- 博客(2)
- 资源 (7)
- 收藏
- 关注
RSS订阅原创 一淘的广告处理平台很好玩儿嘛
看了一个很好玩儿的PPT，叫做《一淘广告机器学习平台-蒋龙昙宗》 一淘的广告系统看来规模不错。 在处理数据的时候，分开使用了Hadoop和MPI。 使用Hadoop进行数据处理， 使用MPI进行模型训练。 在进行CTR预估的时候，使用了混合逻辑回归模型。 原理很简单，使用一个线性模型(ad_pv)将数据分到两个领域中。 对第一个领域的数据使用模型A(ad_ctr)来进
2012-11-28 18:33:45
1745
原创 再谈类的构造函数与初始化(2)
踩了有关默认构造函数的一个坑，于是复习了一下CPPP。 1 抽象数据类型将数据(类的数据成员)和作用于状态的操作(类的成员函数)视为一个单元。 2 在创建类的对象之前，必须完整地定义该类。必须定义类，而不只是声明类，这样，编译器就会给类的对象预留相应的存储空间。同样地，在使用引用或指针访问类的成员之前，必须已经定义类。 3 构造函数是特殊的成员函数，只要创建类型为类的新对象，就会执行构造
2012-11-04 00:08:14
1439
6
数据挖掘--概念.模型.方法和算法
本书全面讲述了数据挖掘的概念、模型、方法和算法。本书共包括13章和2个附录，全面、详细地讲述了从数据挖掘的基本概念到数据挖掘的整个过程，以及数据挖掘工具及其典型应用领域.
2009-09-20
机器学习 Tom Mitchell 中文版
书中主要涵盖了目前机器学习中各种最实用的理论和算法，包括概念学习、决策树、神经网络、贝叶斯学习、基于实例的学习、遗传算法、规则学习、基于解释的学习和增强学习等。对每一个主题，作者不仅进行了十分详尽和直观的解释，还给出了实用的算法流程。本书被卡内基梅隆等许多大学作为机器学习课程的教材。机器学习这门学科研究的是能通过经验自动改进的计算机算法，其应用从数据挖掘程序到信息过滤系统，再到自动机工具，已经非常丰富。机器学习从很多学科吸收了成果和概念，包括人工智能、概论论与数理统计、哲学、信息论、生物学、认知科学和控制论等，并以此来理解问题的背景、算法和算法中的隐含假定。
2009-09-20
机器学习英文版Machine Learning(Mitchell)(下)
本书展示了机器学习中核心的算法和理论，并阐明了算法的运行过程。本书综合了许多的研究成果，例如统计学、人工智能、哲学、信息论、生物学、认知科学、计算复杂性和控制论等，并以此来理解问题的背景、算法和其中的隐含假定
2009-09-14
机器学习英文版Machine Learning(Mitchell)(中)
本书展示了机器学习中核心的算法和理论，并阐明了算法的运行过程。本书综合了许多的研究成果，例如统计学、人工智能、哲学、信息论、生物学、认知科学、计算复杂性和控制论等，并以此来理解问题的背景、算法和其中的隐含假定。
2009-09-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人