- 博客(6)
- 资源 (15)
- 收藏
- 关注
转载 用C语言扩展Python的功能
https://www.ibm.com/developerworks/cn/linux/l-pythc/写的简单但非常清楚。Pyton和C分别有着各自的优缺点,用Python开发程序速度快,可靠性高,并且有许多现成模块可供使用,但执行速度相对较慢;C语言则正好相反,其执行速度快,但开发效率低。为了充分利用两种语言各自的优点,比较好的做法是用Python开发整
2016-05-30 16:05:13 567
转载 探索推荐引擎内部的秘密,第 3 部分: 深入推荐引擎相关算法 - 聚类
在 IBM Bluemix 云平台上开发并部署您的下一个应用。开始您的试用智能推荐大都基于海量数据的计算和处理,然而我们发现在海量数据上高效的运行协同过滤算法以及其他推荐策略这样高复杂的算法是有很大的挑战的,在面对解决这个问题的过程中,大家提出了很多减少计算量的方法,而聚类无疑是其中最优的选择之一。 聚类 (Clustering) 是一个
2016-05-13 20:24:38 1028
转载 探索推荐引擎内部的秘密,第 2 部分: 深入推荐引擎相关算法 - 协同过滤
http://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy1/index.html?ca=drs-http://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy2/index.html?ca=drs-http://www.ibm.com/dev
2016-05-13 20:22:29 606
转载 探索推荐引擎内部的秘密,第 1 部分: 推荐引擎初探
http://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy1/index.html?ca=drs-http://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy2/index.html?ca=drs-http://www.ibm.com/develop
2016-05-13 20:20:50 661
原创 Bagging, Boosting, and Randomization对比
原始论文:An Experimental Comparison of Three Methods for Constructing Ensembles of Decision Trees: Bagging, Boosting, and RandomizationThis paper compares the effectiveness of randomization, bagging
2016-05-04 18:44:35 686
原创 记一次失败的kaggle比赛(3):失败在什么地方,贪心筛选特征、交叉验证、blending
今天这个比赛结束了,结果可以看:https://www.kaggle.com/c/santander-customer-satisfaction/leaderboardpublic结果:private结果:首先对比private和public的结果,可以发现:1)几乎所有的人都overfitting了;或者说private的另一半测试
2016-05-03 09:55:36 13291 4
dblp测试数据集
2016-03-26
entity linking源码
2016-01-17
机器学习数据集,20news-bydate.rar
2015-09-06
java读xml文件jar包
2015-08-22
javaweb连接数据库包mysql-connector-java-5.1.27-bin.jar
2015-08-15
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人