<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[BulletTech2021的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/BulletTech2021</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; BulletTech2021]]></copyright><item><title><![CDATA[集成学习小介]]></title><link>https://blog.youkuaiyun.com/BulletTech2021/article/details/122813422</link><guid>https://blog.youkuaiyun.com/BulletTech2021/article/details/122813422</guid><author>BulletTech2021</author><pubDate>Mon, 07 Feb 2022 19:17:30 +0800</pubDate><description><![CDATA[机器学习之集成学习]]></description><category></category></item><item><title><![CDATA[ANOVA方差分析]]></title><link>https://blog.youkuaiyun.com/BulletTech2021/article/details/122354052</link><guid>https://blog.youkuaiyun.com/BulletTech2021/article/details/122354052</guid><author>BulletTech2021</author><pubDate>Thu, 06 Jan 2022 22:08:17 +0800</pubDate><description><![CDATA[1 前言

上回书说到最小样本量的选择更侧重单样本或两样本均值和比率的检验。关于多个样本的均值检验可以另开一篇ANOVA方差分析(Analysis of Variance)来讲。新的一年从扶起去年的flag开始，所以我来填坑啦！

开始之前先思考一个问题：已经有了万能又好用的AB test，为什么还需要方差分析呢？答案很简单，在生产环境中，我们感兴趣的因变量通常会受到众多因素的影响。比如新药的有效性受到适应症、剂量、给药途径和方法、每日给药次数等条件的影响，比如商品销量受到广告投放，商品价格，淡旺季等等条件]]></description><category></category></item><item><title><![CDATA[TensorFlow推荐系统（二）]]></title><link>https://blog.youkuaiyun.com/BulletTech2021/article/details/122284939</link><guid>https://blog.youkuaiyun.com/BulletTech2021/article/details/122284939</guid><author>BulletTech2021</author><pubDate>Mon, 03 Jan 2022 10:53:17 +0800</pubDate><description><![CDATA[1 前言

读过 TensorFlow推荐系统（一）的朋友们应该还有印象，上回我们介绍的模型是信息检索（retrieval），而在推荐系统中还有另一个任务模型，即为信息排序（ranking）。在排序阶段，其主要任务是对检索模型产出的条目进行调整以选择最有可能被用户喜欢和选择的电影条目。

今天，我们将详细介绍一下排序模型的原理和调用实例。

2 源码解析


	数据准备，获取数据并拆分数据集。
	
	
	搭建排序模型。
	
	
	拟合并评估模型。
	
2.1 数据准备


importos
import..]]></description><category></category></item><item><title><![CDATA[最小样本量n的选择]]></title><link>https://blog.youkuaiyun.com/BulletTech2021/article/details/122075245</link><guid>https://blog.youkuaiyun.com/BulletTech2021/article/details/122075245</guid><author>BulletTech2021</author><pubDate>Tue, 21 Dec 2021 22:48:32 +0800</pubDate><description><![CDATA[1 前言

读曼昆的经济学原理的时候，印象最深刻的一句话是：People face trade-offs, the cost of something is what you give up to get it. 简单来说就是事物都有成本，每个选择都面临取舍。这句话在生产环境中尤为合适。当研发新药的时候，当金融机构对策略进行分析的时候，当判断系统某个新功能是否有效的时候，在一切需要假设检验的地方，就会面临检验样本量的选择。样本量太小，则检验的可信度不高，没有说服力；样本量太大，则成本过高，不可取。在这种情况]]></description><category></category></item><item><title><![CDATA[TensorFlow推荐系统（一）]]></title><link>https://blog.youkuaiyun.com/BulletTech2021/article/details/121941086</link><guid>https://blog.youkuaiyun.com/BulletTech2021/article/details/121941086</guid><author>BulletTech2021</author><pubDate>Tue, 14 Dec 2021 22:00:27 +0800</pubDate><description><![CDATA[TensorFlow Recommender ——介绍电影推荐原理及解析源码。]]></description><category></category></item><item><title><![CDATA[Python爬虫获取租房数据]]></title><link>https://blog.youkuaiyun.com/BulletTech2021/article/details/121756396</link><guid>https://blog.youkuaiyun.com/BulletTech2021/article/details/121756396</guid><author>BulletTech2021</author><pubDate>Mon, 06 Dec 2021 21:17:52 +0800</pubDate><description><![CDATA[1 前言
租房/有房要出租的小伙伴们看过来~本文介绍如何用Python爬取上海链家租房数据。
此次侧重XPath的使用和反爬虫小技巧。XPath是用路径表达式在XML文档中选取节点，这里也同样适用于HTML文档的搜索。]]></description><category></category></item><item><title><![CDATA[Docker之数据的可持续化]]></title><link>https://blog.youkuaiyun.com/BulletTech2021/article/details/121618828</link><guid>https://blog.youkuaiyun.com/BulletTech2021/article/details/121618828</guid><author>BulletTech2021</author><pubDate>Mon, 29 Nov 2021 20:34:38 +0800</pubDate><description><![CDATA[Docker之数据的可持续化管理- Docker Volumes]]></description><category></category></item><item><title><![CDATA[有趣API介绍1.0]]></title><link>https://blog.youkuaiyun.com/BulletTech2021/article/details/121588389</link><guid>https://blog.youkuaiyun.com/BulletTech2021/article/details/121588389</guid><author>BulletTech2021</author><pubDate>Sun, 28 Nov 2021 11:03:08 +0800</pubDate><description><![CDATA[给大家介绍两个沙雕又有趣的API随机生成土味情话和活动推荐。]]></description><category></category></item><item><title><![CDATA[使用GitHub Action自动构建和推送Docker镜像]]></title><link>https://blog.youkuaiyun.com/BulletTech2021/article/details/121444287</link><guid>https://blog.youkuaiyun.com/BulletTech2021/article/details/121444287</guid><author>BulletTech2021</author><pubDate>Sat, 20 Nov 2021 19:38:39 +0800</pubDate><description><![CDATA[1 前言

在这篇文章里，我们将介绍如何使用GitHub Action自动推送Docker镜像到镜像仓库，大大简化构建镜像、推送镜像的繁琐步骤！我们之前介绍了很多GitHub的酷炫功能，为了方便理解这篇文章的内容，建议阅读之前的文章回顾基本的GitHub操作知识，特别是GitHub Action：


	一行代码都不写，教你使用GitHub
	
	
	Git常用命令一览
	
	
	玩转GitHub
	
	
	用GitHub做一份精美的在线简历
	
	
	GitHub Action概览
	
同时，如果需要理解]]></description><category></category></item><item><title><![CDATA[教你成功在Win10系统中运行docker]]></title><link>https://blog.youkuaiyun.com/BulletTech2021/article/details/121343393</link><guid>https://blog.youkuaiyun.com/BulletTech2021/article/details/121343393</guid><author>BulletTech2021</author><pubDate>Mon, 15 Nov 2021 21:07:20 +0800</pubDate><description><![CDATA[1 前言

在上文Docker初体验中我们介绍了Docker的一些基本概念和常用命令，但因为Docker是在Linux系统下创建的资源分离机制，所以它无法在Windows系统下直接运行。这次我们将用3分钟的时间介绍一下如何在Win10系统下运行Docker。

2 下载Docker

用户可以根据自己的系统在Docker官网选择Mac[1]或Windows[2]，因为Docker可以在Mac系统中安装后可以直接运行，这里就不再赘述。

安装完Docker，并注册个人账号，再双击启动它，你会发现并不像你想的那]]></description><category></category></item><item><title><![CDATA[GitHub Action概览]]></title><link>https://blog.youkuaiyun.com/BulletTech2021/article/details/121308841</link><guid>https://blog.youkuaiyun.com/BulletTech2021/article/details/121308841</guid><author>BulletTech2021</author><pubDate>Sat, 13 Nov 2021 19:35:59 +0800</pubDate><description><![CDATA[1 前言

我们之前介绍了很多GitHub的酷炫功能，为了方便理解这篇文章的内容，建议阅读之前的文章回顾基本的GitHub操作知识：


	一行代码都不写，教你使用GitHub
	
	
	Git常用命令一览
	
	
	玩转GitHub
	
	
	用GitHub做一份精美的在线简历
	
在这篇文章里，我们将介绍如何使用GitHub Action，简化重复机械的工作，以大大提高效率、节省时间。

2 GitHub Action概览

GitHub Action可以自动执行自定义的脚本完成预先设定的工作。用户需要]]></description><category></category></item><item><title><![CDATA[深度学习 101-搭建 ResNet 识别鲜花图像]]></title><link>https://blog.youkuaiyun.com/BulletTech2021/article/details/121307621</link><guid>https://blog.youkuaiyun.com/BulletTech2021/article/details/121307621</guid><author>BulletTech2021</author><pubDate>Sat, 13 Nov 2021 17:44:14 +0800</pubDate><description><![CDATA[1 前言

ResNet 是一种经典的图像识别领域模型，在 2015 年图像识别领域多个竞赛中排行第一，并且性能上相较第二有大幅提升。在这篇文章里，我们就站在巨人们的肩膀上，搭建一个基于 ResNet 识别花卉图片（Oxford 102 Flowers）的神经网络吧。

2 ResNet 简介

在 ResNet 以前，由于存在梯度消失和梯度爆炸的问题，神经网路层数越深，网络越难以训练，导致深层网络的准确度出现下降。

ResNet 通过引入残差块（Residual block），将 a[l]添加到第二个 ]]></description><category></category></item><item><title><![CDATA[Docker初体验]]></title><link>https://blog.youkuaiyun.com/BulletTech2021/article/details/121185062</link><guid>https://blog.youkuaiyun.com/BulletTech2021/article/details/121185062</guid><author>BulletTech2021</author><pubDate>Sat, 06 Nov 2021 21:18:30 +0800</pubDate><description><![CDATA[1. 前言

因为作者之前并没有太多产品开发和部署的经验，所以初入团队时，确实花了一段时间学习Docker概念和应用。那么今天就跟大家分享一下如何从零到一地打开Docker的大门吧。

2. Docker的基本概念

Docker是一个开放源代码的软件，程序员用Python、Java等面向对象的语言能够设计出产品，为什么还要使用它呢？这是因为我们在开发时需要很多特定的包和配置文件去搭建环境，如果用户想要在不同的系统环境去调用它，是一件很费时费力的事情。那么这个时候Docker就派上用场了。Docker可以帮]]></description><category></category></item><item><title><![CDATA[用GitHub做一份精美的在线简历]]></title><link>https://blog.youkuaiyun.com/BulletTech2021/article/details/121089094</link><guid>https://blog.youkuaiyun.com/BulletTech2021/article/details/121089094</guid><author>BulletTech2021</author><pubDate>Mon, 01 Nov 2021 21:22:18 +0800</pubDate><description><![CDATA[1 前言

我们之前介绍了很多GitHub的酷炫功能，为了方便理解这篇文章的内容，建议阅读之前的文章回顾基本的GitHub操作知识：


	一行代码都不写，教你使用GitHub
	
	
	Git常用命令一览
	
	
	玩转GitHub
	
在这篇文章里，我们将介绍如何使用GitHub制作在线简历、打造一个所有人都能访问的网站展示自己。

2 制作在线简历

2.1 下载示例代码

本示例采用Bootstrap的模板，请前往BulletTech的官方GitHub账号里找到Resume仓库[1]下载示例代码。
]]></description><category></category></item><item><title><![CDATA[浅谈数据的搜索和排序]]></title><link>https://blog.youkuaiyun.com/BulletTech2021/article/details/121042286</link><guid>https://blog.youkuaiyun.com/BulletTech2021/article/details/121042286</guid><author>BulletTech2021</author><pubDate>Fri, 29 Oct 2021 20:37:28 +0800</pubDate><description><![CDATA[1. 引言

作为一名数据分析师，当然离不开数据结构中的重要概念——搜索和排序。

了解各类排序和搜索算法，可以帮助我们在工作中选择排序和搜索方式时，不仅要考虑数据的特点，还要考虑计算资源。接下来，我们就来简单地用Python代码介绍几种数据搜索和数据排序方法。

2. Python的代码实现

2.1 数据搜索

2.1.1 顺序搜索

Python列表的特点之一就是每一个元素都有自己的位置，数据项的位置就是它的下标。因为下标是有序的，所以能够有序访问每个元素，由此可以进行顺序搜索。顾名思义，顺序搜索将会]]></description><category></category></item><item><title><![CDATA[实用SQL代码解析工具——sqlparse]]></title><link>https://blog.youkuaiyun.com/BulletTech2021/article/details/120962424</link><guid>https://blog.youkuaiyun.com/BulletTech2021/article/details/120962424</guid><author>BulletTech2021</author><pubDate>Mon, 25 Oct 2021 22:49:16 +0800</pubDate><description><![CDATA[1 引言

一个数据分析团队往往会积累大量基于SQL的代码，用于日常的报表，模型数据提取，业务决策等等。有时随着公司的发展和技术更替，公司的数据仓库会进行迁移或重构，当表结构，字段名或者表名发生变化时，包含这些表的SQL代码就需要相应地进行改写。人为改写一段段业务代码，尤其是对字段或者表名的修改，往往比较重复而且容易遗漏。

懒惰是程序员的第一生产力，既然是重复的工作，那么有没有什么工具可以帮助我们自动化这一过程呢？

2 sqlparse开源库

2.1 介绍

想要改写SQL代码，关键的一步是对SQL进]]></description><category></category></item><item><title><![CDATA[金融风控特征工程小结]]></title><link>https://blog.youkuaiyun.com/BulletTech2021/article/details/120920640</link><guid>https://blog.youkuaiyun.com/BulletTech2021/article/details/120920640</guid><author>BulletTech2021</author><pubDate>Sat, 23 Oct 2021 14:35:09 +0800</pubDate><description><![CDATA[1 前言

前一阵子总结了下自己参加的信贷违约风险预测比赛的数据处理和建模的流程，发现自己对业务上的特征工程认识尚浅，凑巧在Kaggle上曾经也有一个金融风控领域——房贷违约风控的比赛，里面有许多大神分享了他们的特征工程方法，细看下来有不少值得参考和借鉴的地方。

2 赛题和数据简介

这个比赛也是经典的监督学习中的二分类问题，需要我们根据用户的申请信息，征信信息（Bureau）以及用户在该机构的信用历史等信息，预测申请人贷款违约的概率。由于赛题是做贷前预测，所以需要找的特征主要是挖掘客户是否存在欺诈，..]]></description><category></category></item><item><title><![CDATA[SnowFlake权限概览]]></title><link>https://blog.youkuaiyun.com/BulletTech2021/article/details/120855876</link><guid>https://blog.youkuaiyun.com/BulletTech2021/article/details/120855876</guid><author>BulletTech2021</author><pubDate>Tue, 19 Oct 2021 21:59:59 +0800</pubDate><description><![CDATA[1 前言

在数据库中正确管理对象（如数据库、表等）的权限非常重要，但却又常被人忽视，往往涉及到权限问题、碰到麻烦时，才会后悔当时没有认真对待权限管理。因此这篇文章将以非常火爆的SnowFlake数据仓库为例，简明扼要地讲解权限管理的重要概念和常用命令。建议点赞收藏，日后回顾使用！

2 SnowFlake权限控制框架

SnowFlake有两种权限控制模型：


	Discretionary Access Control (DAC)，自主访问控制：每一个对象（Object）有一个所有者（Owner），所有]]></description><category></category></item><item><title><![CDATA[在Apple Silicon Macs上安装TensorFlow]]></title><link>https://blog.youkuaiyun.com/BulletTech2021/article/details/120686169</link><guid>https://blog.youkuaiyun.com/BulletTech2021/article/details/120686169</guid><author>BulletTech2021</author><pubDate>Sun, 10 Oct 2021 14:37:09 +0800</pubDate><description><![CDATA[1 前言

M1 Mac mini 使用半年体验 - Mac的新未来这篇文章提到了Apple Silicon Mac的出色表现，但兼容性问题对于普通用户而言仍然不容忽视，其中，安装TensorFlow就不像在Intel Macs上用一句pip install tensorflow这么简单。但众多开发者和Apple自己都在为Apple Silicon Macs的优化工作不断努力，现在安装TensorFlow已经容易很多了。这篇文章会分享在Apple Silicon Macs上安装TensorFlow的推荐方法]]></description><category></category></item><item><title><![CDATA[使用tf.keras自定义模型]]></title><link>https://blog.youkuaiyun.com/BulletTech2021/article/details/120633726</link><guid>https://blog.youkuaiyun.com/BulletTech2021/article/details/120633726</guid><author>BulletTech2021</author><pubDate>Thu, 07 Oct 2021 10:55:51 +0800</pubDate><description><![CDATA[1 前言

tf.keras提供了许多方便调用的API构建深度学习模型，但有些情况需要自定义层和模型，因此在这篇文章里，我们将着眼自定义模型，使用TensorFlow 2.X里的自定义方法为解决方案提供更多灵活性。

2 自定义层

2.1 创建没有权重的层

当自定义层无需权重时，使用tf.keras.layers.Lambda会非常方便，示例如下：


exponential_layer=keras.layers.Lambda(lambdax:tf.exp(x))


然后这个自定义层可以像其他...]]></description><category></category></item></channel></rss>