- 博客(39)
- 资源 (16)
- 收藏
- 关注
RSS订阅原创 Unsupervised Deep Anomaly Detection for Multi-Sensor Time-Series Signals-TKDE-A类-
a25-2021-TKDE(A类)-无监督-Unsupervised Deep Anomaly Detection for Multi-Sensor Time-Series Signals-精度-基于预测和基于重构代码链接：https://github.com/7fantasysz/MSCRED引用库链接：https://pyod.readthedocs.io/en/stable/挑战：由于时间序列数据中的时间成分，时空域异常检测变得更加复杂。传统的异常检测技术无法处理多变量时间序列信号，因为它们
2021-12-15 15:01:16
2116
1
原创 时空论文小结
《A Spatiotemporal Deep Learning Approach for Unsupervised Anomaly Detection in Cloud Systems》-2020-TNNLS-B类《Spatial-Temporal Learning-Based Artificial Intelligence for IT Operations in the EdgeNetwork》-Magzine-2020《Multivariate Time-series Anomaly Det
2021-12-11 11:02:04
1903
原创 A Spatiotemporal Deep Learning Approach for Unsupervised Anomaly Detection in Cloud Systems
《A Spatiotemporal Deep Learning Approach for Unsupervised Anomaly Detection in Cloud Systems》-2020-TNNLS-B类背景整体结构GraphLSTM训练过程和推理过程异常评分小结：
2021-12-11 10:45:23
1012
原创 An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence Modeling--论文阅读
An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence Modeling–论文阅读笔记论文地址：https://arxiv.org/pdf/1803.01271.pdfTCN详解：TCN详解尽管循环神经网络具有长期记忆的能力，但是CNN架构（文中的TCN）表现出更加长期的记忆能力.1.1. Temporal Convolutional Networks首先描述卷积序列预测的一般架构。
2021-12-11 10:28:23
1719
转载 机器学习之生成模型和判别模型
机器学习之生成模型和判别模型1、生成模型和判别模型的定义对于输入数据集X，输出类别Y，生成模型和判别模型可以这样定义判别模型：由数据集直接学习决策函数y = f(x) 或者条件概率分布P(y|x) 作为预测的模型（决策函数事实上是可以用条件概率表示的，例如在逻辑回归中的决策函数和转换成条件概率），这样的模型称为判别模型。*基本思想就是在有限样本条件下建立判别函数，不考虑样本的产生模型，直接研究预测模型。*典型的判别模型包括K近邻，感知机，决策树，支持向量机等。生成模型：**由数据学习联合概率密度分布
2021-09-13 20:26:36
436
原创 统计学习方法-李航-条件随机场笔记
统计学习方法-李航-条件随机场CRF 条件随机场算法通常用于序列标注的任务，例如给定一个输入序列 X= (x1, x2, x3, …, xn)，求输出的序列 Y =(y1, y2, y3, …, yn)。例如在中文分词中，X 即是输入的句子，Y 是句子中每一个单词对应的分词中的目标 (s, b,m, e)。因此 CRF 通常用于 NLP 的分词、词性标注、命名实体识别等任务。条件随机场（Conditional randomfield，CRF）是给定一组输入随机变量条件下另一组输出随机变量的条
2021-06-13 21:22:02
400
2
原创 统计学习方法-李行-第十章 隐马尔可夫模型
统计学习方法-李行-第十章 隐马尔可夫模型隐马尔可夫模型（hidden markov model，HMM）是可用于标注问题的统计学习模型，描述由隐藏的马尔可夫链随机生成观测序列的过程，属于生成模型。应用领域：语音识别、自然语言处理、生物信息、模式识别**经典例子：**掷骰子假设我手里有三个不同的骰子。第一个骰子是我们平常见的骰子（称这个骰子为D6），6个面，每个面（1，2，3，4，5，6）出现的概率是1/6。第二个骰子是个四面体（称这个骰子为D4），每个面（1，2，3，4）出现的概率是1/4。第三个
2021-06-07 22:57:29
146
原创 站内推广 Amazon CPC
1.什么是CPC？CPC=Cost Per Click，是亚马逊通过付费获得流量的第一手段。关键字竞价，以每点击一次计费。2.CPC展现的位置？（1）页面右侧橱窗 （2）每页搜索结果 （3）产品详情页3.为什么要做CPC？CPC广告引进流量多而精准，转化率相对较高。4.CPC站内广告的排名因素（1）Bidding （2）Performance5.做CPC前要做哪些准备？Listing优化（title，picture，bullet point，keyword，review，，，
2021-06-03 19:27:07
249
原创 统计学习方法-李航-第九章EM算法及其推广
统计学习方法-李航-第九章EM算法及其推广EM算法(即期望极大算法)是一种迭代算法，用于含有隐变量的概率模型参数的极大似然估计，或极大后验概率估计。EM算法由两步组成：->E步，求期望（expectation）->M步，求极大值(maximization)极大似然估计：给定：模型（参数全部或者部分未知）和数据集（样本）估计：模型的未知参数总的来说：极大似然估计就是用来估计模型参数的统计学方法。在最大似然估计中，我们试图在给定模型的情况下，找到最佳参数，是的这组样本出现的可
2021-05-27 22:23:17
324
原创 统计学习方法-李航-第八章-提升方法
统计学习方法-李航-第八章-提升方法知乎有一个问题：有哪些简短、强大、另人印象深刻的算法？我想 AdaBoost应该占一席之地。它是如此的简短（十来行代码），高效，而且具有一些罕见的优点（大量训练不会导致过拟合），自诞生之初，关于它研究从未间断。AdaBoost是 Boosting 的代表算法。提升方法（Boosting）是集成学习（Ensemblelearning）的一个分支，另一主要分支是引导聚合（Bagging）。所谓集成学习，是将多个“弱学习器”（处理分类问题仅比随机猜测好一点）组合
2021-05-23 21:43:27
286
原创 跨境电商运营----选品
跨境电商运营----选品之前看老魏的运营宝典，总结下来就是刚需品。所谓刚需品就是**“用户的直接需求在先，产品本身没有太多属性差异”**，例如像跑步机，用户首先追求的是功能，其次才是外观。这其中，跑步机的外观也就几种，颜色大多是黑和白，因此，客户的挑选度不大，我们的运营难度也不大。但是，如果选择手机壳，我们需要考虑的东西那可就多了。例如手机品牌，手机型号，手机壳款式、颜色、功能等等问题，这样下来，我们的手机壳可能有几百个SKU。listing需要很多，打造爆款难度大。而且库存需求量大，若是清仓，处理也
2021-05-19 14:56:20
349
原创 LSTM-长短期神经网络
LSTM 长短期神经网络 （Long Short Term Memory）LSTM由RNN(循环神经网络)改进而来。首先来看看RNN的图示。X是输入向量；Ｕ、Ｗ＼
2021-05-18 21:56:48
246
原创 统计学习方法-李航-第七章-支持向量机笔记
统计学习方法-李航-第七章-支持向量机笔记首先回顾一下感知机。感知机的模型是线性分类模型，将两种类别标记为正负1，将新的样本输入线性函数，再将线性函数代入符号函数就可以得到输出作为判定结果。这里最重要的还是线性函数的选取，线性函数在特征空间中可能就是一个超平面，只要这个超平面能将正负样本完全分隔开来就是符合要求的超平面，这也就是感知机的策略。具体到损失函数，选择的不是误分类点的个数，而是误分类点到超平面的总距离，这样才连续可求导，方便后续优化。感知机的算法是在策略的基础上选择的优化算法。从模
2021-05-18 21:32:30
290
原创 独热编码(one-hot 编码)
独热编码又称一位有效编码，其方法是使用N位状态寄存器对N个状态进行编码，例如可以将周一到周日的一维特征扩充到七维，该方法解决了回归模型中属性数据难以处理的问题。如图所示：
2021-05-16 20:32:32
621
原创 排序方法
1、直接插入排序将待排序记录插入有序序列中，重复n-1次。2、折半插入排序在直接排序中，查找位置时采用折半查找的办法。3、希尔排序（缩小增量排序）（1）分成子序列（按照增量dk）；（2）对子序列排序（直接插入排序）；（3）增量缩小，重复上述步骤，直到dk=1；4、快速排序依次比较相邻元素，逆序列交换，重复n-1。5、快速排序一趟排序把记录分割成独立的两部分，一部分关键字比另一部分小，然后再分别对两部分快排。6、简单选择排序在待排记录中选择最小的，交换到合适的位置，重复n-1次。7
2021-05-16 20:27:25
70
原创 算法的基本思想-分治法 动态规划 贪心算法 回溯法 分支限界法
算法的基本思想-分治法 动态规划 贪心算法 回溯法 分支限界法一、分治法->互不相交的子问题基本思想：将一个难以解决的大问题，分割成一些规模较小的相同问题，以便各个击破，分而治之。典型代表：归并排序 折半排序二、动态规划->互相重叠的子问题基本思想:将待求解的问题分解为若干个子问题，按顺序求解子问题，为后一子问题求解提供有用信息。在求解任一子问题时，列出各种可能的局部解，丢弃其他局部解，通过决策保留那些有可能达到最优的局部解。依次解决各个子问题，最后一个子问题就是初始问题的解。典型代
2021-05-15 21:07:34
623
原创 Python- Flask框架学习笔记
Python- Flask框架学习笔记## 标题flask框架是基于python开发的一款非常微小的web框架，正因为其微小，所以本身是没有太多功能的，但是flask设计的理念就有点类似于现在的微服务概念，系统想要什么功能，安装第三方就行。特点自由 灵活 可扩展性强 入门简单Flask是一个Python编写的web框架，利用它可以使用python语言快速实现夜歌网站式服务。pip install flaskfrom flask import Flaskstatic文件夹包括了css文件目录，
2021-05-15 20:22:57
332
原创 统计学习方法-李航-第二版-第6章 逻辑斯蒂回归与熵模型
第6章 逻辑斯蒂回归与熵模型LR（logistic regression, 逻辑斯蒂回归）是统计学习中的经典分类方法。最大熵是概率模型学习的一个准则，将其推广到分类问题得到最大熵模型。LR与最大熵模型都属于对数线性模型。1.逻辑斯蒂分布2.二项逻辑回归模型二项逻辑斯蒂回归模型是一种分类模型，由条件概率分布P(Y|X)表示，形式为参数化逻辑斯蒂分布。一个事件的几率（odds）是指该事件发生的概率与该事件不发生的概率的比值。如果时间发生的概率是p，那么该事件的几率是p/(1-0)，该事件的对
2021-05-13 21:30:36
200
原创 统计学习方法-李航-第五章-决策树
第五章 决策树决策树是一种基本的分类与回归方法。决策树模型呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程。预测时，对新的数据，利用决策树模型进行分类。三个步骤：特征选择、决策树生成和决策树修剪。1.决策树模型2.决策树与if-then规则3.决策树与条件概率分布4.决策树学习5.特征选择问题有用特征 无用特征 冗余特征特征选择在于选取对训练数据具有分类能力的特征。6.信息增益6. ID3算法ID3算法的核心是在决策树各个结点上应用信息增益准则选择特征，递
2021-05-12 22:32:12
185
原创 遗传算法理解
最近很忙，但开始想记录一些东西了。。。1 概念所谓遗传算法就是根据达尔文“物竞天择，适者生存”的自然选择原则改进而来的。引入了选择、交叉和变异，这与人类的进化类似。也正由此，我们也可以考虑到遗传算法的优缺点。遗传算法适合用于全局搜索，但却很容易陷入局部解。但是相对来说，在大量反复的实验中，遗传算法的效果还是很有优势的。2 选择实现遗传算法时，进行的第一个操作就是选择，一般来说，选择操作是从上一代中的最优解中选择父代和母代。这其中一般采用的办法是轮盘赌法。所谓轮盘赌法，就是一个概率选择。每次挑选一
2021-05-10 22:25:50
976
原创 统计学习方法-李航-第四章-朴素贝叶斯
**统计学习方法-李航-第四章-朴素贝叶斯**朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条件独立假设学习输入、输出的联合概率分布；然后基于此模型，对于给定的输入x，利用贝叶斯定理求出后验概率最大的输出y.1 基本方法朴素贝叶斯法实际上学习到生成数据的机制，所以属于生成模型。（条件独立假设等于是说用于分类的特征再类确定的条件下都是条件独立的。这一假设使朴素贝叶斯变得简单，但有时会牺牲一定的分类准确率）2 后验概率最大化的含义朴素贝叶斯法将
2021-05-10 21:51:00
173
原创 统计学习方法-李航-第二版-第三章 K近邻算法
第三章 K近邻算法k近邻算法（KNN）是一种基本分类与回归方法。k近邻算法k近邻算法简单、直观：给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的k个实例，这k个实例的多数属于某个类，九八该输入实例分为这个类。k近邻模型模型三个基本要素：距离度量、k值的选择和分类决策规则模型：当训练集、距离度量、K值及分类决策规则确定后，对于任何一个新的输入实例，它所属的类唯一地确定。距离度量：特征空间中两个实例点的距离是两个实例点相似程度的反映。由不同的距离度量所确定的最近邻点是不
2021-04-27 22:02:06
167
原创 统计学习方法-李航-第二版-第二章-感知机
第二章 感知机感知器（英语：Perceptron）是Frank Rosenblatt在1957年就职于康奈尔航空实验室（Cornell Aeronautical Laboratory）时所发明的一种人工神经网络。它可以被视为一种最简单形式的前馈神经网络，是一种二元线性分类器。感知机是二类分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1和-1二值。感知机对应于输入控件中将实例划分为正负两类的分离超平面，线性分类模型，属于判别模型。感知机学习旨在求出将训练数据进行先行划分的分离超平面
2021-04-27 20:38:43
230
原创 统计学习方法-李航-第一章学习笔记
**第1章 统计学习方法概论**统计学习的对象是数据，关于数据的基本假设是同类数据具有一定的统计规律性。特点：（1）数据独立同分布；（2）模型属于某个假设空间（学习范围）；（3）给定评价准则下最优预测；（4）最优模型的选择由算法实现统计学习分类统计学习：监督学习 非监督学习 强化学习 (半监督学习 主动学习)监督学习：X_train X_test Y_train T_test监督学习->分类 标注 回归(预测)无监督学习：指从无标注数据中学习预测模型的机器模型（旨在从假设空间
2021-04-27 18:32:36
155
原创 雷电 游戏
import java.awt.*;import java.awt.event.KeyEvent;import java.awt.event.KeyListener;import java.awt.event.WindowAdapter;import java.awt.event.WindowEvent;import javax.swing.ImageIcon;import j...
2019-05-14 20:27:07
252
转载 c# 字符串读取与写入问题
格式化字符串类//格式化字符串类(用于对字符串进行格式化读取)class FormatString{ //需要格式化的字符串 public string _String = ""; //用于格式化的分隔符 public char _Separator = ' '; //构造方法1 public FormatString(String tem...
2018-08-18 15:49:43
1132
原创 模拟退火算法求解TSP问题
模拟退火算法简介： 模拟退火算法在处理全局优化、离散变量优化等困难问题中，具有传统优化算法无可比拟的优势。模拟退火算法的思想最早由Metorpolis等提出的。其出发点是基于物理中固体物质的退火过程与一般的组合优化问题之间的相似性。模拟退火法是一种通用的优化算法，其物理退火过程由以下三部分组成：1）加温过程：其目的是增强粒子的热运动，使其偏离平衡位置。当温度足够高时，固体将熔为液体，...
2018-08-18 15:43:42
1380
原创 K_Means算法对点集进行分类
K_Means 什么是聚类分析 聚类分析是在数据中发现数据对象之间的关系，将数据进行分组，组内的相似性越大，组间的差别越大，则聚类效果越好。 明显分离的 可以看到(a)中不同组中任意两点之间的距离都大于组内任意两点之间的距离，明显分离的簇不一定是球形的，可以具有任意的形状。 算法思想较为简单如下所示： 选择K个点作为初始质心 repeat ...
2018-08-18 15:32:12
1304
HRmanagement+MongoDB+js+express
2020-02-17
信息管理系统-nosql-Mongoosedb-js
2020-02-17
python+Oracle+Flask+前端网页=爬虫程序
2020-02-17
遗传算法求解TSP问题
2018-10-22
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人