自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(31)
  • 收藏
  • 关注

原创 注释镇楼

群里分享的一段搞笑的注释代码,拿来用用。// _ooOoo_// o8888888o// 88" . "88// (| -_- |)//

2017-02-21 13:26:14 755

转载 Scala中的val和var

转载于https://blog.csdn.net/a1234H/article/details/77962536到这两个的区别,大多数人第一反应就是,var 修饰的变量可改变,val 修饰的变量不可改变;但真的如此吗?事实上,var 修饰的对象引用可以改变,val 修饰的则不可改变,但对象的状态却是可以改变的。例如:class A(n: Int) { var value = n}...

2018-08-18 18:17:31 1425

原创 推荐系统实战(一)

推荐系统的任务是联系用户与信息,一方面帮助用户发现对自己有价值的信息,另一方面昂信息能够展现在对它感兴趣的用户面前,从而实现信息与用户的双赢。为了解决信息过载,推出分类目录、搜索引擎、推荐系统:分类目录:只能覆盖少量热门信息,越来越不能满足用户需求;搜索引擎:需要用户主动提供准确的关键字来寻找信息;推荐系统:不需要用户提供明确的信息,通过分析用户的历史行为给用户的兴趣建模,从而主动

2018-01-22 18:36:04 969 1

转载 如何解决"过拟合"

过拟合过拟合是指为了得到一致假设而使假设变得过度严格。为了防止过拟合,我们需要用到一些方法,如:early stopping、数据集扩增(Data augmentation)、正则化(Regularization)等.(这里面dropout不考虑进去)early stoppingData augmentationRegularization

2017-11-15 14:10:54 488

转载 先验概率与后验概率、贝叶斯区别与联系

先验概率和后验概率教科书上的解释总是太绕了。其实举个例子大家就明白这两个东西了。假设我们出门堵车的可能因素有两个(就是假设而已,别当真):车辆太多和交通事故。堵车的概率就是先验概率 。那么如果我们出门之前我们听到新闻说今天路上出了个交通事故,那么我们想算一下堵车的概率,这个就叫做条件概率 。也就是P(堵车|交通事故)。这是有因求果。如果我们已经出了门,然后遇到了堵车,那么我们想

2017-10-26 17:26:46 2059

转载 先验与后验

先验与后验从原因到结果的论证称为“先验的”,而从结果到原因的论证称为“后验的”。先验概率是指根据以往经验和分析得到的概率,如全概率公式 中的,它往往作为“由因求果”问题中的“因”出现。后验概率是指在得到“结果”的信息后重新修正的概率,是“执果寻因”问题中的“因” 。后验概率是基于新的信息,修正原来的先验概率后所获得的更接近实际情况的概率估计。先验概率和后验概率是相对

2017-10-26 15:42:22 42631 5

原创 标称型数据和数值型数据

在学习机器学习的工程中,发现有一种名为标称型的数据,具体如下:标称型:一般在有限的数据中取,而且只存在‘是’和‘否’两种不同的结果(一般用于分类)数值型:可以在无限的数据中取,而且数值比较具体化,例如4.02,6.23这种值(一般用于回归分析)

2017-09-19 10:35:51 22278

原创 Activation Function

Activation Function关于activation function是在学习bp神经网络的时候听到的一个名词,叫做激励函数,当时是用来进行每一层的节点值进行非线性转化得到隐藏层节点值,现在想想不太清楚为什么用这个,因此写了这个文章。Activation Function,代表有sigmoid函数,是指如何把“激活的神经元的特征”通过函数把特征保留并映射出来(保留特征,去除一些数

2017-07-25 10:41:36 449

原创 BP神经网络

BP神经网络一种按照误差逆向传播算法训练的多层前馈神经网络,是目前应用最广泛的神经网络。通过迭代的性质来处理训练集中的实例;过程是根据对比神经网络输出层的预测值和真实值之间的误差,反向更新权重和偏向(bias),在经过一轮新的训练集,直到结束。算法详细介绍输入:D:数据集,学习率(learning rate),一个多层向前神经网络输出:训练完的神经网络步骤:训练实例

2017-07-25 09:22:48 769

原创 深度学习之基础(一)

#baidu => buy vedio => dl basic机器学习是一门不需要外部程序指示而让计算机有能力自我学习的学科;而学习是指对于经验(E)、任务(T)和性能(P),如果随着E的增加,在定义好的T下,提高P的表现能力,就说明计算机有学习的能力。一.深度学习DL是基于ML延伸出来的一个新领域,由以人大脑结构为启发的神经网络算法为起源加之模型结构深度的增加而发展,并伴随大

2017-07-24 15:44:30 962

原创 卡方检验 CHI-square Test

卡方检验卡方检验就是统计样本的实际观测值与理论推断值之间的偏离程度,实际观测值与理论推断值之间的偏离程度就决定卡方值的大小,卡方值越大,越不符合;卡方值越小,偏差越小,越趋于符合,若两个值完全相等时,卡方值就为0,表明理论值完全符合。卡方检验最基本的思想就是通过观察实际值与理论值的偏差来确定理论的正确与否。具体做的时候常常先假设两个变量确实是独立的(“原假设”),然后观察实际值(观察值)与

2017-07-21 18:33:33 16595

原创 信息增益 IG

今天在看特征选择CHI的时候,发现里面有个知识点叫做信息增益;感觉似懂非懂,特别模糊,所以找了好多dalao的文章,通俗的讲解下什么是信息增益以及相关知识。什么是熵?在接下里的链接里,会通俗的讲解https://ask.julyedu.com/question/6897什么是信息熵?首先看下公式:H(x) = -∑p(xi)log(2,p(xi)) (i=1,2,..n)

2017-07-21 14:57:35 4820

转载 详细讲解mvc与三层架构的区别

看到一篇博客,详细讲解mvc与三层架构的区别。可以看看注:本文转载自:http://blog.csdn.net/csh624366188/article/details/7183872 --------------------------------------------------------------------分割线------------------------------

2017-03-17 19:59:32 4830 1

转载 Hbase、mongodb、redis

作者:猫大哥链接:http://www.cnblogs.com/xll1025/p/6444004.html来源:cnblog著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。 Nosql = Not only SQLmongodb:我觉得定位是取代关系型数据库,想当一个主流数据库。因为他有非结构化、方便扩充字段、写性能优于mysql。万事万物有利有弊,mong...

2017-03-17 09:56:08 717

转载 Hive,Hbase,HDFS等之间的关系

作者:OOC_ZC链接:http://blog.csdn.net/ooc_zc/article/details/50444222来源:csdn著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。 Hive: Hive不支持更改数据的操作,Hive基于数据仓库,提供静态数据的动态查询。其使用类SQL语言,底层经过编译转为MapReduce程序,在Hadoop上运行...

2017-03-09 10:57:09 4242

转载 java基础学习总结——对象转型

作者:孤傲苍狼链接:http://www.cnblogs.com/xdp-gacl/p/3647810.html来源:博客园著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。一、对象转型介绍  对象转型分为两种:一种叫向上转型(父类对象的引用或者叫基类对象的引用指向子类对象,这就是向上转型),另一种叫向下转型。转型的意思是:如把floa

2017-03-09 10:04:30 296

转载 JavaWeb学习(七)

作者:孤傲苍狼链接:http://www.cnblogs.com/xdp-gacl/p/3789624.html来源:博客园著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。 Web服务器收到客户端的http请求,会针对每一次请求,分别创建一个用于代表请求的request对象、和代表响应的response对象。request和response对

2017-03-08 20:59:39 202

转载 JavaWeb学习(六)

作者:孤傲苍狼链接:http://www.cnblogs.com/xdp-gacl/p/3763559.html来源:博客园著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。一、ServletConfig讲解1.1、配置Servlet初始化参数  在Servlet的配置文件web.xml中,可以使用一个或多个标签为servlet配置

2017-03-08 16:37:30 233

转载 JavaWeb学习(五)

作者:孤傲苍狼链接:http://www.cnblogs.com/xdp-gacl/p/3760336.html来源:博客园著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。一、Servlet简介  Servlet是sun公司提供的一门用于开发动态web资源的技术。  Sun公司在其API中提供了一个servlet接口,用户若想用发一个

2017-03-01 20:55:51 340

转载 JavaWeb学习(四)

作者:孤傲苍狼http://www.cnblogs.com/xdp-gacl/p/3751277.html来源:博客园著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。一、什么是HTTP协议  HTTP是hypertext transfer protocol(超文本传输协议)的简写,它是TCP/IP协议的一个应用层协议,用于定义WEB浏

2017-03-01 15:18:31 270

转载 Java中的参数传递方式

注明:转载来自:新浪博客,易水寒;http://blog.sina.com.cn/s/blog_59ca2c2a0100qhjx.html无论是什么语言,要讨论参数传递方式,就得从内存模型说起,主要是我个人觉得从内存模型来说参数传递更为直观一些。闲言少叙,下面我们就通过内存模型的方式来讨论一下Java中的参数传递。这里的内存模型涉及到两种类型的内存:栈内存(stack)

2017-02-28 12:45:10 285

转载 JavaWeb学习(三)

作者:孤傲苍狼链接:http://www.cnblogs.com/xdp-gacl/p/3744053.html来源:博客园著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。一、打包JavaWeb应用  在Java中,使用"jar"命令来对将JavaWeb应用打包成一个War包,jar命令的用法如下:  范例:将JavaWebDem

2017-02-26 19:12:16 194

转载 JavaWeb学习(二)

作者:孤傲苍狼链接:http://www.cnblogs.com/xdp-gacl/p/3734395.html来源:博客园著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。一、Tomcat服务器端口的配置  Tomcat的所有配置都放在conf文件夹之中,里面的server.xml文件是配置的核心文件。  如果想修改Tomcat服务器

2017-02-26 19:06:24 247

转载 JavaWeb学习(一)

作者:孤傲苍狼链接:http://www.cnblogs.com/xdp-gacl/p/3729033.html来源:博客园著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。一、基本概念1.1、WEB开发的相关知识  WEB,在英语中web即表示网页的意思,它用于表示Internet主机上供外界访问的资源。  Internet上供外

2017-02-26 19:03:06 360

原创 R语言笔记(二):数据结构之向量

向量(vector)R语言最基本的数据结构是向量;循环补齐、筛选、向量化是R编程的核心。标量、向量标量没有单独的数据结构,是只含一个元素的向量,例如数字实际上被当做一元向量,因为数据类型里没有标量;R语言中的变量类型称为模型,可以调用typeof(x)或者mode()进行查询。PS:typeof与mode本身没有什么区别,大致输出一样,个别区别请看我的另一篇博文。添加或删除向量元素

2017-01-25 10:08:33 2467

原创 Scala基础篇(一)

1.变量:1.1 val与var的比较:简单的来说,val相当于java中的final变量,一旦给val变量赋值,则不可以再做修改;而对于var来说,相当于java中的变量,var变量可以动态地进行修改。因此例子不在此赘述。    1.2 val与var的使用比较:     首先给main入口函数传入参数,可以在程序运行参数列表中传入参数:spark、hadoop、hello。对于...

2017-01-21 09:47:45 257

转载 机器学习通用框架

作者:Datartisan链接:https://zhuanlan.zhihu.com/p/22833471来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。每个数据科学家每天都要处理成吨的数据,而他们60%~70%的时间都在进行数据清洗和数据格式调整,将原始数据转变为可以用机器学习所识别的形式。本文主要集中在数据清洗后的过程,也就是机器学习的通用框架

2016-12-20 21:16:12 335

原创 算法学习之并查集

并查集:并查集是一种树型的结构,常常用来处理一些不想交的集合的合并和查询问题。查找:确定元素所在的集合。合并:将两个集合合并成一个集合。查找V所在集合的根节点 int find(int v) { return father[v] = father[v] == v ? v : find(father[v]);}合并:void merge(int x,int y){

2016-11-05 08:54:00 333

原创 R语言中的typeof()和mode()区别浅谈

mode() :常见的有:"logical","integer","double","complex","raw","character","list","expression","name","function"typyof():大部分也是如此;mode()的输出依赖于typeof();modes have the same set of names as types except th

2016-04-30 20:55:16 8591 1

原创 MySql以及navicat for mysql的安装

在网上找了好多zip无安装包,总是很蛋疼,最终找到一个勉强算方便的,接下来介绍下mysql的安装mysql的安装:首先从百度云下载mysql:链接: http://pan.baidu.com/s/1kVlLBkb 密码: yrhi下载mysql,直接解压到c盘就好,然后win+R,cmd中找到mysql路径下的bin目录,mysql.exe检查下是否安装成功然后启动数据

2016-04-25 10:36:16 606

原创 R语言笔记(一):R与Rstudio的安装(Windows)

初学R语言,当然少不了这为编程设计的IDE:RStudioR的获取与安装首先输入网址:cran.r-project.org——获取资源的网址选择download R for Windows,下载下来安装即可(若是其他系统,按照要求安装即可,这里仅限于win)RStudio的获取与安装输入网址:rstudio.com——RStudio的网址RStu

2016-04-20 16:12:51 27985

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除