2017年09月_trayfour

09月 07月 04月 03月 01月

原创统计不同时间段在线人数，给定若干（进入，离开）时间对

题目：有很多个用户 id：每个id后面都有进入到这个网页的时间和离开这个网页的时间。也就是我有这样的输入：user_id1 , enter_time1, leave_time1 user_id2 , enter_time2, leave_time2 user_id3 , enter_time3, leave_time3面试被问到，当时没想到，回来吃饭的时候想到一个方

2017-09-25 20:59:00 5738 2

原创 SVM一些问题及思考

给定训练集合 D=(x1,y1)，(x2,y2)……(xn,yn)\begin{equation} D = (x_{1},y_{1})，(x_{2},y_{2})……(x_{n},y_{n}) \end{equation}划分超平面 wTx+b=0\begin{equation} w^{T}x+b = 0 \end{equation} 点到直线距离 r=|wTx+b|||w||\b

2017-09-11 13:06:52 1555

原创 pytorch版本回退，从0.2降到0.1.12

由于个人需求，需要将pytorch降级到0.1.12。但是官网却没找到对应的链接。所以踩了一些坑。具体做法可以见下面的issue。 https://github.com/dasguptar/treelstm.pytorch/issues/12 希望对你能有帮助。

2017-09-09 22:32:34 7410 1

原创熵，互信息，KL距离（相对熵），交叉熵

熵信息论中的熵，又叫信息熵。它是用来衡量，一个随机变量的不确定程度。熵越大，他的不确定性越大。最大熵模型的假设就是基于此而来。 H(X)=E[I(xi)]=−∑n=1NP(xI)log(P(xi))\begin{equation*}H(X) = E[I(x_{i})] = -\sum_{n = 1}^NP(x_{I})log(P(x_{i}))\end{equation*}联合熵联合熵用得

2017-09-08 21:32:56 3882 1

原创 glove 学习笔记

话不多说，入正题。动机：现有的词向量模型， 1 局部上下文建模的方法例如word2vector 用通俗的话来讲就是，如果两个词在训练语料中出现的上下文比较类似，比如“食堂”和“餐厅”，都在“我”，“去”，“吃饭”这种上下文上出现了许多次，那么他俩的词向量就比较相似。 2 矩阵分解的方法，例如LSA 将文档和单词的共现矩阵，也就是行是文档，列是单词，第i行第j列，表示文档i中是否包含单词j（

2017-09-02 14:55:40 11554 2

webservice

webservice开发指导 Web Service技术，能使得运行在不同机器上的不同应用无须借助附加的、专门的第三方软件或硬件，就可相互交换数据或集成。依据Web Service规范实施的应用之间，

2014-05-06

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 统计不同时间段在线人数，给定若干（进入，离开）时间对