人小河-CSDN博客

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

renxiangran的博客