原创 百度2020校招筆試:求最小公倍數與最大公約數之差
題目描述: 輸入輸出描述: 示例: 題目解析: (一)投機取巧版 感覺題目本意是想讓答題者用代碼找最小公倍數和最大公約數的。但是根據觀察,當a和b取n和(n-1)的時候,lcm(a,b)-gcd(a,b)的差就是最小的(最小
原创 圖注意力模型GAT代碼分析(Keras版)
本文分享一個對Keras版GAT源碼的分析。 GAT原文:https://arxiv.org/abs/1710.10903,建議參考着知乎superbrother大神的文章進行理解。 TensorFlow版可以看:https://gith
原创 2019校招華爲機試小記:字符串加密(老鼠屎版)
又到一年好幾度的招聘季,實驗室師兄們紛紛開始筆試。老鼠屎幫師兄們答題一點心得整理如下。 題目一:字符串加密 時間限制:C/C++1秒,其他語言2秒
原创 老鼠屎地理信息可視化第三彈:Plotly+Pyecharts繪製地理座標系線圖
由於最近老鼠屎做的東西和地圖上的線型圖相關,因此在這裏做一點簡單總結。很多地方都調試得很不理想,希望成功的地方可以給大家帶來一點點啓發,不理想的地方也歡迎大神們賜教。 1 Plotly 1.1 地圖上繪製線 有關pyplo
原创 Keras實戰:基於LSTM的股價預測方法
Hi,這裏是一隻殫精竭慮的老鼠屎。最近在處理公交數據,模型效果非常不理想。過程中學習了師兄留下的lstm做的金融數據預測,使用的是keras框架,這裏整理一下。這篇博客裏面交代了包括數據的處理、模型搭建、模型調參、模型評估等重要環
原创 修正的線性激活函數(Relu)如何避免梯度消失
2019年的第一篇博客。主要譯自Machine Learning Mastery,加上了一點點自己的想法。如有問題,歡迎批評指正~ 消失梯度問題是在訓練深度神經網絡時可能遇到的不穩定問題之一。它描述了深度多層前饋網絡或循
原创 地鐵大數據挖掘之數據預處理——從原始一卡通數據提取城市地鐵客流(二)
關於初步處理,請參考地鐵大數據挖掘之客流數據預處理——從原始一卡通數據提取城市地鐵客流(一)。 上一篇博客對數據進行了初步處理,得到結果如下圖: ”_10min“字段代表所處的時間片(比如1代表0:00-0
原创 地鐵大數據挖掘之數據預處理——從原始一卡通數據提取城市地鐵客流(一)
這是很久以前寫的一段代碼,很簡單很基礎。最近突然用到,這裏把它分享出來,希望可以爲有需要的朋友提供幫助。 以及歡迎閱讀這一系列第二篇:地鐵大數據挖掘之客流數據預處理——從原始一卡通數據提取城市地鐵客流(二) 1 解壓文件
原创 SQL語句執行順序
被小哥瘋狂輸出一晚上,大體講明白了SQL語句執行順序。這邊總結一下。 NOTE:關於SQL基礎知識,可以參考博文SQL零階入門學習筆記(基礎篇);關於SQL的函數應用,可以參考博文SQL函數學習筆記。 一、書寫順序 SE
原创 SQL函數學習筆記
SQL 擁有很多可用於計數和計算的內建函數。 1 簡介 1.1 函數的語法 內建 SQL 函數的語法是: SELECT function(列) FROM 表 1.2 函數的類型 在 SQL 中,基本的函數類型和種類有若干
原创 SQL零階入門學習筆記(基礎篇)
臨時抱佛腳學SQL,在這邊做一些整理。部分實例摘抄自W3School.由於是有PYTHON pandas的基礎上看SQL,感覺兩者衚衕的地方是很多的。 1 基本結構 可以把 SQL 分爲兩個部分:數據操作語言 (DML)
原创 如何建立Multi-Step(多步預測)的LSTM時間序列模型(以對家庭用電預測爲例)
譯自How to Develop LSTM Models for Multi-Step Time Series Forecasting of Household Power Consumption~ 隨着智能電錶的興起和太
原创 Attention如何在Encoder-Decoder循環神經網絡中見效(原理篇)
轉眼間來到了二年級下學期,馬上就要面臨找工作的巨大壓力。起風了,唯有努力生存~願努力可以有所成效。 這一篇想要講一講Attention機制。文章框架主要翻譯自How Does Attention Work in Encode
原创 如何理解Keras中的TimeDistributed層並在LSTM中使用
老規矩,主要框架譯自How to Use the TimeDistributed Layer for Long Short-Term Memory Networks in Python~,中間加了一點點自己的理解。 長短時
原创 如何利用Keras在深度神經網絡中進行堆棧集成(Stacking Ensemble)
譯自Machine Learning Mastery~ 模型平均是一種集成技術,其中多個子模型對組合預測的貢獻相等。 利用子模型的預期性能,加權各子模型對組合預測的貢獻,可以改善模型平均。通過培訓一個全新的模型來學