- 博客(6)
- 资源 (10)
- 问答 (1)
- 收藏
- 关注
原创 直观展示 android,ios 微信支付流程
微信支付分四步走^1]一、用户选择微信支付,点击支付按钮1、app 调用下单接口2、后台调用统一下单接口: https://api.mch.weixin.qq.com/pay/unifiedorder1,3、微信 将 签名后的支付数据 返回给 后台3、后台将 签名后的支付数据 返回给 app二、用户使用微信客户端支付1、app 使用 签名后的支付数据 ,通过 微信SDK 提供的方...
2019-12-27 17:14:42 498 1
原创 NLP 从零开始实现 词袋(BOW) 和 TFIDF 文本表示模型(二)
经过之前的文本处理步骤后,我们得到了一个从令牌到数字的映射表 word_to_int。下面我们就用这个映射表,将 语料库 中的每个文本用一个相同长度的数字向量表示。假设我们语料库中的某个文本为:Undocumented Catalina file access change,经过预处理后得到一个令牌向量:['undocu', 'catalina', 'file', 'access', 'chan...
2019-12-20 10:13:39 354 1
原创 NLP 从零开始实现 词袋(BOW) 和 TFIDF 文本表示模型(一)
一、获取文本这里使用的是 hacker news 前 20 条新闻的标题,使用该网站提供的 API: https://hacker-news.firebaseio.com/v0/topstories.json?print=pretty。这一步只需执行一次,保存到本地后,后续可以直接从第二步开始from urllib import requestimport jsonfrom tqdm im...
2019-12-20 10:13:21 599
原创 注意力机制
注意力机制:编码器 和 解码器编码器编码器如下所示,输入 先经过 嵌入层 转化为输入向量,然后在每个时间步产生一个隐藏状态,最后将每个时间步生成的向量,组合成一个矩阵 H,传入解码器解码器对于每个时间步,需要计算出 注意力语境向量(Context Vector),步骤如下:第一步,计算 Score,输入 编码器中得到的 隐藏状态矩阵 HHH(假设维度为 m * 3),输出 对应每个隐藏...
2019-12-16 18:05:20 769
原创 NLP 对词袋(BOW)的理解
一般的机器学习问题的样本数据如下: rank gre gpa admit0 3 380 3.61 01 3 660 3.67 12 1 800 4.00 13 4 640 3.19 14 4 520 2.93 0这是一个根据学生的学习成绩来预测学生是否会被学校录取的分类学习问题的样本数据。对于每个学生,都有三个特征与之对应,分别是 rank,gre...
2019-12-11 15:23:38 469
原创 贝叶斯公式的机器学习理解视角
继续分析例题吸毒者检测假设一个吸毒检测器的准确率为99%,也就是说,当被检者吸毒时,每次检测呈阳性(+)的概率为99%。而被检者不吸毒时,每次检测呈阴性(-)的概率为99%。假设某公司将对其全体雇员进行一次鸦片吸食情况的检测,已知0.5%的雇员吸毒。我们想知道,每位检测呈阳性的雇员吸毒的概率有多高?令 D 为雇员吸毒事件,~D 为雇员不吸毒事件,+为检测呈阳性事件。用离散贝叶斯定理对一个例子...
2019-12-03 11:19:35 345
ANDROID AIDL DEMO
2015-02-12
java 方法参数传值问题
2016-06-25
TA创建的收藏夹 TA关注的收藏夹
TA关注的人