UVM实战笔记

机器学习实战笔记-Logistic回归

1、Logistics回归优缺点优点：计算简单缺点：容易欠拟合，分类精度不高用于数值型和标称型数据2、梯度上升法：求最大值梯度下降法：求最小值3、list转化为matrix更易于计算datamatrix=mat(datalist)m,n=shape(datamatrix)weights=ones((n,1))h=sigmoid(dataMatrixweights)#(100,1)error=(la
DaBinGoGoGo·2019-02-19 00:00

机器学习实战笔记-KNN

1、K近邻优点：分类精度高、对异常值不敏感缺点：计算量大，空间复杂度高数值型和标称型数据2、建模步骤数据归一化：因计算距离，特征之间需无差别（特别注意点）计算待测样本点与所有样本的距离，选取前k个，选取多数所占的类别3、改进约会网站的配对结果特征是人的特征，标签（喜欢，一般喜欢，不喜欢）根据分类器，输入某个人的相应特征，可以判断出自己对他的情感状态，是否符合预期标准4、手写识别系统非图片类：每张图
DaBinGoGoGo·2019-02-19 00:00

Spring实战笔记（四）-SpringMVC

原文链接：https://my.oschina.net/caofanqi/blog/3009435一、什么是SpringMVCSpringMVC是Spring框架的一部分，是一个表现层框架，它是基于模型视图-控制器（Model-View-Controller，MVC）模式实现，能够帮助我们构建想Spring框架那样灵活和松耦合的Web应用程序。二、SpringMVC架构1、架构流程图2、流程说明：
chunbixi5712·2019-02-13 00:00

Spring Security 实战笔记

久闻SpringSecurity很强大，一直没有机会再实际项目中用到。这次有幸独自负责一个项目的登录，权限，根据权限显示页面目录等功能的开发，再此将开发的核心代码记录一下，方便以后参考。参考demo项目下载地址:https://github.com/xiaoyao880609/security_demo/首先说明项目是springboot所以讲maven依赖jar包引入。org.springfra
有刁民想害朕·2019-02-08 16:45

《机器学习实战》笔记（一）——k-近邻算法（一）

在学习过程中，我极大极大极大地（重要事情说三遍）程度上参考的是Jack-Cui前辈的机器学习实战笔记，也特别感谢Jack-Cui前辈把宝贵的学习经验分享给想我一样的广大菜鸡萌新。
咕噜咕噜冰阔落·2019-01-22 13:37

【TensorFlow实战笔记】对于TED(en-zh)数据集进行Seq2Seq模型实战，以及对应的Attention机制（tf保存模型读取模型）

一、前言其他实战笔记建议先看：《tensorflow实战笔记》通俗详述RNN理论,LSTM理论,以及LSTM对于PTB数据集进行实战其他选看《TensorFlow实战笔记》MINST数字识别问题-简单的神经网络实现
Che_Hongshu·2019-01-11 23:16

【TensorFlow实战笔记】通俗详述RNN理论,LSTM理论,以及LSTM对于PTB数据集进行实战

一、RNN顾名思义，循环则神经元有前后的联系，而不光是像FCN(全连接)那样的只有输入和输出的同时间的输入输出，也可以说这种网络没有利用到时间的信息，更准确的说应该是一种序列信息，不管是位置序列、还是时间序列。１．结构从网络结构上,循环神经网络会记忆之前的信息,并利用之前的信息影响后面结点的输出。也就是说,循环神经网络的隐藏层之间的结点是有连接的,隐藏层的输入不仅包括输入层的输出,还包括上一时刻隐
Che_Hongshu·2019-01-02 12:56

Perl单行实战笔记1：计算metagenome shotgun中每种菌的测序深度

移步github问题描述：对宏基因组（例如肠道微生物）进行全基因组shotgun测序，对其中已知的高丰度菌进行mapping，从而统计每种菌的测序深度现在你有的文件：mapping到各个菌的reads的fasta文件每种菌的refence序列，为fasta格式文件夹结构：workdir|----bins（mapping到各个菌的reads的fasta文件，一种菌一个文件）|----Acetanae
UnderStorm·2018-12-26 18:34

《产品经理-全栈运营实战笔记》前序

我已记不清我是如何进入互联网运营这个行业的，因为从大学时起自己就已开始闲不下来；创过业，小打小闹，也拿过学校举办的创业大赛优秀奖。而在微信公众号红利期的时候，也注册了一个来记录自己的校园经历，只不过那会儿只为给学弟学妹一些指导。现在看来，这些也算是关于产品运营的经历了，只不过那会儿还没有这样称呼而已。在学校的最后阶段，准确地说是学校还没允许学生出来实习的时候，我就已经在努力寻找实习机会。在找了将近
艺林小宇·2018-12-25 15:58

《产品经理-全栈运营实战笔记》前序

我已记不清我是如何进入互联网运营这个行业的，因为从大学时起自己就已开始闲不下来；创过业，小打小闹，也拿过学校举办的创业大赛优秀奖。而在微信公众号红利期的时候，也注册了一个来记录自己的校园经历，只不过那会儿只为给学弟学妹一些指导。现在看来，这些也算是关于产品运营的经历了，只不过那会儿还没有这样称呼而已。在学校的最后阶段，准确地说是学校还没允许学生出来实习的时候，我就已经在努力寻找实习机会。在找了将近
艺林小宇·2018-12-25 15:58

【Java 8实战笔记】为什么要关心Java 8

概述部分使用Java8新的API，流（Stream），它支持许多处理数据的并行操作，由Stream库来选择最佳低级执行机制可以避免使用Synchronized编写代码，这种代码不仅容易出错，并且在多核CPU上的执行成本也很高。因为多核CPU每个处理器内核都有独立的高速缓存。加锁需要这些高速缓存同步运行，而这又需要内核间进行缓慢的缓存一致性协议通信。Streams的作用不仅仅是把代码传递给方法，它提
谢随安·2018-12-19 16:27

机器学习实战笔记（一）- 使用SciKit-Learn做回归分析

一、简介这次学习的书籍主要是Hands-onMachineLearningwithScikit-LearnandTensorFlow（豆瓣：https://book.douban.com/subject/26840215/）,这本偏向实战，阅读前需要对机器学习和python有一定的认知。二、安装Jupyter本书代码主要都是在Jupyter上运行，安装方法也很简单，直接在shell上输入pip3i
彦柏·2018-12-06 11:00

机器学习实战笔记7—K-Means

Python版本3.6机器学习十大算法系列文章：机器学习实战笔记1—k-近邻算法机器学习实战笔记2—决策树机器学习实战笔记3—朴素贝叶斯机
业余狙击手19·2018-11-22 20:46

Spring Boot集成前台模板Thymeleaf实战笔记，系统学习Thymeleaf

Thymeleaf1.理解：（1）Thymeleaf是一款Java模板引擎，类似于JSP,Freemarker,能够处理html,xml,javaScript,Css甚至纯文本；（2）自然模板，原型即页面（3）语法优雅易懂，OGNL,SpringEL（4）使用web标准，支持HTML52.Thymeleaf标准方言（1）识别：（2）方言内容：（3）语法：变量表达式：${........},用于存储
墨营·2018-11-20 22:55

Spark Streaming实时流处理项目实战笔记

第二章分布式日志收集框架Flume课程目录业务现状分析=>flume概述=>flume架构及核心组件=>flume环境部署=>flume实战1、业务现状分析WebServer/ApplicationServer分散在各个机器上大数据平台Hadoop进行统计分析日志如何收集到Hadoop平台上解决方案及存在问题传统从Server到Hadoop处理上存在的问题1.难以监控2.IO的读写开销大3.容错
倩mys·2018-11-12 13:53

Spark Streaming实时流处理项目实战笔记一

SparkStreaming实时流处理项目实战笔记一视频资源下载：https://download.csdn.net/download/mys_mys/10778011第一章：课程介绍Hadoop环境：
倩mys·2018-11-11 20:06

Circos-Windows实战笔记（安装篇）

既然从头开始学习Circos,就得了解Circos到底是啥，首先可以去Circos的官网看看http://circos.ca/一言以蔽之：Circos是一个circos是用于可视化数据和信息的软件包。它以圆形布局可视化数据。具体的可以参照circos官方教程-http://circos.ca/intro/tabular_visualization/。官网图话不多说，开始实战！（1）circos这个
liu_ll·2018-10-30 21:07

JVM配置CMS调优实战笔记

一、背景说明由于原有项目未进行JVM配置，全部是用默认JVM配置，在压测过程中TP99惨不忍睹，Younggc使用PSScavenge，Fullgc使用PSMarkSweep二、JVM基础知识1)虚拟机内存模型：程序计数器、虚拟机栈、本地方法栈、JVM堆、方法区(粗略理解包含永久代)2)垃圾收集算法：标记-清除、复制、标记-压缩、分代收集算法3)jvm堆区分代：Eden(年轻代-伊甸园区)、Sur
TimerBin·2018-10-25 20:30

vue.js学习和实战笔记

vue.js记录文章已同步我的github笔记https://github.com/ymblog/blog，欢迎大家加star~~，加star后人生更加美好……vue实例生命周期beforeCreate：不能访问this.$el和this.$data用于初始化非响应式变量created：可以访问this.$data，不能访问到this.$el属性，this.$refs内容，用于ajax请求，cre
余木·2018-09-28 00:00

python实战笔记之（13）：Scrapy基本用法实例讲解

Scrapy是一个非常强大的异步爬虫框架，它已经给我们写好了许许多多的组件，使用Scrapy我们只用关心爬虫的逻辑就好了。本文通过一个简单的项目了解一下Scrapy的爬取流程，对Scrapy的基本用法也有一个大体的了解。一、目标站点分析Scrapy提供了一个官方抓取网站：http://quotes.toscrape.com，主要列出了一些名人名言，相应的作者和标签信息。下拉到底点击“Next”会进
polyhedronx·2018-09-07 00:42

UBTC项目9月份最新进展

研发：1、UVM的gc模块剥离实现；2、实现Kotlin和C#版token合约模板；3、UVM
amigocc·2018-09-03 19:46

UBTC项目进展-2018.8.27～9.02

UBTCElectrum轻钱包最新版v3.3.1已开放下载UBTCQT/Core钱包最新版v2.2.0.4已开放下载研发：1、UVM
bibitalk·2018-09-03 15:40

JanusGraph实战笔记·数据写入·查询

DataTypes·JanusGraph如何表示、写入和查询数组类型？JanusGraph·Howtorepresent,writeorqueryanarrayinJanusGraph?JanusGraph如何表示一个定点具有多个同名属性JanusGraph定点的属性值不支持数组数据类型collection的使用IfyouareusingElasticsearchthenyoucanindexpr
BrotherDongDong·2018-08-28 11:04

tensorflow深度学习实战笔记（四）：bazel编译tensorflow工具的使用方法

一、下载并安装下载地址：https://github.com/bazelbuild/bazel/releases官网安转教程：https://docs.bazel.build/versions/master/install-ubuntu.html安装比较简单，可以参考官方教程进行。安装成功的测试：在终端输入bazel，如果没有报“未找到命令”，说明已经安装成功。二、bazel常用工具的编译和使用要
chenyuping666·2018-08-27 10:43

tensorflow深度学习实战笔记（三）：使用tensorflow lite把训练好的模型移植到手机端，编译成apk文件

tensorflow源码1.4安装androidstudio二、在Androidstudio中进行开发2.1修改app的build.gradle文件2.2导入自己的模型和标签并进行编译tensorflow深度学习实战笔记
chenyuping666·2018-08-27 10:25

tensorflow深度学习实战笔记（二）：把训练好的模型进行固化

目录一、导出前向传播图二、对模型进行固化三、pb文件转tflite文件说明：接我的上一篇博客：tensorflow深度学习实战笔记（一）：使用tensorflowslim自带的模型训练自己的数据前面讲解了如何用
chenyuping666·2018-08-27 09:26

realm 实战笔记

一、Realm框架官网地址介绍:(1)、realm是一个跨库平台的移动端数据库引擎,支持iOS、OSX(objective-C和swift)以及android(2)、核心数据库引擎C++打造,并不是建立在sqlite上的ORM,是拥有独立的数据库引擎.(3)、性能,据说比sqlite和coredata要快(4)、易用性,相比sqlite、coredata,使用起来更加简单,更易入门.二、使用教程使
Rui哥·2018-08-23 06:42

实战笔记(一):统一返回数据格式与统一异常处理

先感慨一下:要改掉不做笔记的坏毛病呀!先提一嘴:springboot配置Filter有两种方式,一种是编程方式(springboot最开始支持的方式),另一种是注解方式(springboot后来又加了的一种配置方式)。这几个月加班实在厉害,看了点东西,却没有做笔记,后续会补上,并且后面会一直做笔记了,也希望看到这篇博客的搬砖新老同志们也做做笔记啊!之前在一个自己的练手项目中使用第一种配置方式配置过
ArtisticLife·2018-08-20 00:14

SFB 项目经验-51-某上市企业2千人Exchange 2013升级2016高可用之伤01

SFB项目经验-51-某上市企业2千人Exchange2013升级2016高可用之伤01（带病撰写项目实战笔记）问题描述：2000人企业使用Exchange2013邮件服务器标准版，n年!
CTO_LiuJinFeng·2018-08-19 22:13

python实战笔记之（10）：使用pyinstaller打包python程序

做了一个图形界面的小程序，想要分享给别人的话，就要把它打包成exe文件，这样其他人不用安装python环境还有各种库就可以使用了。在打包之前，要保证你当前使用的python环境是“干净”的，什么是干净的，为什么要是干净的的呢？这是因为我们打包的时候只需要把程序中用到的包打包就行了，如果你当前使用的环境安装的包太多的话，比如你用的是Anaconda自带的python环境，里面包含了大量的我们根本用不
polyhedronx·2018-08-16 16:26

docker入门实战笔记

1.什么是docker:docker翻译为搬运工,在这里应该可以理解为搬运应用的工具,也就是云.先了解其运用场景之后更容易对他形成深刻理解.Docker提供了一种可移植的配置标准化机制，允许你一致性地在不同的机器上运行同一个Container；而LXC本身可能因为不同机器的不同配置而无法方便地移植运行；Docker以App为中心，为应用的部署做了很多优化，而LXC的帮助脚本主要是聚焦于如何机器启动
crazykiller·2018-08-14 15:47

python实战笔记之（8）：下载知乎视频

这篇想写很久了，今天专门搞了搞，现在把用python下载知乎视频的整个流程码下来。（1）目标站点分析比如这篇知乎文章https://www.zhihu.com/question/279247693/answer/442578073里有一个小视频，我们想把它下载下来，首先对该网页进行分析。先来看一下原始请求：原始请求有没有返回视频的链接呢？我们点开“Preview”和“Response”看一看：这不
polyhedronx·2018-08-12 23:08

2018-08-12 用户增长学习（二）

《硅谷增长黑客实战笔记》复读要点总结，以及对ONTO增长策略的启发再次阅读《硅谷增长黑客实战笔记》，同时结合参加的作者线下交流活动，总结出关于用户增长的思考以及对ONTO增长策略的启发《硅谷增长黑客实战笔记
Andrew91·2018-08-12 17:49

2018-08-12 用户增长学习（二）

《硅谷增长黑客实战笔记》复读要点总结，以及对ONTO增长策略的启发再次阅读《硅谷增长黑客实战笔记》，同时结合参加的作者线下交流活动，总结出关于用户增长的思考以及对ONTO增长策略的启发《硅谷增长黑客实战笔记
Andrew91·2018-08-12 17:49

python数据分析与挖掘实战笔记二：第99页神经网络训练出现的错误'Some keys in session_kwargs are not supported at this time: %s'

在使用神经网络模型预测销量高低时，系统指出模型训练时出现错误：ValueErrorTraceback(mostrecentcalllast)in()---->1model.fit(x,y,epochs=10,batch_size=10)#训练模型~/anaconda3/lib/python3.6/site-packages/keras/engine/training.pyinfit(self,x,
braveheartm·2018-08-11 23:17

python实战笔记之（6）：使用代理处理反爬抓取微信文章

搜狗（http://weixin.sogou.com/）已经为我们做了一层微信文章的爬取，通过它我们可以获取一些微信文章的列表以及微信公众号的一些信息，但是它有很多反爬虫的措施，可以检测到你的IP异常，然后把你封掉。本文采用代理的方法处理反爬来抓取微信文章。（1）目标站点分析打开搜狗微信，输入要查找的内容，比如我们输入“风景”，就会出现微信文章的列表，向下翻动我们可以发现每页有10条内容，在最下方
polyhedronx·2018-08-11 00:22

tensorflow深度学习实战笔记（一）：使用tensorflow slim自带的模型训练自己的数据

目录0、准备1、数据处理---图片格式转成TFRecord格式2、模型训练3、验证训练后的效果说明：此处可以模仿源码中inceptionv3的分类案例slim预训练好的包含inceptionv1，inceptionv2，inceptionv3，inceptionv4，mobilenetv1，mobilenetv2，NasNet，pNasNet等。可以根据需要进行选择。0、准备0.1准备好自己的数据
chenyuping666·2018-08-09 16:13

python实战笔记之（4）：刷博客浏览量

看着自己写的文章浏览数一点一点增加是非常开心的，但总感觉浏览数增长地太慢了，于是自然想到，为什么不能写一个小程序自动刷博客浏览量呢？Let'sdoit首先，我们尝试用requests打开博客url，看看浏览量是否会增加（当然要用到一点点伪装技术）：importrequestsfromrequestsimportRequestExceptiondefget_page(url):try:headers
polyhedronx·2018-08-07 12:33

python实战笔记之（3）：Selenium模拟浏览器抓取淘宝商品美食信息

淘宝的请求页面是非常复杂的，含有各种请求参数或加密参数，如果直接请求或是分析Ajax将会非常繁琐。Selenium是一个自动化测试工具，它可以驱动浏览器去完成各种操作，比如模拟点击、输入、下拉等各种功能，这样我们就只需要关心操作而不需要关心后台的具体请求过程。本文使用Selenium+Chrome/PhantomJS对淘宝美食信息进行抓取，并存储到MongoDB，使用的解析库是PyQuery。（1
polyhedronx·2018-08-07 00:59

janusGraph实战笔记

JanusGraph·Gremlin-ServerCouldnotinstantiateimplementation:org.janusgraph.diskstorage.es.ElasticSearchIndexgremlin-driver通过maven连接gremlin-server，前端应用出现没反应的状态，查看日志是apache.tinkerpop.gremlin.driver.excep
BrotherDongDong·2018-07-29 20:16

2018年Go语言实战笔记2

继上篇2018年Go语言实战笔记1接触一门新语言，了解其语法结构，常用的包是必须的，同时也是无聊的。有过其他编程语言基础的同学，学习go的语法很简单，参照go文档过一遍就能对go的语法有大致的了解。
闲睡猫·2018-07-26 11:55

《机器学习实战笔记》（一）

一、前言主要记录本人在《机器学习实战》这本书中学习到的相关算法。基本概念数据集类型各种算法适应的数据集种类不同，主要分为标称型和数值型。标称型：一般在有限的数据中取，而且只存在‘是’和‘否’两种不同的结果（一般用于分类）数值型：可以在无限的数据中取，而且数值比较具体化，例如4.02,6.23这种值（一般用于回归分析）二、分类算法(1)、k近邻原理：  将待分类的输入数据特征，与已经分类好的训练集数
Chen-Jt·2018-07-25 20:50

机器学习实战笔记（四）逻辑斯蒂回归

逻辑回归算是接触到最优化的内容了，logistic回归的一般过程step1：收集数据step2：准备数据，这部分意思是将数据转换成我们的代码需要的数据格式，因为logistic需要计算，所以需要数据类型为数值型，结构化的数据最佳step3：分析数据step4：训练算法（占用大量时间），找一个最好的分类回归系数，这边待会会讲step5：验证算法，很快step5：对我们需要测试的数据，先转化成对应的结
hjxu2016·2018-07-24 00:00

机器学习实战笔记（三）朴素贝叶斯分类

暑假期间，总结一下以前学过的知识，如有错误，还请指导.本系列皆是基于＜机器学习实战＞、李航的＜统计学习方法＞以及＜西瓜书＞所记的一些笔记先提一个最简单的例子:现在用p1(x,y)表示数据点(x,y)属于类别1的概率，用p2(x,y)表示数据点(x,y)属于类别2（图中用三角形表示的类别）的概率，那么对于一个新数据点(x,y)，可以用下面的规则来判断它的类别：如果p1(x,y)>p2(x,y)，那么
hjxu2016·2018-07-23 00:00

高质量博客推荐

http://arganzheng.life/archive学习他记笔记的风格大量Java技术栈的实战笔记主要内容图数据库，Neo4jelasticsearchRedis，Spring，JAVANIO
BrotherDongDong·2018-07-20 00:00

第一周项目练习笔记

1.项目实战笔记标签内如果文字不垂直居中，与行高有关系，行高与高度值相等的话，会使内容垂直居中；如果一个标签整体不垂直居中，则通过上下margin值来调节；通过行高与高度的变化，调节内容在垂直方向的位置
果木山·2018-07-19 20:16

机器学习实战笔记（二）决策树

之前介绍的Ｋ－近邻算法可以完成很多分类任务，但是最大的缺点是无法给出数据的内在含义，而决策树很好的解决了这个问题．决策树的优点:计算不复杂，输出易于理解，但缺点也很明显，可能会过拟合．先简单提几个西瓜书中的概念，这里转自https://blog.csdn.net/volvet/article/details/55223569信息增益信息熵可以用来衡量样本集合纯度.假定样本集合D,其中第k类样本所占
hjxu2016·2018-07-19 00:00

机器学习实战笔记-k近邻算法

优点精度高、对异常值不敏感、无数据输入假定缺点计算复杂度高、空间复杂度高适用数据范围数值型和标称型标称型：标称型目标变量的结果只在有限目标集中取值，如真与假（主要用来分类）数值型：数值型目标变量可以从无限的数值集合中取值，如0.2300，1111.1111等（主要用来回归）工作原理存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一个数据与所属分类的对应关
RJzz·2018-07-17 00:00

机器学习实战笔记(一)Ｋ近邻算法

趁着暑假的档期，总结一下机器学习的一些算法，如有表达不清，或者错误的地方，欢迎指导．本篇是基于＜机器学习实战＞并参考＜西瓜书＞以及李航的＜统计机器学习＞这三本书所记的笔记，所有代码均是由ｐｙｔｈｏｎ缩写，且有相对详细的中文注释，其中加入了自己的一些想法．k近邻算法（k-nearestneighbor）也可以叫做ＫＮＮ,是一种基本的分类和回归方法．输入是训练数据的特征向量，当然，ＫＮＮ是不具备显式的
hjxu2016·2018-07-10 00:00

机器学习实战笔记——线性回归

一线性归回拟合回归的目的是预测数值型的目标值，相当于自变量和因变量的关系，最直接的预测方法就是数学公式。如果自变量和因变量满足线性关系，那么他们的关系可以用线性方程y=wx+b表示w和b就是回归系数。在知道x和y的前提下，目标是找到使误差（预测值和实际值之间的距离）最小的w。对一维向量：有n个点（x1，y1），…（xi，yi），…（xn，yn）对w求导令其为0，可以得到w的估计值。y=wx+b推广
Evitaaaaa·2018-06-28 16:24
上一页 28 29 30 31 32 33 34 35 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他