Machine Learning with Peppa

分享机器学习，数学，统计和编程干货

转调度算法的定义与使用价值

互联网应用和现代数据中心云计算已经火了很多年了，早已开始惠及我们每一个人。今天火热的大数据、机器学习、人工智能、以及你们看到的几乎所有的大规模的互联网应用（淘宝、天猫、优酷等），都是运行在云上的。而支撑云的，是大型云计算服务商部署在世界各地的多个数据中心，每个数据中心都有大量的物理服务器。为了...

2018-09-08 17:15:56

阅读数：14

评论数：0

转 P2P（Peer to Peer）网络的原理

最近在研究P2P技术，奈何相关资料不多，自己琢磨了一下，分享一下学习P2P的一些原理, 以及如何打造一个P2P聊天应用。这里指的P2P是指peer to peer，点对点的技术，每个客户端都是服务端，没有中心服务器，不是websocket针对某个connection推送消息。技术要点 ...

2018-09-08 17:14:29

阅读数：92

评论数：0

原常用数学符号大学（包含罗马字符）

大写小写英文注音国际音标注音中文注音 Α α alpha alfa 阿耳法 ...

2018-08-28 11:16:10

阅读数：65

评论数：0

转 word2vec的应用场景

在社交网络中的推荐前东家工作的时候，有一个个性化推荐的场景，给当前用户推荐他可能关注的『大V』。对一个新用户，此题基本无解，如果在已知用户关注了几个『大V』之后，相当于知道了当前用户的一些关注偏好，根据此偏好给他推荐和他关注过大V相似的大V，就是一个很不错的推荐策略。所以，如果可以求出来任何两...

2018-08-28 00:13:58

阅读数：29

评论数：0

转什么是次梯度（次导数）

1.导数(Derivative)的定义在说次梯度之前，需要先简单介绍一下导数的概念与定义。导数（英语：Derivative）是微积分学中重要的基础概念。一个函数在某一点的导数描述了这个函数在这一点附近的变化率。导数的本质是通过极限的概念对函数进行局部的线性逼近。对于一般的函数f(x)f(x...

2018-08-20 21:08:18

阅读数：192

评论数：0

转 TensorFlow 最新版安装教程

1.准备好Anaconda环境 tensorflow是属于很高层的应用。高层应用的一个比较大的麻烦就是需要依赖的底层的东西很多，如果底层依赖没有弄好的话，高层应用是没法玩转的。在极客学院有关tensorflow的教程中，提到了这样几种安装方式：Pip, Docker, Virtualenv,...

2018-08-17 21:10:43

阅读数：45

评论数：0

转一个有趣的说法：多层神经网络的致命问题与过拟合

Bengio在Learning Deep Architectures for AI 一书中举了一个有趣的例子。他说：最近有人表示，他们用传统的深度神经网络把训练error降到了0，也没有用你的那个什么破Pre-Training嘛！然后Bengio自己试了一下，发现确实可以，但是是建立在把接近输...

2018-08-14 19:17:02

阅读数：46

评论数：0

转深度学习之稀疏编码算法

如果我们把输出必须和输入相等的限制放松，同时利用线性代数中基的概念，即O = a1*Φ1 + a2*Φ2+….+ an*Φn， Φi是基，ai是系数，我们可以得到这样一个优化问题：Min |I – O| 其中I表示输入，O表示输出。通过求解这个最优化式子，我们可以求得系数ai和基Φi，这些系数和...

2018-08-14 19:05:15

阅读数：31

评论数：0

原深度学习中的“卷积”与数学中的“卷积”有何不同

深度学习中的卷积当提到神经网络中的卷积时，我们通常是指由多个并行卷积组成的运算。（因为单个核只能特区一种类型的特征，我们usually希望可以在多个位置提取多个特征）输入也不仅仅是实值的网格，而是由一系列观测数据的向量构成的网格。我们有的时候会希望跳出核中的一些位置来降低计算的开销（相...

2018-08-13 19:40:37

阅读数：73

评论数：0

转 Scala正则表达式替换

在之前的博文《Scala正则表达式》我简单地介绍了如何在Scala中使用正则表达式来匹配一些我们需要的内容。本篇文章将接着此文继续简单介绍如何使用Scala来匹配出我们需要的字符串，然后使用某种规则来替换匹配出来的字符串。如果想及时了解Spark、Hadoop或者Hbase相关的文章，欢迎关...

2018-08-12 20:57:02

阅读数：36

评论数：0

原 Coursera-Deep learning深度学习作业代码

这个月开始刷NG老师的深度学习课程，代码和练习都放在：我的github 对于作业有问题的同学，欢迎参考，但是希望不要直接复制粘贴

2018-08-11 16:31:41

阅读数：48

评论数：0

原对全连接层（fully connected layer）的通俗理解

定义全连接层（fully connected layers，FC）在整个卷积神经网络中起到“分类器”的作用。如果说卷积层、池化层和激活函数层等操作是将原始数据映射到隐层特征空间的话，全连接层则起到将学到的“分布式特征表示”映射到样本标记空间的作用。在实际使用中，全连接层可由卷积操作实现：对前层...

2018-08-03 11:58:41

阅读数：297

评论数：0

转多线程三大概念：并发并行，阻塞，同异步

1. 阻塞，非阻塞首先，阻塞这个词来自操作系统的线程/进程的状态模型中，如下图：一个线程/进程经历的5个状态，创建，就绪，运行，阻塞，终止。各个状态的转换条件如上图，其中有个阻塞状态，就是说当线程中调用某个函数，需要IO请求，或者暂时得不到竞争资源的，操作系统会把该线程阻塞起来，...

2018-08-02 19:22:53

阅读数：46

评论数：0

原 Python机器学习基础教程（一）：简介

这周开始做《Python机器学习基础教程》的系列，因为还在刷前几章，所以代码和文章没有码多少，书里的源码和习题可以参见我的github： https://github.com/Y1ran/Introduction-to-Machine-Learning-with-Python-code 关于这...

2018-08-02 19:13:46

阅读数：195

评论数：0

原 Scala两行代码实现回文数的生成与判断

今天练习Scala发现一个好玩的东西。之前用C自己写过回文数的判断，大概用了20多行。在Scala里可以通过视图高效的截取任意范围内的回文数，只需要1-3行代码即可。 val palindrom = (1 to 100000).view.map( x =&gt; x * ...

2018-08-01 23:06:18

阅读数：26

评论数：0

转异常检测算法：孤立森林(Isolation Forest)

摘要：iForest用于挖掘异常数据，如网络安全中的攻击检测和流量异常分析，金融机构则用于挖掘出欺诈行为。算法对内存要求很低，且处理速度很快，其时间复杂度也是线性的。可以很好的处理高维数据和大数据，并且也可以作为在线异常检测。 0x14.jpg 01 孤立森林 isolation，...

2018-08-01 13:24:36

阅读数：458

评论数：0

原机器学习实战系列（八）：分类与回归树

课程的所有数据和代码在我的Github：Machine learning in Action，目前刚开始做，有不对的欢迎指正，也欢迎大家star。除了版本差异，代码里的部分函数以及代码范式也和原书不一样（因为作者的代码实在让人看的别扭，我改过后看起来舒服多了）。在这个系列之后，我还会写一个sci...

2018-07-26 22:17:40

阅读数：36

评论数：0

转深入浅出Flume之原理解析

阅读目录(Content) 一、Flume简介二、Flume特点三、Flume的一些核心概念 3.1、Agent结构　　 3.2、source 3.3、Channel 3.4、Sink 四、Flume拦截器、数据流以及可靠性 4.1、Flume拦截器 4.2、F...

2018-07-25 00:14:39

阅读数：83

评论数：0

转 Java中synchronized与Lock的区别

引言：昨天在学习别人分享的面试经验时，看到Lock的使用。想起自己在上次面试也遇到了synchronized与Lock的区别与使用。于是，我整理了两者的区别和使用情况，同时，对synchronized的使用过程一些常见问题的总结，最后是参照源码和说明文档，对Lock的使用写了几个简单的Demo...

2018-07-20 13:07:56

阅读数：33

评论数：0

转深入浅出Java反射机制

反射是框架设计的灵魂（使用的前提条件：必须先得到代表的字节码的Class，Class类用于表示.class文件（字节码））一、反射的概述 JAVA反射机制是在运行状态中，对于任意一个类，都能够知道这个类的所有属性和方法；对于任意一个对象，都能够调用它的任意一个方法和属性；这种动态获...

2018-07-18 18:29:51

阅读数：33

评论数：0

提示

确定要删除当前文章？

取消删除