2017年10月_qq_32659887

原创 Python for ML 笔记

1. 正则化正则化是解决特征共线性、过滤数据中噪音和防止过拟合的有效手段。正则化背后的原理是引入额外的信息（偏差）老惩罚过大的权重，起到偏差-方差平衡。2.逻辑斯蒂回归 VS SVM在解决现实的分类问题时,线性逻辑斯蒂回归和线性SVM通常效果近似。逻辑回归目标是最大化训练集的条件似然,使得她更易受奇异值影响。SVM只关心那些离决策界最近的点(即,支持向量)。另一方面,逻辑斯蒂回归的优点是易于实现

2017-10-23 15:22:17 541

Hadoop伪分布式：这种模式是在一台机器上各个进程运行Hadoop的各个模块，伪分布式的意思就是虽然各个模块是在各个进程上分尅运行的，但是只是运行在一个操作系统上，并不是真正的分布式。关闭防火墙su root service iptables status 查看防火墙状态 service iptables stop 临时关闭 chkconfig iptables off 永久关闭，重启生效安装J

2017-10-18 16:41:22 345

转载机器学习常见的算法面试题总结

文章转载自：天池公众号P(A∩B)=P(A)*P(B|A)=P(B)*P(A|B) 所以有：P(A|B)=P(B|A)*P(A)/P(B) 对于给出的待分类项，求解在此项出现的条件下各个目标类别出现的概率，哪个最大，就认为此待分类项属于哪个类别工作原理假设现在有样本x=(a1,a2,a3,…an)这个待分类项(并认为x里面的特征独立) 再假设现在有分类目标Y={y1,y2,y3,y4..yn}

2017-10-17 15:06:24 608

原创欢迎使用CSDN-markdown编辑器

欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦： Markdown和扩展Markdown简洁的语法代码块高亮图片链接和图片上传 LaTex数学公式 UML序列图和流程图离线写博客导入导出Markdown文件丰富的快捷键快捷键加粗 Ctrl + B 斜体 Ctrl + I 引用 Ctrl

2017-10-17 14:48:39 391

原创 DSSTNE

官方文档依次建立，so easy 文档 cudn安装没有给定教程，推荐参考作者写的很详细，遇到的问题和我一样，瞬间得到解决由于个人gpu为Pascal架构，查了一下是比费米级和开普勒更高级的新的gpu,所以在运行测试案例时遇到问题： Error: invalid device function launching kernel kScaleAndBias_kernel 经查证作者回复，是因为

2017-10-12 08:53:01 385

翻译预测广告点击率-FACEBOOK2014

摘要本文提出了一个模型结合逻辑回和决策树，比单用任何其中一种方法都提高了3%。然后我们探索了多种参数如何影响系统性能。最重要的是有合适的特征：那些捕获关于用户和广告的历史信息。一旦我们有了合适的特征和合适的模型，其他因素的作用就很小。通过对新鲜的数据最优的处理，学习率策略和数据采样轻微的提高了模型表现。介绍实验设置：为了实现严密的和可控的试验，我们准备了选取13年第四季度中任意一周的数据作为线下

2017-10-12 08:37:26 748

原创装机

Ubuntu安装分区：在windows下找一个空盘，删除卷得到可用空间。 U盘启动。 - 先分逻辑分区： 1. /swap(和电脑内存大小差不多) 2. /home(尽可能大一点) et4文件系统 3. /boot(200,400M都可以) et4文件系统 - 再分主分区： / (挂载点也要大一点) et4文件系统联网安装sudo update-grub 修复和win引导共存

2017-10-01 11:00:15 250

qq_32659887的博客