有沒有必要把機器學習算法自己實現(xiàn)一遍？如果你是一個泥瓦匠，你就不需要它；如果你是一個前端開發(fā)工程師，你就不需要它；如果你是一個后端開發(fā)工程師，你就不需要它；如果你做人工智能或人工智能的應用集成工作，最

有沒有必要把機器學習算法自己實現(xiàn)一遍？

如果你是一個泥瓦匠，你就不需要它；

如果你是一個前端開發(fā)工程師，你就不需要它；

如果你是一個后端開發(fā)工程師，你就不需要它；

如果你做人工智能或人工智能的應用集成工作，最好實現(xiàn)一次，但是如果你不實現(xiàn)一次，它就會實現(xiàn)或多或少影響工作效率；

如果你做數(shù)據(jù)標注的工作，你就不需要它了；

例如如果你做人工智能算法，這是必要的；

如果你做人工智能研究，這應該是基本的技能。

寫JAVA后端代碼時邏輯混亂怎么辦？

后端代碼的復雜性通過分割和裁決來解決。首先，通過拆分項目，項目之間可以存在依賴關系，但必須是單向依賴而不是環(huán)依賴。如果存在環(huán)，我們必須考慮將環(huán)依賴分解為單獨的項目來解決環(huán)依賴。

對于項目中的代碼，可以通過水平拆分和垂直拆分來降低復雜性。水平層分為控制器、服務、Dao和sqlmap，垂直層分為系統(tǒng)、biz1、biz2、Bizn，但在數(shù)據(jù)通暢連接中，水平拆分和垂直拆分相結(jié)合，如下圖所示：

通過這種分層方式，代碼層是分開的，結(jié)構(gòu)清晰。對于一些跨模塊調(diào)用的接口，如同一個數(shù)據(jù)表需要在不同的模塊中操作時，可以將該接口作為公共接口升級到上層cxmodule，對于一些可重用的、相對獨立的功能，可以在cxmodule中定義一個干凈的接口，業(yè)務邏輯可以通過在模塊的功能模塊中實現(xiàn)接口來實現(xiàn)，而不需要使用spring的事務管理機制，從而降低代碼的復雜度。

邏輯回歸和回歸分析區(qū)別？

1、Logistic回歸是一種廣義線性回歸分析模型。

2. 線性回歸：一種統(tǒng)計分析方法，利用數(shù)理統(tǒng)計中的回歸分析來確定兩個或多個變量之間相互依賴的數(shù)量關系。

2、Logistic回歸：常用于數(shù)據(jù)挖掘、疾病自動診斷、經(jīng)濟預測等領域。

2. 線性回歸：常用于數(shù)學、金融、趨勢線、經(jīng)濟學等領域。