- 博客(75)
- 资源 (2)
- 收藏
- 关注
RSS订阅转载 C++ STL之vector详解
Vectors vector是C++标准模板库中的部分内容，它是一个多功能的，能够操作多种数据结构和算法的模板类和函数库。vector之所以被认为是一个容器，是因为它能够像容器一样存放各种类型的对象，简单地说，vector是一个能够存放任意类型的动态数组，能够增加和压缩数据。为了可以使用vector，必须在你的头文件中包含下面的代码：#include 构造函数。 Vector
2016-10-14 07:33:45
473
转载 C++标准库和标准模板库
转自原文http://blog.csdn.net/sxhelijian/article/details/7552499C++强大的功能来源于其丰富的类库及库函数资源。C++标准库的内容总共在50个标准头文件中定义。在C++开发中，要尽可能地利用标准库完成。这样做的直接好处包括：（1）成本：已经作为标准提供，何苦再花费时间、人力重新开发呢；（2）质量：标准库的都是经过严格测试的，正确性有保证；（
2016-10-14 07:30:25
356
转载 numpy基本方法总结
NumPy基本方法一、数组方法创建数组：arange()创建一维数组；array()创建一维或多维数组，其参数是类似于数组的对象，如列表等读取数组元素：如a[0],a[0,0]数组变形：如b=a.reshape(2,3,4)将得到原数组变为2*3*4的三维数组后的数组；或是a.shape=(2,3,4)或a.resize(2,3,4)直接改变数组a的形状数组
2016-08-22 13:35:50
453
转载 八大排序算法
概述排序有内部排序和外部排序，内部排序是数据记录在内存中进行排序，而外部排序是因排序的数据很大，一次不能容纳全部的排序记录，在排序过程中需要访问外存。我们这里说说八大排序就是内部排序。 当n较大，则应采用时间复杂度为O(nlog2n)的排序方法：快速排序、堆排序或归并排序序。 快速排序：是目前基于比较的内部排序中被认为是最好的方法，
2016-08-15 18:46:44
269
原创 Tool(工具)：
Tool(工具)： MPI，Hadoop生态圈，Spark，BSP，Weka，Mahout，Scikit-learn，PyBrain…
2016-08-13 17:21:35
368
原创 Learning to Rank(基于学习的排序)：
Pointwise：McRank； Pairwise：RankingSVM，RankNet，Frank，RankBoost； Listwise：AdaRank，SoftRank，LamdaMART；
2016-08-13 17:20:57
568
原创 Outlier Detection(异常点检测)
Outlier Detection(异常点检测)： Statistic-based(基于统计)，Distance-based(基于距离)，Density-based(基于密度)，Clustering-based(基于聚类)。
2016-08-13 17:20:15
2669
原创 Feature Selection(特征选择)
Feature Selection(特征选择)： MutualInformation(互信息)，Document Frequence(文档频率)，Information Gain(信息增益)，Chi-squared Test(卡方检验)，Gini(基尼系数)。
2016-08-13 17:19:35
637
原创 Optimization(最优化)
Optimization(最优化)： Non-constrained Optimization(无约束优化)：Cyclic Variable Methods(变量轮换法)，Pattern Search Methods(模式搜索法)，Variable Simplex Methods(可变单纯形法)，Gradient Descent Methods(梯度下降法)，Newton Metho
2016-08-13 17:18:50
1939
原创 SimilarityMeasure&Distance Measure(相似性与距离度量)
SimilarityMeasure&Distance Measure(相似性与距离度量)： EuclideanDistance(欧式距离)，Manhattan Distance(曼哈顿距离)，Chebyshev Distance(切比雪夫距离)，Minkowski Distance(闵可夫斯基距离)，Standardized EuclideanDistance(标准化欧氏距离)，Maha
2016-08-13 17:17:56
2271
原创 Recommendation Engine(推荐引擎)
Recommendation Engine(推荐引擎)： DBR(Demographic-basedRecommendation 基于人口统计学的推荐)，CBR(Context-based Recommendation 基于内容的推荐)，CF(Collaborative Filtering协同过滤)，UCF(User-based CollaborativeFiltering Reco
2016-08-13 17:17:13
974
原创 Association Mining(关联挖掘)
Association Mining(关联挖掘)： Apriori，FP-growth(FrequencyPattern Tree Growth 频繁模式树生长算法)，AprioriAll，Spade。
2016-08-13 17:16:26
608
原创 Text Mining(文本挖掘)
Text Mining(文本挖掘)： VSM(Vector SpaceModel向量空间模型)，Word2Vec(词向量学习模型)，TF(Term Frequency词频)，TF-IDF(TermFrequency-Inverse Document Frequency 词频-逆向文档频率)，MI(Mutual Information 互信息)，ECE(Expected CrossEntr
2016-08-13 17:15:41
5644
原创 Dimensionality Reduction(降维)
Dimensionality Reduction(降维)： LDA(LinearDiscriminant Analysis/Fisher Linear Discriminant 线性判别分析/Fish线性判别)，PCA(Principal ComponentAnalysis 主成分分析)，ICA(Independent ComponentAnalysis 独立成分分析)，SVD(Sing
2016-08-13 17:14:46
333
原创 Deep Learning(深度学习)
Auto-encoder(自动编码器)，SAE(Stacked Auto-encoders堆叠自动编码器：Sparse Auto-encoders稀疏自动编码器、Denoising Auto-encoders去噪自动编码器、ContractiveAuto-encoders 收缩自动编码器)，RBM(Restricted BoltzmannMachine 受限玻尔兹曼机)，DBN(Deep Be
2016-08-13 17:14:13
454
原创 NN(Neural Network神经网络)
NN(Neural Network神经网络)： ANN(ArtificialNeural Network 人工神经网络)，BP(Error Back Propagation 误差反向传播)，HN（Hopfield Network）， RNN(Recurrent Neural Network，循环神经网络），SRN（Simple Recurrent Network，简单的循环神经
2016-08-13 17:13:20
4549
原创 PGM(ProbabilisticGraphical Models概率图模型)
PGM(ProbabilisticGraphical Models概率图模型)： BN(BayesianNetwork/Bayesian Belief Network/ Belief Network 贝叶斯网络/贝叶斯信度网络/信念网络)，MC(Markov Chain 马尔科夫链)，HMM(Hidden MarkovModel 马尔科夫模型)，MEMM(Maximum EntropyM
2016-08-13 17:12:22
852
原创 Classification&Regression(分类&回归)
Classification&Regression(分类&回归)： LR(LinearRegression 线性回归)，LR(Logistic Regression逻辑回归)，SR(SoftmaxRegression 多分类逻辑回归)，GLM(Generalized LinearModel 广义线性模型)，RR(Ridge Regression 岭回归/L2正则最小二乘回归)，LASSO
2016-08-13 17:09:42
1622
原创 Clustering(聚类)
Clustering(聚类)： K-Means，K-Mediods，二分K-Means，FK-Means，Canopy，Spectral-KMeans(谱聚类)，GMM-EM(混合高斯模型-期望最大化算法解决)，K-Pototypes，CLARANS(基于划分)，BIRCH(基于层次)，CURE(基于层次)，DBSCAN(基于密度)，CLIQUE(基于密度和基于网格)，2014年Scie
2016-08-13 17:08:47
625
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人