- 博客(9)
- 收藏
- 关注
原创 C++ String,Char*,Char[]问题
首先:String 是对象, Char* 是指针, Char[] 是数组。1. 数组可以堆也可以栈。对象名称会被编译器当成同类型的指针,所以才有了Char* p = new Char[10] 等同于 Char[] b = new Char[10]; p = b2. 另外,数组初始化的时候必须有长度, 否则Char* P 只是一个指针而已。Char *p = "array" 相等于...
2018-10-18 20:37:37
197
原创 关于编码(折腾一晚上的中文乱码、中文编码问题)
1. windows 系统默认编码为:GBK2. C++语法以字节为单元处理字符串,不关心处理中文的编码。 但是接口可以获取系统当前的编码,这并不代表什么。所以,中文处理的切词程序会要求提前文本按照编码格式输出。3. 编码会通过位置flag, 提醒编译器按照两位编码,还是按照三位编码。4. 文字的编码是生成的时候,生成方决定的。xtrem 或者vim等需要解析字节的会根据自己系统设...
2018-10-18 20:28:25
887
原创 C++高级语法知识
类与结构体别名https://www.cnblogs.com/csyisong/archive/2009/01/09/1372363.html1.变量别名char* pa, pb; // 这多数不符合我们的意图,它只声明了一个指向字符变量的指针和一个字符变量改写:typedef char* PCHAR;PCHAR pa, pb; //两个字符指针变量2. 结构体别名...
2018-09-27 14:55:27
1062
原创 深度学习:基础知识
正则:L1正则化可以产生稀疏权值矩阵,进而可以用于特征选择(绝对值之和),L2正则化用于防止过拟合(平方和开平方)。生成模型和判别模型:梯度消失、梯度爆炸:初始化权重过大过小,造成权重指数级变小、变大,训练困难解决方法:初始化参数时更加小心,标准正态分布,方差为1/输入的神经元个数。 具体做法:np.random.randn(n)*np.sqrt(1/n)。不同的激活函数,tanh...
2018-08-13 21:26:27
159
原创 协同过滤
协同过滤重要性:比如买化妆品,人们肯定不会把所有的化妆品全部试一遍,会看和自己类似的人使用过那些产品,会根据自己历史经验看一下相类似的产品,这两类就可以分别的称之为User CF和Item CF。该为协同过滤的核心。算法分类:朴素:swing机制推荐、基于点击行为的用户和物品推荐;隐喻:将高维离散的物品或者用户向量jian降维成低维度的向量标识。Account2Vector机制...
2018-08-13 19:25:51
1015
翻译 排序总结
快排源码:时间复杂度:最好:nlogn;最差:n*n逻辑:1. i,j为开始和结束的阈值,设置a[i]为基线,赋值为key,即key=a[0];2. j--递减,一直到出现a[j]小于key,然后交换a[i]和a[j]。3. i++增加,一直到出现a[i]大于key,然后交换a[i]和a[j]。4.重复2,3.void quickSort(int[] a, int s...
2018-08-10 15:50:06
114
翻译 基于凑单算法对Graph embeding在广告触发上的思考
凑单算法zhon中的Graph embeding:核心为一下两部分:1. 基于图的随机采样1.1 图的构建节点:item; 边:item与item 共同被购买; 边权重是:共同购买的次数、时间1.2 采样《item,item》正样本:基于权重概率采样负样本:随机取无共同购买的item2. embeding + DNN有监督分类1.1 样本: 与graph有异...
2018-08-01 16:53:15
496
翻译 wide deep learning笔记(个人理解)
目标:稀疏数据追求模型的泛化能力和拟合能力泛化能力:对未见过的数据的抽象理解能力,通过embeding 将one-hot特征抽象成N维稠密特征来达到。 拟合能力:对稀疏数据中用户特殊爱好的关注能力。思路:dnn + lr, 其中dnn负责泛化能力,lr负责拟合能力。lr的特征选择一些目标发生时出现频次多的特征。在稀疏数据的情况下,可以理解为特征重要性比较高的特征。模型架构:WIDE...
2018-07-23 16:38:33
601
原创 深度学习(吴恩达 )—— 结构化机器学习
一、关于训练误差分析二、关于错误的标注数据背景:深度网络随机误差鲁棒性高,系统性误差鲁棒性低。机制: 抽样分析误差分布,focus 最主要的误差部分。方针:1.开发集和测试集需要同时修正;2.好坏都要关注; 3. 训练集可以有部分差异,同dev和testtest吴:重视对训练误差样本的统计分析,帮助找到减小误差的最快方向。三、快速搭建你的系统原型,不断迭代四、在不同的划...
2018-07-19 13:49:37
628
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