹笛者施過魔法的人（不論是當晚的還是之前的）睜眼，他們可以知道哪些人已經被吹笛者施了魔法，接著他們閉眼。場上活著的玩家，如果全都被吹笛者施過魔法，則吹笛者獲勝，其餘玩家都輸掉。這種情況可能會在某次投票之後發生，或者狼人殺了人之後。吹笛者不得對自己施魔法。被施了魔法的玩家仍然扮演他們的角色，仍然具有角色的特殊能力。魔法不會在兩名愛人之間傳播。
盜賊：如果使用盜賊，則在游戲開始時，多加入兩張普通村民卡。這樣玩家拿取身份牌後，會多出兩張牌，牌面向下放在桌子中央。在第一個晚上，盜賊觀看這兩張牌，可以把自己的身份牌和其中一張交換，此後盜賊就扮演交換過來的身份，當然也可以不交換，不交換的話，接下來盜賊就和普通村民沒區別。但是，如果這兩張牌都是狼人，則盜賊必須把自己的身份牌和其中一張交換，也就是盜賊必須成為狼人。
註：警長：警長的身份不是通過發牌得到的，而是第一個白天大家各自發表意見之後由村人投票選舉出來的。白天投票時，警長的一票以2票來計算。如果警長被殺，則警長臨死時可以指定一名活著的玩家作為他的繼任者，擔任警長。被選作警長的玩家有2張牌，一張牌面向下放在自己面前（游戲一開始發的），另一張是警長牌。
提示：游戲中，狼人、預言家、村民是必須要使用的，其餘角色根據游戲人數可適當加入。個人覺得一般來說其他會優先加入女巫、獵人、守衛、丘比特、盜賊、長老，另外的不怎麼用

⑹ 請問oracle rac集群中的腦裂brain split是怎麼回事請詳細介紹下

sql">這2天在面試DBACandidate的時候，我問到OracleRAC中BrainSplit腦裂決議的一些概念，幾乎所有的Candidate都告訴我當」只有2個節點的時候，投票演算法就失效了，會讓2個節點去搶佔QuorumDisk，最先獲得的節點將活下來」。我們姑且把這套理論叫做」搶占論」。
「搶占論」的具體觀點可能與下面這一段文字大同小異:

「在集群中，節點間通過某種機制(心跳)了解彼此的健康狀態，以確保各節點協調工作。假設只有」心跳」出現問題，各個節點還在正常運行，這時，每個節點都認為其他的節點宕機了，自己是整個集群環境中的」唯一建在者」，自己應該獲得整個集群的」控制權」。在集群環境中，存儲設備都是共享的，這就意味著數據災難，這種情況就是」腦裂」
解決這個問題的通常辦法是使用投票演算法(QuorumAlgorithm).它的演算法機理如下：
觀點1：
集群中各個節點需要心跳機制來通報彼此的」健康狀態」，假設每收到一個節點的」通報」代表一票。對於三個節點的集群，正常運行時，每個節點都會有3票。當結點A心跳出現故障但節點A還在運行，這時整個集群就會分裂成2個小的partition。節點A是一個，剩下的2個是一個。這是必須剔除一個partition才能保障集群的健康運行。對於有3個節點的集群，A心跳出現問題後，B和C是一個partion，有2票，A只有1票。按照投票演算法，B和C組成的集群獲得控制權，A被剔除。


觀點2：
如果只有2個節點，投票演算法就失效了。因為每個節點上都只有1票。這時就需要引入第三個設備：QuorumDevice.QuorumDevice通常採用餓是共享磁碟，這個磁碟也叫作Quorumdisk。這個QuorumDisk也代表一票。當2個結點的心跳出現問題時，2個節點同時去爭取QuorumDisk這一票，最早到達的請求被最先滿足。故最先獲得QuorumDisk的節點就獲得2票。另一個節點就會被剔除。「


以上這段文字描述中觀點1與我在<OracleRACBrainSplitResolution>一文中提出的看法其實是類似的。這里再列出我的描述:


在腦裂檢查階段ReconfigManager會找出那些沒有NetworkHeartbeat而有DiskHeartbeat的節點，並通過NetworkHeartbeat(如果可能的話)和DiskHeartbeat的信息來計算所有競爭子集群(subcluster)內的節點數目，並依據以下2種因素決定哪個子集群應當存活下去:
擁有最多節點數目的子集群(Sub-)
若子集群內數目相等則為擁有最低節點號的子集群(Sub-clusterwithlowestnodenumber)，舉例來說在一個2節點的RAC環境中總是1號節點會獲勝。
補充：關於我引入的子集群的概念的介紹：


「在解決腦裂的場景中，NM還會監控votingdisk以了解其他的競爭子集群(subclusters)。關於子集群我們有必要介紹一下，試想我們的環境中存在大量的節點，以Oracle官方構建過的128個節點的環境為我們的想像空間，當網路故障發生時存在多種的可能性，一種可能性是全局的網路失敗，即128個節點中每個節點都不能互相發生網路心跳，此時會產生多達128個的信息」孤島」子集群。另一種可能性是局部的網路失敗，128個節點中被分成多個部分，每個部分中包含多於一個的節點，這些部分就可以被稱作子集群(subclusters)。當出現網路故障時子集群內部的多個節點仍能互相通信傳輸投票信息(votemesg),但子集群或者孤島節點之間已經無法通過常規的Interconnect網路交流了，這個時候NMReconfiguration就需要用到votingdisk投票磁碟。」

fromaskmaclean