‘壹’ 树莓派运行wine时出现错误代码c0000018
树莓派3B是卡片电脑，内存为1GB，一般运行linux。Linux两种主流的内存分配方法2G/2G和3G/1G，树莓派系统后期优化性能，使用2G/2G。(注:树莓派内核3.x仍旧采用3G/1G)
Wine提供Windows API，Winehq官网提供的Wine都是兼容3G/1G的Linux内核。这导致Wine在树莓派3B上运行时会出现内存地址映射，用户数据空间地址映射失败。这些错误都是wine-preload发出的。
我提供两种解决方案。
方法一,编译新的Linux内核:(本地编译，在树莓派上操作)
1.更新软件包:sudo apt-get update
2.安装git(已经有的可以跳过):sudo apt-get install git
2.同步内核源码:git clone --depth=1 https://github.com/raspberrypi/linux (注:此代码只同步.git项目仓库中的master分支)
然后，你可以睡一觉。真的，挂油管也没用，下载很慢的。
3.生成配置文件:先进入clone下来的文件夹，然后执行 make bcm2709_defconfig 会在该目录下生成.config配置文件。
4.执行命令： KERNEL=kernel7
5.修改.config文件:sudo nano .config查找# CONFIG_VMSPLIT_3G is not set 将其改为CONFIG_VMSPLIT_3G=y 再查找 CONFIG_VMSPLIT_2G=y 将其改为 # CONFIG_VMSPLIT_2G is not set 保存
6.执行命令：make -j4 zImage moles dtbs 此时你又可以再睡一觉，大约需要5个小时，注意散热。
7.安装:sudo make moles_install
sudo scripts/mkknlimg arch/arm/boot/zImage /boot/kernel3g.img
sudo cp arch/arm/boot/dts/*.dtb /boot/
sudo cp arch/arm/boot/dts/overlays/*.dtb* /boot/overlays/
8.执行reboot重启
方法二，旧版本的wine是没有预加载器，可能使用旧版本就不会报错了。
‘贰’ 机器学习4种不同数据集的优劣对比
机器学习4种不同数据集的优劣对比
数据源决定了机器学习算法，机器算法的选择好坏也决定了数据的分析质量等，因此，我们选择机器算法的时候，要首先弄懂各个机器学习数据集的优劣性，主要特点，方可着手处理，才能起到事半功倍的效果。下面随着大圣众包小编一起看看4种不同的机器学习数据集对比吧。
Iris
Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。
Alt
该数据从美国1994年人口普查数据库抽取而来，可以用来预测居民收入是否超过50K$/year。该数据集类变量为年收入是否超过50k$，属性变量包含年龄，工种，学历，职业，人种等重要信息，值得一提的是，14个属性变量中有7个类别型变量。
Wine
这份数据集包含来自3种不同起源的葡萄酒的共178条记录。13个属性是葡萄酒的13种化学成分。通过化学分析可以来推断葡萄酒的起源。值得一提的是所有属性变量都是连续变量。
CarEvaluation
这是一个关于汽车测评的数据集，类别变量为汽车的测评，（unacc，ACC，good，vgood）分别代表（不可接受，可接受，好，非常好），而6个属性变量分别为“买入价”，“维护费”，“车门数”，“可容纳人数”，“后备箱大小”，“安全性”。值得一提的是6个属性变量全部是有序类别变量，比如“可容纳人数”值可为“2，4，more”，“安全性”值可为“low,med,high”。
小结
通过比较以上4个数据集的差异，简单地总结：当需要试验较大量的数据时，我们可以想到“Alt”；当想研究变量之间的相关性时，我们可以选择变量值只为整数或实数的“Iris”和“Wine”；当想研究logistic回归时，我们可以选择类变量值只有两种的“Alt”；当想研究类别变量转换时，我们可以选择属性变量为有序类别的“CarEvaluation”。大圣众包小编建议更多的尝试还需要对这些数据集了解更多才行。