sitJac's Blog

• 分类问题是机器学习和统计学中最核心的监督学习任务之一，其目标是通过学习已有数据的特征，构建预测模型，将新数据分配到预定义的类别或标签中。

• 分类模型通常会基于样本特征给出类别、概率或风险分数。从统计分类的角度看，模型是在用数据估计样本属于某个类别的可能性，再根据阈值或决策规则给出最终判断。

• 衡量分类模型的效果不是简单地问“预测对了多少”，而是要判断模型在真实任务中是否可靠、稳定、可用，这就引申出了很多不同的评价指标，本文将对这些指标进行总结。

• Effective C++ 是 Scott Meyers 最经典的 C++ 经验总结之一，内容不追求面面俱到，而是聚焦在日常开发里最容易踩坑、也最值得反复思考的语言细节。
• 这篇文章作为阅读笔记，按条款整理其中的核心观点，尽量用简洁的方式记录每条建议背后的关注点，方便后续回顾和查阅。
• 它不适合作为 C++ 入门教材，但很适合已经写过一段时间 C++ 之后，用来系统修正常见编码习惯。

• Conan 是一个开源的、跨平台的、去中心化的 C++ 包管理器，旨在简化 C++ 项目的依赖管理和项目构建过程。
• Conan 允许开发者轻松地查找、安装和管理第三方库和工具，通过它可以安装、解决构建依赖，更重要的是可以直接集成到构建系统中。
• 本文记录了从零开始上手 Conan 的过程，帮助更多 C++ 开发者了解和上手这一现代化的包管理器，从依赖配置的苦海中解脱出来。

• uv 试图用一个工具统一解决 Python 安装、虚拟环境、依赖管理、脚本运行和 CLI 工具安装等问题，它的目标是让 Python 项目的环境管理更简单、更一致、更现代化。
• 它可以理解成 python、venv、pip、pip-tools、pipx 等能力的组合体，本文结合实际工作使用，系统整理 uv 的常见工作流，适合拿来作为日常查询手册。

本文整理工作中常见的车载计算平台，包括高通 8155、8295 和 MediaTek MT8676 三款代表性芯片的特点和适用场景，并提供一些基础的 Android 和 QNX 调试命令。