KeyCoder的博客

近期又开始搞tensorflow了，没错，闲下来搞深度学习了，也决定好好再次专研一下了 （咦，为啥是又开始，因为去年pa实习的时候，就有搞过，但不深） （咦，为啥是再次专研，毕竟深度学习，以前也有摸过，现在要抱抱它，舔舔）安装tendorflow要领就是：版本要对上号，对上号，对上号！！！其他的都是次要的，都是可以解决的，所以安装之前要明白你需要的各个版本版本信息：（非安装次序） ...

先看一道题（来自于牛客网，刷题时候遇到的）题目: 下面代码运行后，a、b、c、d四个变量的值，描述错误的是？ import copya = [1, 2, 3, 4, ['a', 'b']] b = a c = copy.copy(a) d = copy.deepcopy(a) a.append(5) a[4].append('c') 选项: a == [1,2, ...

args与位置参数和默认参数混用的情况下示例一、（三者顺序是:位置参数、默认参数、*args）（注意三者的顺序）*args：（表示参数元组）def foo(x,y=1,*args): passfoo (1,2,3,4,5) // 其中的x为1，y=1的值被2替换，3,4,5都给args，即args=(3,4,5)示例二、（三者顺序是:位置参数、*args、默认参数）...

简单说明1.什么是sizeof?在C语言中，sizeof是一个判断数据类型长度符的关键字，它可以返回一个对象或者类型所占的内存字节数。例如，在C语言中，我们可以通过printf("%d",sizeof(int));可以输出int所占字节数。2.为什么Java中没有sizeof()?Java是一种纯面向对象的编程语言，它将内存管理的细节都交给Java ...

当一个人开始学习Java或者其他编程语言的时候，会接触到堆和栈，由于一开始没有明确清晰的说明解释，很多人会产生很多疑问，什么是堆，什么是栈，堆和栈有什么区别？更糟糕的是，Java中存在栈这样一个后进先出（Last In First Out）的顺序的数据结构，这就是java.util.Stack。这种情况下，不免让很多人更加费解前面的问题。事实上，堆和栈都是内存中的一部分，有着不同的作用，而且一个程...

提到ThreadLocal，有些Android或者Java程序员可能有所陌生，可能会提出种种问题，它是做什么的，是不是和线程有关，怎么使用呢？等等问题，本文将总结一下我对ThreadLocal的理解和认识，希望让大家理解ThreadLocal更加透彻一些。ThreadLocal是什么ThreadLocal是一个关于创建线程局部变量的类。通常情况下，我们创建的变量是可以被任何一个线...

梯度下降算法

周志华老师的《机器学习》的勘误原帖地址： http://cs.nju.edu.cn/zhouzh/zhouzh.files/publication/MLbook2016.htm由于勘误是不断更新的，本博客并不会实时更新，因此建议看原贴，原贴是周老师实时更新的勘误，本博客只是部分勘误勘误修订[部分修订是为了更便于读者理解，并非原文有误](第一版第十次印刷, 2016年9月)：

李航老师的统计学习方法堪称是机器学习、数据挖掘等方向必读之书，然而书中难免有部分错误。于是李航老师更新了新的勘误表，转载作为收藏详情参见：http://blog.sina.com.cn/s/blog_7ad48fee01017dpi.html#cmt_3285959

为什么类别不平衡是不好的从模型的训练过程来看         从训练模型的角度来说，如果某类的样本数量很少，那么这个类别所提供的“信息”就太少。         使用经验风险（模型在训练集上的平均损失）最小化作为模型的学习准则。设损失函数为0-1 loss（这是一种典型的均等代价的损失函数），那么优化目标就等价于错误率最小化（也就是accuracy最大化）。考虑极端情况：1000个训

解决方案可见 [链接] (http://blog.csdn.net/weixin_37928818/article/details/70237232)由于博客搬家当中，所以在此处续上以前的博客，还请老铁见谅啊

1. 概要Gradient Tree Boosting (别名 GBM, GBRT, GBDT, MART)是一类很常用的集成学习算法，在KDD Cup, Kaggle组织的很多数据挖掘竞赛中多次表现出在分类和回归任务上面最好的performance。同时在2010年Yahoo Learning to Rank Challenge中, 夺得冠军的LambdaMART算法也属于这一类算法。因此Tre

原文地址：Complete Guide to Parameter Tuning in XGBoost by Aarshay Jain 原文翻译与校对：@MOLLY && 寒小阳 (hanxiaoyang.ml@gmail.com) 时间：2016年9月。 出处：http://blog.csdn.net/han_xiaoyang/article/details/52665396 声明：版权所

原文地址：Complete Guide to Parameter Tuning in Gradient Boosting (GBM) in Python by Aarshay Jain 原文翻译与校对：@酒酒Angie(drmr_anki@qq.com) && 寒小阳（hanxiaoyang.ml@gmail.com） 时间：2016年9月。 出处：http://blog.csdn.net/

解决方案可见 链接(http://blog.csdn.net/weixin_37928818/article/details/70306004)由于博客搬家当中，所以在此处续上以前的博客，还请老铁见谅啊

解决方案可见 [链接] (http://blog.csdn.net/weixin_37928818/article/details/65449432)由于博客搬家当中，所以在此处续上以前的博客，还请老铁见谅啊

本博客接着上一篇“强化学习之最基础篇”而来，是基于上一篇的博客进一步的探究，因为前一篇博客完全是对于基本概念的介绍以及基本算法的熟悉，这一篇便是偏应用，讲理论的算法加以实现，并且跑了一个小游戏从而感受一下强化学习的魅力。背景：在PA公司实习期间，由于公司每周都会有分享会，大家轮着来分享自己的研究学习成果（我感觉其实很不错），然后就轮到了我，临危受命，老大让我这次分享强化学习，此前对此我一无所知

强化学习之最基础篇