日常学习202102

本文探讨了Python中的迭代器和生成器原理,解释了为何word2vec在预测时使用余弦相似度而非内积,并介绍了Hive中的行列转换技巧。同时,我们讨论了为何选择word2vec而非transformer等现代模型,并阐述了如何通过堆排序实现在多个有序数组中找到Top K元素的时间复杂度为O(k log k)的方法。最后,简要概述了xgboost的基本概念。
摘要由CSDN通过智能技术生成

1.python迭代器和生成器的原理

2.为啥word2vec预测的时候不用内积,而用cos吗

训练的时候用内积,预测的时候用cos

3.hive列转行,行转列

4.scala  中none null nothing得区别

5.为啥用word2vec,而不用transformer之类的

6.N个有序数组的topk,时间复杂度能做的klogk

(堆排序)

 

7.xgboost

https://blog.csdn.net/qq_32103261/article/details/106664227

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值