- 博客(45)
- 收藏
- 关注
RSS订阅原创 word2vec Parameter Learning Explained 论文学习笔记
文章内容1、word2vec模型：skipgram和CBOW2、训练优化：hierarchical softmax 和 negative sampling.一、CBOW模型CBOW完成的事情是：用给定上下文预测中心词，假设输入的上下文只有一个单词，用这个单词预测接下来的词语，类似于Bigram.输入：单词的one-hot编码。维度是词典大小，输入层和隐藏层之间是全连接。 输出是单词表中...
2020-03-27 11:59:49
337
1
原创 求a的开方
方法1：梯度下降令x=a\sqrt{a}a，那么x2=ax^2=ax2=a,写成方程的形式就是f(x)=x2−af(x)=x^2-af(x)=x2−a,问题就转化为求f(x)=0f(x)=0f(x)=0的解，怎么转化为用梯度下降求呢？因为梯度下降是求极值的问题，可以把f(x)f(x)f(x)看成是某个函数的导数，也就是g(x)=13x3−axg(x)=\frac{1}{3}x^3-axg(x)...
2018-11-19 10:19:21
739
1
原创 判断两个矩形是否有重叠
今天笔试遇到这个题目，原来是图像中的问题：判断图像中检测到的两个人脸框矩形是否有重叠部分，并计算重叠大小，从而确认是否为同一个人脸。直接判断的话，情况有点多，比如：这样代码就比较繁琐了。如果是先考虑没有重叠呢？如上图所示，没有重叠的话，可以分为四种情况，假设红色矩形为A，绿色矩形为B，那么B可以分别在A的上、下、左、右四种情况。设A的左上角坐标为p1，右下角坐标为p2，B的左上角坐标...
2018-11-10 20:13:45
8515
2
原创 根据三点坐标求三角形面积
point.pyimport mathclass CPoint: def __init__(self,x,y): self.x=x self.y=y def point_distance(self,p): return math.sqrt(math.pow(p.x-self.x,2)+math.pow(p.y-self.y,2))...
2018-11-10 17:02:31
5536
转载 为什么要对数据进行归一化？
为什么要归一化1、提高梯度下降法求解最优解的速度如下图所示，蓝色的圈圈图代表的是两个特征的等高线。其中左图两个特征X1和X2的区间相差非常大，X1区间是[0,2000]，X2区间是[1,5]，其所形成的等高线非常尖。当使用梯度下降法寻求最优解时，很有可能走“之字型”路线（垂直等高线走），从而导致需要迭代很多次才能收敛；而右图对两个原始特征进行了归一化，其对应的等高线显得很圆，在梯度下降进行求...
2018-11-09 11:31:00
2355
原创 python中的文件读写
虽然研究了很多python代码，却没有整理过关于文件操作的，系统地整理下。一、普通的文件读写在磁盘上读写文件都是由操作系统控制的，应用读写文件就是请求操作系统打开一个文件对象，然后，通过操作系统提供的接口从这个文件对象中读取数据（读文件），或者把数据写入这个文件对象（写文件）。python内置了各种函数，来对文件进行操作。1、打开文件：open f = open('data/test.t...
2018-11-07 11:13:40
171
原创 KMeans聚类 K值的确定以及初始类簇中心点的选取
KMeans算法是最常用的聚类算法，基本思想是:在给定K值和K个初始类簇中心点的情况下，把每个样本点分到离其最近的簇中，然后重新计算每个簇的中心点(取平均值)，然后再迭代的进行分配点和更新类簇中心点的步骤，直至类簇中心点的变化很小，或者达到指定的迭代次数。KMeans算法本身思想比较简单，但是确定一个合适的K值和K个初始类簇中心点对于聚类效果的好坏有很大的影响。K值的确定1、样本聚类误差平方...
2018-11-06 11:03:31
31948
6
原创 处理数据不平衡的问题
普通的机器学习方法，对于非平衡数据分类，总是倾向于最大化占比多的类别的分类准确率，而把占比少的类别分类错误，但是，现实应用中，我们研究的问题，对于少数的类别却更加感兴趣。所以总结一下，处理不平衡数据的方法。（假设占比多的正样本，占比少的为负样本）1、过采样增加少类别的样本，代表算法是SMOTE算法，基本思想是对每一个负样本利用KNN找到K个近邻，在这k个近邻中根据采样倍率随机有放回的选取样本...
2018-11-05 17:42:03
360
原创 cs231n笔记2：损失函数和正则化
损失函数衡量的是对结果的不满意程度，是全部的训练样本的预测值与真实值的差值的和：L=1N∑iLi(f(xi,W),yi)L=\frac{1}{N}\sum_iL_i(f(x_i,W),y_i)L=N1∑iLi(f(xi,W),yi)，我们训练的过程也是通过更新权重w，努力减小损失函数的过程。损失函数的具体形式多种多样，下面介绍常用的多分类支持向量机（SVM）损失函数。一、多分类支持向量...
2018-11-05 14:52:25
657
原创 cs231n作业1：图像分类
作业是在ipython下开发完成的，首先要学会使用ipython。一、IPython使用Jupyter Notebook是以web交互式的编程接口，是一个编程工具，除了通常的新建、删除、更改、下载编程文件外，还支持在线编程运算可帮助持续开发，特别在企业中有些项目需要持续很长时间的开发，每天下班后关闭jupyter，只要服务器的kernel不关闭，jupyter会保存好开发时的数据缓存和可视化结...
2018-11-03 15:51:54
463
原创 cs231n笔记1：图像分类
几个术语初步了解下：图像分割、面部检测（Adaboost）、object recognization、SIFT（SIFT算法是一种提取局部特征的算法,在尺度空间寻找极值点,提取位置,尺度,旋转不变量 ）、语义分割（将像素按照图像中表达语义含义的不同进行分组）图像分类是计算机视觉领域的核心问题之一，并且有着各种各样的实际应用。其实在计算机视觉领域中很多看似不同的问题（比如物体检测和分割），都可以被...
2018-11-02 11:57:37
381
原创 蓄水池采样原理
一、原理蓄水池采样算法解决的是在给定但长度未知的大数据集中，随机等概率抽取一个数据。如果知道数据集的长度，可以用随机数rand()%n得到一个确切的随机位置，那么该位置的对象就是所求的对象，选中的概率是1/n。那长度未知该如何取？尤其是如果这个大数据集不能一次性放入内存中，蓄水池采样算法就非常有用了。算法思路：我们总是选择第一个对象，以1/2的概率选择第二个，以1/3的概率选择第三个，以此类推...
2018-11-01 10:12:21
2060
原创 二叉树的非递归遍历
1、先序遍历遍历顺序：根左右，利用栈public void preOrder(TNode root){ if(root==null){ return ; } Stack<TNode> s=new Stack<TNode>(); while(!s.empty()||root!=null){ while(root!=null){ print(root....
2018-10-31 11:25:49
103
原创 单链表的常用操作
生活果然是需要一点刺激的，从今天开始，我一定要好好写博客！！首先链表的节点定义：class Node{ public int data; public Node next;}以下操作假设单链表有头结点(head!=null)。1、末尾添加节点public void addNode(Node node){ Node current=head;//head是单链表的头结点 whi...
2018-10-30 20:33:55
173
原创 Linux简介之用户管理常用命令
一、用户和权限在实际应用中，对每个组设置不同的权限，然后将不同的用户添加到对应的组中，从而不用依次为每一个用户设置权限。查看某个目录下文件的详细信息：ls -l /home/user每一列代表的含义：1）权限，第 1 个字符如果是 d 表示目录2）硬链接数，通俗地讲，就是有多少种方式，可以访问到当前目录／文件，比如，a下有子目录b，b下有子目录c、d…那么a的硬链接数就是3：/home...
2018-10-29 10:05:49
135
原创 Linux简介之远程管理常用命令
1、重启电脑$ shutdown -r now # 重新启动操作系统，其中 now 表示现在$ shutdown now # 立刻关机，其中 now 表示现在$ shutdown 20:25 # 系统在今天的 20:25 会关机$ shutdown +10 # 系统再过十分钟后自动关机$ shutdown -c # 取消之前指定的关机计划加上-r表示重新启动，不指定选项和...
2018-10-28 21:58:14
209
原创 Ubuntu15.1安装openssh-server
客户端电脑通过SSH访问Ubuntu服务器，服务器上必须得安装SSH-server才可以。1、如果Ubuntu系统不是最新系统，需要更新apt-get：sudo apt-get update，如果更新失败，可能需要换源，即修改/etc/apt/sources.list文件：（1）备份：sudo cp sources.list sources.list.bak（2）sudo gedit /et...
2018-10-28 12:46:50
373
原创 windows与ubuntu之间实现复制与粘贴
安装VMware Tools启动Ubuntu虚拟机，点击虚拟机菜单的“VMware Tools”如果弹出下面的对话框，点击“是”此时，会发现虚拟机设备下多了VMware Tools这一项，点击它，其里面有一个VMwareTools…tar.gz文件：把这个压缩文件复制到myfile目录下，并解压（也可以手动提取）cp VMwareTools-10.1.6-5214329.tar.g...
2018-10-27 20:52:04
7462
原创 Linux简介之常用命令
一、操作系统的作用1.直接操作硬件2.把操作硬件的代码封装为系统调用，供其他程序员开发应用程序，间接地操作硬件。二、linux的内核版本和发行版本三、Linux 主要目录/：根目录，一般根目录下只存放目录/bin、/usr/bin：可执行二进制文件的目录，如常用的命令 ls、tar、mv、cat 等/etc：存放系统配置文件/home：系统默认的用户家目录，新增用户账号时，用户的...
2018-10-27 16:22:34
110
原创 O2O优惠券使用预测
(11429826, 7)参考：赛题：https://tianchi.aliyun.com/getStart/information.htm?spm=5176.100067.5678.2.594e1db7rxv16q&amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;raceId=231593https://github.com/InsaneLife/O2O-Predict-Coupon-Usage冠军代码：https://git...
2018-10-25 16:37:53
6834
7
原创 boosting系列算法
boosting是一种集成学习算法，由一系列基本分类器按照不同的权重组合成为一个强分类器，这些基本分类器之间有依赖关系。包括Adaboost算法、提升树、GBDT算法。一、Adaboost算法1、基本思想通过两个问题：1）如何更新样本权重D? 提高被弱分类器错分样本的权值，降低正分样本的权值，作为下一轮基本分类器的训练样本。2）如何将弱分类器组合成强分类器？ 加权多数表决，误差率小的分...
2018-10-25 16:02:50
24878
原创 pandas分段读取csv
主要是因为内存太小，一次性读取会MemoryErrordef get_df(file_path): pd.set_option('display.max_columns', None) pd.set_option('display.width',200) mylist = [] for chunk in pd.read_csv(file_path, chunks...
2018-10-20 16:54:33
1703
原创 DataFrame的groupby()函数
groupby()是一个分组函数，对数据进行分组操作的过程可以概括为：split-apply-combine三步：1.按照键值（key）或者分组变量将数据分组。2.对于每组应用我们的函数，这一步非常灵活，可以是python自带函数，可以是我们自己编写的函数。3.将函数计算后的结果聚合。举例：df = pd.DataFrame({'key1':list('aabba'), ...
2018-10-20 11:36:51
10501
原创 TF-IDF原理及sklearn调用
一、原理TF-IDF，也就是“词频-逆文本频率”，是文本挖掘中做分词、向量化之后的一个操作，它由两部分组成：1、词频：某个词在当前文本中出现的次数。2、IDF：有些词语虽然词频很高，但是并不重要，IDF衡量的就是一个词的重要度。IDF的基本公式：IDF(x)=logNN(x)IDF(x) = log\frac{N}{N(x)}IDF(x)=logN(x)N其中，N代表训练集中docum...
2018-10-18 22:07:16
558
原创 朴素贝叶斯原理及sklearn调用
与其他大多数的分类算法不同，如：决策树、KNN、逻辑回归等，它们都是判别方法，直接学习出类别y和特征x之间的关系。朴素贝叶斯属于生成方法，它的理论基础是贝叶斯公式：P(Y∣X′)=P(X′∣Y)P(Y)P(X)P(Y|X&amp;amp;#x27;)=\frac {P(X&amp;amp;#x27;|Y)P(Y)}{P(X)}P(Y∣X′)=P(X)P(X′∣Y)P(Y)，其中P(Y)是先验知识，P(X’|Y)...
2018-10-18 20:40:14
2268
原创 numpy中的矩阵合并
1、np.append() 本质是复制，所以占内存比较大。2、np.concatenate()np.concatenate((y_train,np.zeros(len(over_samplings_x))),axis=0)3、列合并：np.column_stack()行合并：np.row_stack()a=[[0, 1, 2], [3, 4, 5], [...
2018-10-18 10:39:02
3109
原创 问题建模之交叉验证
在离线环节，需要对模型进行评估，根据评估指标选择最佳模型。这就需要交叉验证。下面介绍几种常用的交叉验证方法。一、留出法留出法非常简单，就是将数据集划分为训练集合测试集，它甚至不能看做是一种交叉验证，因为它并没有交叉的操作。这种方法的缺点是：1、划分测试集数据量对结论有影响。测试集数据量小，模型可信度不高；训练集数据量小，模型效果可能不够好。通常的做法是，2 /3 数据作为训练集，1 /3...
2018-10-11 20:21:10
978
原创 问题建模之样本选择
为什么要进行样本选择呢？1、若样本集较大，在训练模型时带来资源和时间的巨大消耗。2、样本集中可能会有一些噪声点和异常点，影响模型效果。3、样本集中可能会有冗余数据或不相关的数据，对我们的模型训练没有提升。下面介绍一下样本选择的几种方法。一、数据去噪噪声的存在具有两面性，一方面，噪声的存在会导致数据质量变低 ，影响模型的效果，但通过在训练集中引人噪声数据也能起到提升模型健壮性的作用 。因...
2018-10-11 19:52:44
3659
原创 问题建模之评估指标
从今天开始学习美团机器学习实践这本书，加一些自己的理解，加油！！！机器学习解决问题的通用流程：问题建模---&amp;amp;amp;amp;gt;数据清洗和预处理--&amp;amp;amp;amp;gt;特征提取---&amp;amp;amp;amp;gt;模型选择--&amp;amp;amp;amp;gt;模型融合问题建模：解决一个机器学习问题，首先要分析问题，将问题转化为机器学习能解决的问题，这个过程要明确业务指标和模型预测
2018-10-11 16:44:47
3533
转载 搜索评价指标——NDCG
概念 NDCG，Normalized Discounted cumulative gain 直接翻译为归一化折损累计增益，可能有些晦涩，没关系下面重点来解释一下这个评价指标。这个指标通常是用来衡量和评价搜索结果算法（注意这里维基百科中提到了还有推荐算法，但是我个人觉得不太适合推荐算法，后面我会给我出我的解释）。DCG的两个思想： 1、高关联度的结果比一般关联度的结果更影...
2018-10-11 16:07:24
4771
2
原创 numpy和pandas的常用操作
一、numpy:1、np.zeronp.zeros(5) 1行5列 结果：array([ 0., 0., 0., 0., 0.])np.zeros((2, 1)) 2行1列 结果：array([[ 0.], [ 0.]])2、矩阵乘法np.dotnp.multiply二、pandas1、 读取文件并自定义列名pdData = pd.read_csv(...
2018-09-26 18:31:34
686
原创 Anacoda中安装第三方库
以jieba为例： 在网上下载压缩包之后，复制到Anaconda的安装目录下的/pkgs文件夹并解压，进入jieba-0.39，在命令窗口输入python setup.py install即可完成安装。 ...
2018-09-16 21:06:27
717
原创 关于问题排查
1.大部分程序通过设断点就可以找到问题出在哪里，但是有时候却找不出问题，这时要考虑是不是有拦截器，断点的调试是不能跟进拦截器的。 2.在线下开发时，可以通过设断点就能找到问题，但是刚发布到线上需要测试，或是线上出了问题怎么排查错误？这时候就要用到日志了。开发时要注意打印错误信息，以方便我们来排查问题：Logger logger = LoggerFactory.getLogger(Test...
2018-09-05 16:38:15
123
原创 @RestController和@Controller
1.@RestController注解相当于@ResponseBody ＋ @Controller，我们都知道，加上@ResponseBody意思是返回json或xml到前台页面，也就是return里的东西。这时候，即使你在视图解析器InternalResourceViewResolver中配置相应的返回页面也是不起作用的。2.如果用@Controller注解，则可以配置视图解析器，retur...
2018-09-05 16:27:08
597
原创 Long与Integer之间的转换产生的问题
在开发中遇到了一个需要将Integer转Long的问题，才发现，包装类型是不能强制转换的。基本类型： 一、将long型转化为int型 long a = 10; int b = (int)a; 二、将int型转化为long型 int a = 10;long b = (long)a;包装类型 三、将Integer型转化为Long...
2018-09-05 16:12:14
54387
5
原创 面试题13：在O(1)时间删除链表节点
在给定单向链表的头指针和一个节点指针，定义一个函数在O(1)时间删除该节点。一般思路：从头开始遍历链表，找到指定节点的前一个节点，删除指定节点，那么这样的时间复杂度是O(n). 怎么样才能做到O(1)的时间复杂度呢？我们是否必须得找到前一个节点？换一个角度，删除当前节点不容易，但是删除当前节点的下一个节点是不是和容易？我们可以将指定节点的下一个节点的值赋给当前节点，然后删除下一个节点….....
2018-08-23 16:13:08
314
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人