2020年06月_~泊舟~

原创 neo4j安装之后上手Cypher

在windows下安装neo4j，请参考这篇博客。安装完成之后就进入浏览器中的本地服务器了中间正上方有一个输入命令的地方，这里要输入的是cyther语言，下面，我们就看一些简单的例子来对cyther进行入门。创建一个结点，其中eeeeee是这个结点的调用变量，PersonPersonPerson是这个结点的标签，花括号中的都是这个结点的属性以及相应的属性值。CREATE (ee:Person { name: "Emil", from: "Sweden", klout: 99 })查找结点

2020-06-25 00:17:18 3881

原创大数据算法亚线性空间算法近似计数不重复元素点查询频度估计频度矩估计固定大小采样

https://blog.csdn.net/weixin_43800131/article/details/101947738

2020-06-19 08:29:07 4214 1

原创哈工大大数据算法频度矩估计-Final AMS 算法

频度矩估计2问题分析使用BasicAMSBasic AMSBasicAMS算法的方差太大，直接利用MedianMedianMedian技术也不能将最终的结果限制在(1+ϵ)(1+\epsilon)(1+ϵ)中，所以要先用均值技术对结果进行优化，再取中位数，我们将这个方法叫做Median−of−MeansMedian-of-MeansMedian−of−Means。Final AMS 算法算法计算t=clog1δt = clog\frac{1}{\delta}t=clogδ1个平均值每

2020-06-18 22:31:54 4222

原创哈工大大数据算法频度矩估计-Basic AMS算法

频度矩估计1问题定义之前我们定义了不同的流模型，当Δ\DeltaΔ取不同的值的时候对应着不同的模型以及不同的解决办法。在频度矩估计问题中，我们要解决的两类问题分别是Δ=1\Delta = 1Δ=1的Vanilla ModelVanilla\ ModelVanilla Model和Δ>0\Delta > 0Δ>0的Cash Register ModelCash\ Register\ ModelCash Register M

2020-06-18 22:31:07 4252

原创哈工大大数据算法固定大小采样水库抽样算法

固定大小采样问题定义假定每个时刻都有一个数据流中的一个数据到来，我们要维护一个样本，这个样本动态更新，但是它时刻都是已经流过的数据的均匀抽样。我们通常使用水库抽样算法解决这个问题。水库抽样算法算法m←0m \leftarrow 0m←0使用数据流的前sss个元素对抽样数组进行初始化A[1,...,s],m←sA[1,...,s],m\leftarrow sA[1,...,s],m←s对于每一个更新xxxxxx以sm+1\frac{s}{m + 1}m+1s概率随机替换A

2020-06-18 22:29:31 4197

原创哈工大大数据算法点查询和频度估计-Misra_Gries算法-Metwally算法

点查询1解决什么问题再次介绍一下流模型，定义一个数据流<ai><a_{i}><ai>，i∈[1,m],ai∈[1,n]i \in [1,m] , a_{i} \in [1,n]i∈[1,m],ai∈[1,n]，频率向量<fi><f_{i}><fi>，i∈[1,n],fi∈[1,m]i \in [1,n] , f_{i} \in [1,m]i∈[1,n],fi∈[1,m]。仍然是流模型的相关问题，在之前已经介绍过

2020-06-18 22:27:32 4318

原创哈工大大数据算法点查询和频度估计-Count Sketch算法-Final Count Sketch算法

点查询和频度估计4Count Sketch算法算法C[1...k]←0,k=3ϵ2C[1...k] \leftarrow 0,k = \frac{3}{\epsilon^2}C[1...k]←0,k=ϵ23随机选择1个2−wise2-wise2−wise独立哈希函数h:[n]→[k]h:[n] \rightarrow [k]h:[n]→[k]随机选择1个2−wise2-wise2−wise独立哈希函数g:[n]→{−1,1}g:[n] \rightarrow \{-1,1\}g:[n]→{−1

2020-06-18 22:27:07 4425

原创哈工大大数据算法点查询和频度估计-Count-Median Sketch算法

点查询3 这次介绍的是Count−Median SketchCount-Median\ SketchCount−Median Sketch算法，问题依然是流模型中的点查询问题，但是这次的流模型是TurnstileTurnstileTurnstile，也就是每次的更新有正有负。Count-Median Sketch算法算法C[1...t][1...k]←0,k=2ϵ,t=⌈log1δ⌉C[1...t][1...k] \leftarrow \textbf{0},k = \fra

2020-06-18 22:25:51 4055

原创哈工大大数据算法点查询和频度估计-Count-Min Sketch算法

点查询2定义流模型之前讲的流模型只具备增加功能，这次扩大流模型的定义，从而使其也能支持删除操作。定义如下：A stream includeing deletionσ=<±a1,...,±am>,ai∈[n],then we can define a frequency vector f=(f1,...,fn)A\ stream\ includeing\ deletion\sigma =

2020-06-18 22:24:58 4473

原创哈工大大数据算法不重复元素-BJKST算法

不重复元素4 继续上一篇文章的内容，这次来介绍基于zeros(h(j))zeros(h(j))zeros(h(j))的BJJKSTBJJKSTBJJKST算法。BJKSTBJKSTBJKST算法算法随机选择2-wise independent哈希函数h:[n]→[n]h:[n] \rightarrow [n]h:[n]→[n]随机选择2-wise independent哈希函数g:[n]→[bϵ−4log2n]g:[n] \rightarrow [b\epsilon^{-4}log^2n]g

2020-06-18 22:15:43 4101

原创 POJ1022 AC代码

#include <iostream>#include <algorithm>#include <stdlib.h>#include <stdio.h>//#include <string.h>#include <string>#include <cstdio>#include <cstring>#include <map>#include <vector>#inclu

2020-06-16 23:42:29 3758

原创 keras 神经网络优化器理论模型简述以及keras接口

前言从这篇文章开始，分析神经网络的优化器以及其在keras框架中的实现。在前面讲过，神经网络的编写分成：准备数据、搭建网络结构、配置算法参数这几步，其中配置算法参数是关键的一步，而optimizer的配置是其中的重中之重。神经网络的本质目的就是寻找合适的参数，使得损失函数的值尽可能小，该过程为称为最优化。解决这个问题的算法称为优化器。理论模型梯度下降法更新参数是常用的手段，举一个很简单的例子作为说明。现有三组训练数据(x,y^)(x,\hat{y})(x,y^)如下：(0,1)(1,2)

2020-06-02 18:38:50 4197

原创 keras损失函数Regression losses mse mae mape msle CosineSimilarity

开篇这次要与大家分享的是回归损失函数，常见的损失函数有mse,me,maemse,me,maemse,me,mae等。我们在这里整理了keras官方给出的不同的loss函数的API，并从网上搜集了相关函数的一些特性，把他们整理在了一起。这部分的loss按照keras官方的教程分成class和function两部分，这一次讲的是class部分。APIMeanSquaredError（mse）$loss = \frac{\sum(y_{true} - y_{pred})^2}{n} $计算的是标签和预

2020-06-02 18:36:16 9241

陈泊舟的博客