原创 TCP/IP詳解卷1-協議:IP

KLJLK

原创 併發編程中的術語總結

線性一致性(Linear consistency),串行一致性(或順序一致性Sequential consistency),靜態一致性(Quiescent consistency)。 https://jnxnj.wordpre

原创 機器學習基礎 第三章 分類算法

1 線性分類器-感知器 1.1 感知器 有如圖1.1所示的兩類數據希望找到,如果想把他們分開,最簡單的方法就是用圖中的綠線將它們分開。顯然綠線的方程爲 t=ω0+ω1x+ω1y−−−−−(1.1−1) 假設紅色點爲 {xr,yr}

原创 共享庫:理解動態加載

https://amir.rachum.com/blog/2016/09/17/shared-libraries/#runtime-search-path

原创 對抗網絡在文本生成圖片中的應用

1 簡介 利用神經網絡可以從文本生成圖片,即將文本的語義轉化爲圖片; 也可以從圖片生成文本,即生成的文本描述圖片中的內容,例如一幅圖片中有一直小鳥落在枝頭。最後由圖片生產的文本就可以能可愛的綠色小鳥落於枝頭。在計算廣告中這種文本和

原创 機器學習基礎 第四章 聚類算法

聚類算法是無監督學習算法,對於沒有打上標籤的數據,可以採用聚類算法。下面介紹兩種常用的算法KMeans和譜聚類。 1 Kmeans 假設有數據集合 {xi} ,1≤i≤N ,xi∈Rn ,如果想把該數據集合分成k個類,應該如何劃

原创 基於域的分解機(FFM)理論介紹及libFFM源碼解析

符號說明: x表示樣本特徵數據 y表示樣本目標數據 第i個訓練樣本爲(xi,yi),爲了方便也可以用x=xi表示第i個樣本 1 基於域的分解機模型(FFM) 1.1 線性模型 ∅(w,x)=wTx=w0+∑j∈C1wjxj−−

原创 What are the lesser known but useful data structures?

http://stackoverflow.com/questions/500607/what-are-the-lesser-known-but-useful-data-structures 點贊 收藏 分享

原创 機器學習基礎 第七章 推薦系統

7.1、推薦系統概述 如何在學習爆炸的時代找到自己需要的信息?搜索引擎(Google,Bing,百度等等)成爲大家快速找到目標信息的最好途徑。在用戶對自己需求相對明確的時候,用搜索引擎很方便的通過關鍵字搜索很快的找到自己需要的信息

原创 Datastructures for external memory

http://blog.omega-prime.co.uk/?p=197 點贊 收藏 分享 文章舉報 zc02051126 發佈了137 篇原創文章 · 獲贊 91 ·

原创 機器學習基礎 第五章 降維算法

1 主成分分析(PCA) 1.1 主成分應用 從第二章的圖1.1.1中能看出來哪部電影的人氣指數最高嗎?當然是票房比較高或者檢索次數比較高的電影人氣指數要高。如何用主成分來分析人氣指數哪?沿着數據跨度最大的方向,即方差最大的方向畫

原创 機器學習基礎 第六章 模型選擇

1 模型選擇方法 下圖是不同階多項式迴歸問題,從中可以看到不同的M取值所對應的不同效果,M=0和M=1時都是欠擬合,M=9多擬合,M=3時多項式迴歸模型剛好合適,在實際應用中不能將每個模型都畫出來進行觀察。 在模型選擇中如

原创 第3章 硬件極其行爲

3.1 Overview 3.1.1 CPU流水線 在20世紀80年代,典型的微處理器完整處理一條指令要經過,獲取指令,解碼指令,最後執行指令,需要花費至少三個時鐘週期完成一條指令。到二十世紀90年代時,通過引入深度流水線技術控制

原创 CTR模型中的頻率矯正過程

1 簡介 在用不對稱數據訓練一個預測模型時,比如在訓練廣告的CTR模型時,訓練數據就嚴重正負樣本不對稱,負樣本可能是正樣本的幾百倍,對於這種問題,常用的做法是對負樣本進行採樣,將採樣後的負樣本和正樣本一起作爲訓練數據。但是這樣的訓

原创 Nginx兩種反向代理方式:fastcgi,upstreaming

1 簡介 Nginx反向代理可以通過兩種方式實現,fastcgi和upstreaming 2 fastcgi 該部分以PHP爲例介紹通過fastcgi實現反向代理。 fastcgi相關介紹見這裏 首先安裝Nginx和PHP環境