Lesley dude-CSDN博客

原创自己的python包发布经验

主要参考：https://python-packaging.readthedocs.io/en/latest/minimal.html以下经验是建立在上述参考文件之上的。有几点经验：1，在 https://pypi.python.org/pypi 注册一个账号，我的是seefeel.(Server response (410): Project pre-

2017-09-05 17:41:17 2916 3

原创［Leetcode］database 相关题目的总结

Combine Two Tableshttps://leetcode.com/problems/combine-two-tables/解题思路：合并table Person 和Address，其中提示说不管Address里有没有personId，Person里的记录都要显示全部。这是典型的 left join 功能。select P.FirstName, P.LastNa

2015-08-23 00:53:30 3523

原创［leetcode］Validate Binary Search Tree

解题思路：1，二叉搜索树有一个特点，就是 in-order traversal 是一个递增的序列；2，设置一个pre节点，记录前一个访问的node，采用中叙遍历，遍历到的节点跟pre比较val大小 public class Solution { private TreeNode pre; public boolean isValidBST(TreeNode root)

2015-08-18 11:54:15 615

原创［leetcode］Copy List with Random Pointer

解题思路1：一个深度的 copy。1，如果只有next，那就好办了，一个挨着一个的copy就好2，这里有random，最理想的就是 random指哪儿，我们就知道那里对应的copy在哪儿。这个对应，就是map，立刻想到的就是hashmap /** * Definition for singly-linked list with a random pointer. * clas

2015-08-17 20:40:29 600

原创［leetcode］Merge k Sorted Lists

解题思路1：1，用最小堆，size为lists的长度，Comparator定义为listNode.val2，初始化把k个list的非空head都放进堆里3，创建dummyhead用来引导这一切空间复杂度 O( k ) 假设有 k个链表，每个链表有n个元素，最小堆调整需要logk，要遍历所有nk个元素。所以时间复杂度为 O ( nk log(k) ) /** *

2015-08-17 19:26:13 479

原创［推荐系统］mahout支持的对推荐引擎的评价方法

先说3种简单的评测方式1，平均绝对误差，Average Absolute difference，越小越好2，RMS，Root－mean－square，对偏离较大的值惩罚较大。也是越小越好3，准确率和召回率在有rating的评测里，要给 prcision 和 recall 设置一个 threashold 用于区分good recommendation和bad

2015-08-17 12:42:28 898

原创［机器学习］overfitting 和regularization

overfitting，见下图。就是说，你的model太好了，好到只对training data有用，而test data可能并不待见。原因就是如图所说，太多feature，可能这些feature是冗余的呢。怎么解决这个问题i？首先想到的可能是减少feature！但这个得人工来整。其次，换一个角度看问题（世界可能大不一样）。如果像上图那个overf

2015-08-17 01:05:58 1816

原创［机器学习］逻辑回归，Logistic regression ｜分类，Classification

本文是 Andrew Ng 《机器学习》公开课的学习笔记现实中的例子有，垃圾邮件/非垃圾邮件，肿瘤是良性还是恶性等等。怎么分类？我从高中数学积累了一个经验。假设直线方程是 f(x) = 0, 那么直线左边的点带入直线方程左边，得到的结果 0。所以，如果我们能找到这样一条直线，使它左边的点属于 A类，右边的点属于 B类，那么再有一个新的点进来，我们

2015-08-17 00:01:49 1244

原创［mahout in action］mahout推荐引擎如何处理无rating数据

并不是所有的 user和item的关系都可以用评分来衡量的。例如新闻应用，我们大多数情况下只有 user的浏览记录。电商网站，记录了user看过哪个商品。这些都代表着user的兴趣。或许对于电影评分，我们可以理解为，用户对这一类电影感兴趣（不感兴趣的连看都不会看，更不用说评分了），但是对个别电影的观后感不同导致评分不同。但如果还有该类型的电影，用户依然会去看（看完可能评5分，也可能

2015-08-16 22:54:26 728

原创［mahout in action］mahout中用于推荐引擎的数据结构（二）

DataModel是在Mahout中封装推荐引擎输入数据的抽象接口。实现类包括GenericDataModel，FileDataModelmahout中读取数据的方式有很多种，可以分为手动录入，从file读取，从数据库读取这里参考《mahout in action》简单说一下手动录入方式，以及从file读取的方式。从数据库读取可参考API文档手动：FastByI

2015-08-15 19:17:02 761

原创［mahout in action］mahout中用于推荐引擎的数据结构（一）

本文基本上是对《mahout in action》相关内容的读书笔记推荐系统的好坏大部分取决于数据的质量和数量。正所谓“garbage in， garbage out”1，user 对 item的 preference数据Preference，一个接口，代表着 1个user（long）对1个item (long) 的preference value(int)，实现

2015-08-15 17:14:35 1025

原创［机器学习］协同过滤，LFM（隐语义）算法

本文内容属于 Andrew Ng的《机器学习》公开课笔记，大部分截图均来自Andrew Ng的课件对于本节所讲的算法，Andrew Ng称为 Collaborative filtering（协同过滤），或者low rank matrix factorization（xx矩阵分解），向亮博士《推荐系统实践》那本书里叫做 LFM（隐语义模型）上一篇博客说道基于内容的推荐

2015-08-15 01:53:12 4708

原创［机器学习］content-based recommendation

本文内容属于 Andrew Ng的《机器学习》公开课笔记，大部分截图均来自Andrew Ng的课件所谓基于内容的推荐，就是说我们的item具备某些属性attrs，然后我们可以通过某个user的历史评分记录，计算出该user对各种属性 attr的喜好程度，从而可以给user推荐具备他喜欢的attr的item比如说，每一部电影，都由浪漫和动作两种属性，如下图我

2015-08-15 01:20:03 2577

原创［机器学习］k-means算法，非监督机器学习算法

本文内容算是 Andrew Ng 《机器学习》公开课的笔记监督机器学习算法中的分类算法，都是告诉你 label （分类标签），然后让你找条直线（以2类为例）把这些样本分开，如下图：本文图片截取自Andrew Ng《机器学习》公开课非监督机器学习算法，就是给你一堆点，你给爱分几类分几类，反正把在一起的都找出来本文图片截取自Andrew N

2015-08-14 00:17:30 1708

原创［推荐系统］mahout中实现的几种相似度计算方法

1, pearson correlation similarity有以下缺点：1，如果2个人有200个common item，尽管ratings并不总是一样，但她们的相似度可能没2个只有2 commen item的人的相似度好。看下图User1 和User5的相似度还不及User1和User4的，这好像不太科学2，如果2 users只有一个common item，

2015-08-13 23:38:24 2869 2

原创［推荐算法］Pearson Correlation Similarity 的python实现

皮尔逊相似度是推荐算法中常见的计算相似度的方法，其公式如下：从公式可以看出该算法有几个缺点：1，如果用户A对所有item的评分都一样，那么将无法计算别人跟A的相似度（分母为0）；所以该算法不适用于 like or dislike类型的推荐2，如果用户A只对1个item进行了评分，那么也无法计算别人跟A的相似度（分母为0）；所以对于数据量较小，或者矩阵非常之稀疏的数据都不太好

2015-08-13 23:19:05 4633

原创［LeetCode］Longest Substring Without Repeating Characters

思路：1，构建一个 hash表，把char map 到index，这样就可以知道遍历的char 是否存在于之前的substring中了。2，因为要找最长的字串，用maxLeft标记字串最左边，maxLen标记当前找到的最长字串长度。3，如果遍历到一个char已经存在，先计算 len = i - maxLeft, 跟maxLen比较看是否需要更新，同时更新maxLeft为char索引

2015-08-13 00:35:44 499

原创［机器学习］线性回归被Andrew Ng讲的如此简单易懂

线性回归是什么？所谓线性回归（以单变量为例），说白了就是给你一堆点，你要从这一堆点中找出一条直线。如下图本文截图均出自 Andrew Ng的机器学习公开课>找到这条直线以后可以做什么？我们假设我们找到了代表这条直线的 a 和b，那么直线表达式为 y = a + b*x，那么当新来一个 x，我们就可以知道 y了。Andrew Ng第一节课就说过，什么是机

2015-08-12 21:11:01 3948

原创［LeetCode］Valid Number

解题思路：首先要明确什么样的是 valid number，题目中给出了如下例子"0" => true" 0.1 " => true"abc" => false"1 a" => false"2e10" => true补充：“2e” => false“2e+” => false“2e+6” => true“1 1” => false“ + “ =

2015-08-12 17:58:02 580

原创［推荐算法］Slope One算法

和其他类似算法相比，最大特点是算法简单，易于实现，执行效率高基本概念：现在用户 X，Y，Z都对itemA进行评分，并且X，Y也对itemB进行了评分，那么Z对itemB的评分应该是多少呢？根据 Slope One算法，？= 4 - [( 5 - 10 ) + ( 3 - 6 )] / 2 = 8解释一下，X对B的评分比A多5， Y对B的评分比A多3，那么平均

2015-08-12 11:48:20 737

转载 java Object类占用内存大小计算

在Java中，一个空Object对象的大小是8byte，这个大小只是保存堆中一个没有任何属性的对象的大小。看下面语句：Object ob = new Object(); 这样在程序中完成了一个Java对象的生命，但是它所占的空间为：4byte+8byte。4byte是上面部分所说的Java栈中保存引用的所需要的空间。而那8byte则是Java堆中对象的信息。因为所有的Java非基本

2015-08-11 23:31:25 2508

原创［LeetCode］Valid Palindrome

第二遍，解题思路：1，设定两个指针 i 和 j，分别指向s的开头和结尾，然后i 和 j相向而行，2，其间跳过非字符数字字符，3，比较大小时做一个大小写转换 public class Solution { public boolean isPalindrome(String s) { if (s.length() == 0) return true; // o

2015-08-11 08:37:31 359

原创［LeetCode］Two Sum

解题思路：1，暴力法，O(n^2) time O(1) space2，可以利用 hash表，把数组中的值映射到 index，每遍历到一个数x，就看一下hash表中是否存在 target－x，如果存在，就return了；不存在，就把x加入到 hash表中 public class Solution { public int[] twoSum(int[]

2015-08-11 08:18:27 346

原创［LeetCode］Longest Palindromic Substring

解题思路：遍历string，从每一个char往两边搜索（index：left，right），记录最大回文的 left 和 length有一点优化的地方，就是如果连续几个字符相同，那么right直接指向最右边那个字符。如果操作的优点是，不用区分 aba 和 abba 中的b带来的操作// C++实现：class Solution {public: stri

2015-08-10 18:32:02 349

原创［LeetCode］Valid Anagram

解题思路：思路1，如果是anagram，那么给s ，t字符串排序之后，她们两个应该完全一样；思路2，利用 hashmap，如果两个字符串的内容有不一样的地方，一定可以在map的value中体现 //C++class Solution {public: bool isAnagram(string s, string t) { if (s.length() !=

2015-08-03 10:08:55 545

原创［python］解析python打印出来的数组

今天遇到个问题，要把python数组打印到文件的字符串，从文件里读进来，存在数组里。举个例子，我们把python数组在程序中用 print arr 之后，输出的是 [‘123’, ‘456’, ‘789']当我们从文件里读取的时候，都到的是个字符串，要把这个字符串访问 python数组里，可以通过下面的方法 import stringitems = line.tran

2015-08-02 15:53:41 4655

原创［日志分析］在nginx日志中，提取有效的request uri

最近在做公司的nginx log分析，其中一个需求是提取这个月每天被访问Top10的页面，及其访问量。做这个需求，首先要清洗出有效的页面访问。我采用排除法，去掉 .js .css之类的访问。但最初，我并不能全面的了解要去掉带有哪些后缀的request。经过清洗 -> 抽样 -> 清洗 -> 抽样 -> 清洗，最终需要过滤掉含有下列后缀的uri.js .css . gif

2015-08-01 10:24:54 2813

原创［LeetCode］Word Ladder

解题思路：双向宽度搜索1，BFS的基本思想是为了找到最短路径，这里为了提高搜索效率，采用双向搜索。2，是从beginWord方向寻找next level，还是从endWord方向寻找next level，取决于哪个方向要找寻的点少数据结构：1，unordered_set : unusedWords, wordDict中所有未被visit的words2，unordered_

2015-07-31 13:46:44 576

原创［LeetCode］Kth Largest Element in an Array

解题思路：1，借用快排分治的思想；2，递归函数中，每次随机选取一个数作为标的mark；3，把比mark大的存入一个数组larger，比mark小的存入另外一个数组smaller4，结束条件就是，所找的第k大的数， k ＝＝ larger.size() + 1 // C++ 实现class Solution {public: int findKthL

2015-07-29 23:24:59 392

原创［LeetCode］Path Sum II

太简单，不解释 # Definition for a binary tree node.# class TreeNode:# def __init__(self, x):# self.val = x# self.left = None# self.right = Noneclass Solution: # @para

2015-07-28 20:31:42 318

原创［MapReduce］students on forums that communicate a lot between themselves

源自Udacity，Intro to hadoop这门课Final ProjectWe might want to help students form study groups. But first we want to see if there are already students on forums that communicate a lot between

2015-07-28 18:01:16 404

原创［MapReduce］ correlation between the length of a post and the length of answers

源自Udacity，Intro to hadoop这门课Final Project题目说想知道帖子的长度跟回答的长度有没有相关性思路：Mapper 过滤出question和answer，输出id，type(question, answer)， lengthReducer 统计每一个id对应的 question的len 以及 answer的average len

2015-07-28 17:55:21 487

原创［MapReduce］Top 10 标签

源自Udacity，Intro to hadoop这门课Final Project题目要求，从给定的论坛帖子数据中，找出被使用最多的10个tag。tag存在于question中（因为comment和answer也存在于数据表中，所有需要在mapper中过滤）思路：mapper 从是question的记录中，提取tags，并输出reducer 给每个tags计数，保存

2015-07-28 17:47:50 909

原创［MapReduce］找出每个用户最喜欢po贴的时间（以小时为单位）

源自Udacity，Intro to hadoop这门课Final Project题目要求，从论坛帖子的结构化数据中，找出每个用户po贴最多的时间。比如，用户A在每天的8点，po最多的帖子，数量标记为x那么reducer的输出就是 A x思路：Mapper需要输出 author_id；Reducer则对每个用户做一个｛hour : count｝的统计

2015-07-28 17:44:51 613

原创［LeetCode］Add Two Numbers

解题思路：1，创建一个preHead，这样方便处理第一次运算；2，加一个carry用于保存进位数；3，每一位的运算，都包括 l1.val + l2.val + carry4，每一次运算结果，都通过除法和求余运算，得到 carry和当前位的数字# Definition for singly-linked list.# class ListNode:#

2015-07-28 09:55:05 317

原创［LeetCode］Number of Islands

解题思路：图的连通性，一次遍历并不能遍历所有的island，要在深度搜索外加一个for循环，并做好被explored的点的标记class Solution {public: int numIslands(vector>& grid) { if(grid.size() == 0 || grid[0].size() == 0) return 0;

2015-07-27 21:44:00 406

原创［MapReducer］求平均数

这是Udacity的课程 intro to hadoop and mapReduce里面Lesson4的练习只说一点，求平均不能在combiner中进行算法依然是计数，记录总和，最后输出平均值#Mapper#!/usr/bin/pythonimport sysfrom datetime import datetimefor line in sys.stdin: data

2015-07-27 19:03:41 661

原创［MapReduce］倒排索引任务

这是Udacity的课程 intro to hadoop and mapReduce里面Lesson4的练习其实这个任务与 word count类似，只不过这里Reducer输出索引，而word count的输出是计数#mapperimport sysimport csvimport stringdef mapper(): reader = csv.reader

2015-07-27 18:59:34 977

原创［MapReduce］Top N 任务的mapper

这是Udacity的课程 intro to hadoop and mapReduce里面Lesson4的练习求总体的Top N。首先在Mapper中求出局部的Top N，求Top N不能像word count那样来一句print一句，要把所有的line都读完，计数，排序，输入topN然后再Reducer中求出全局的 Top N。以下是Mapper 代码#!/usr/bin/py

2015-07-27 18:55:27 1264

原创［MapReduce］Filter Pattern

这是Udacity的课程 intro to hadoop and mapReduce里面Lesson4的练习该练习完成了从大量的论坛post中，过滤出只有一句话的post。以下是题目具体描述以及python代码#!/usr/bin/pythonimport sysimport csv# To run this code on the actual data, please do

2015-07-27 18:49:49 878

heart_scale的matlab数据集

精通/ Mastering openFrameworks 英文版

文件批量重命名/python2.7.3/

手把手教你在VS2010/2012/2013中配置opencv2,从第12页开始

手把手教你使用xcode5 创建第一个iOS7应用 从第63页开始.pdf

inSSIDer 无限信号扫描

空空如也

手把手教你使用xcode5 创建第一个iOS7应用从第63页开始.pdf