与数据和AI有关的东西

网络结构层数：2 输入个数：3 隐藏层节点数：10 输出层节点数：1数据结构用一个dict表示整个网络： ｛’input_layer’ : 输入节点列表 ， ‘hidden_layer’ : 隐藏层节点列表 ， ‘output_layer’ : 输出层节点列表 ｝输入节点：{‘input_value’ : num}隐藏节点：{‘bias

同贝叶斯方法一样，蒙特卡洛方法与其说是一种算法，不如说是一种思想。灵活的运用蒙特卡洛方法可以解决很多问题。比如可以用它来求pi，求pi肯定有比这更好的方法，但是蒙特卡洛方法是所需条件最少的，只是充分利用了计算机产生随机数的能力。我们不需要知道pi等于什么级数，只需要知道圆的面积等于pi*r**2。下面来看如何用蒙特卡洛方法解决一个实际问题，而且其它的方法不太容易解决。关于彩色砖块http://www

以整数线性规划为例# -*- coding: utf-8 -*-import pulp as pulpdef solve_ilp(objective , constraints) : print objective print constraints prob = pulp.LpProblem('LP1' , pulp.LpMaximize) prob +

单纯形法：将目标函数和约束变换成标准形式。 先找一个基本可行解。 判别它是否为最优解，如果不是，再找一个更好的基本可行解。例子min z = x1 + x2 s.t. 2x1 - x2 2 0 step1: 变换成标准形==> (2) ==> 0 取x3 = x1 - 2 , 则 x1 = x3 + 2 (4) 则 (2) ==> 0 (5

最近在看蒙特卡洛树搜索相关的东西，看到了这个Multiarmed bandit problem。把自己的理解整理分享一下。首先说一下Multiarmed bandit problem是什么问题 Multiarmed bandit根据我看各种介绍得到的理解是这样的一种赌博工具： 1.它有多个可操作的拉杆 2.操作每个拉杆所得的收益是随机的，但是每个拉杆收益的平均值（期望值）并不相同，有些高...

折腾了两天，终于调通了用golang搭建的thrift rpc服务，这个过程中遇到了很多问题，而且有些问题困扰了很久，欣喜之余，觉得一定要把这些过程记下来，对于自己来说是个备忘录，对于别人来说也是不错的参考。环境的搭建首先安装go，这个用yum安装，版本1.9.4。我这里用的是thrift 0.10.0 , 不是最新的 0.11.0 ， 这个两个非常的不兼容，一定要注意，thrif...

项目介绍基于multiprocessing的通用的并行计算框架，用于计算密集型场景githubhttps://github.com/conggova/mpparallizer.git接口定义class MPParallizer(object) : @staticmethod def parallize(paras , func , threads , para_serde...

查看VGA设备$ lspci | grep -i vga08:00.0 VGA compatible controller: ASPEED Technology, Inc. ASPEED Graphics Family (rev 30)(test_env) $ lspci -v -s 08:00.0 08:00.0 VGA compatible controller: ASPE...

http://www.cnblogs.com/yunguoxiaoqiao/p/7626992.html

二次排序问题是指在归约阶段对与某个键关联的值排序，有时也称为值键转换。 利用二次排序可以使归约阶段的值是有序的。MapReduce框架对映射器生成的键排序，传入归约器的数据都是按键排序的。利用MapReduce框架完成二次排序的方法构造一个组合中间键（K ， V） ，其中K是分区键，V是用来排序的值 此中间键做为Map的输出的键，Map的输出会按照此组合键排序； 定制Partitioner，不

# -*- coding: utf-8 -*-import numpy as npimport matplotlib.mlab as mlabimport matplotlib.pyplot as plt '''朴素贝叶斯分类器的原理 事件H的先验概率P(H)，即无条件概率事件H在X发生时的后验概率P(H|X) 这里面H通常是指某一个分类X是指样本事

# -*- coding: utf-8 -*-import numpy as npimport matplotlib.mlab as mlabimport matplotlib.pyplot as pltfrom copy import copy #加载训练数据#文件格式：属性标号，是否连续【yes|no】，属性说明attribute_file_dest = 'F:

对于一种拆牌中每一个牌型（如3334， 22），定义两个值，一个是承载力，一个是驱动力承载力：在某一个条件下，此牌型带出任意另一个牌型的可能性。比如王炸总是可以带出任意的一个牌型，那么它的承载力总是1。在某些情况下，34567也有0.9的可能性不被打住，那么它在这时候就有0.9的承载力。驱动力：在某一个条件下，此牌型可以打住（不管之后会不会被另外的牌打住）一手牌的可能性。王

# -*- coding: utf-8 -*-#k均值算法 主要部分 简单实现from random import random'''因为单次只能收敛到局部最优解 所以需要多次尝试 最所有对象的误差的平方和最小的结果。二维数据'''#设定K值K = 3#从文本中获取对象列表src_file_name = 'F:\\study\

# -*- coding: utf-8 -*-'''计算斗地主一手牌的所有可能组合数原创算法'''#计算Cn x  组合数def get_combinations(n , x) :    t1 = n - x     if t1         x = t1                if x == 0 :

# -*- coding: utf-8 -*-import numpy as npfrom random import random'''场景描述：一个由多个节点构成的流通系统，系统中存在能量的流动；如果这个系统是每个节点都是无损的，那么最终各个节点上的能量会稳定下来；稳定的状态由转移矩阵决定，与能量从哪个节点进行系统没有关系；（充分联通的系统）然而很多

# -*- coding: utf-8 -*-import numpy as npfrom random import random#转移矩阵trans_matrix = np.array([[0.5   , 0.1 , 0.25 , 0.05], [0.15 , 0.5   , 0.2 , 0.05], [0.1 , 0.2 , 0.5   , 0.4],

# -*- coding: utf-8 -*-#import sys   #sys.setrecursionlimit(1000000) #例如这里设置为一百万  from random import randomfrom math import floor'''这样一个场景：n为一个正整数m为一个正整数在【0 ， n）之间产生m次随机数， 求这些随机数

from pyspark import SparkConf , SparkContextconf = SparkConf().setMaster("local").setAppName("My app")sc = SparkContext(conf=conf)'''从关系对的数据中，找出所有最大的互不关联的连通子网络源数据格式为1，22，34，5节点的关

# -*- coding: utf-8 -*-#参数设定data_file = 'F:\\user_match_stat\\itemset.txt' #文件格式csv，形如：item1,item2,item3 #每个事务占一行frequent_itemsets_save_file = 'F:\\user_match_stat\\frequent_itemsets.txt'r

pip install jupyter jupyter notebook --generate-config#生成密码，用于远程登陆python -c "from notebook.auth import passwd; print(\"c.NotebookApp.password = u'\" + passwd('123456') + \"'\")" >> /root/.j...