<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[CoderBoom的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/CoderBoom</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; CoderBoom]]></copyright><item><title><![CDATA[vimtutor]]></title><link>https://blog.youkuaiyun.com/CoderBoom/article/details/116698300</link><guid>https://blog.youkuaiyun.com/CoderBoom/article/details/116698300</guid><author>CoderBoom</author><pubDate>Wed, 12 May 2021 10:50:22 +0800</pubDate><description><![CDATA[vimtutor
简介
vimtutor是vim这款知名的文本编辑器的学习工具/指南。语法如下。
vimtutor [-g] [language]
gvimtutor
-g选项和gvimtutor是启动GUI版本的指南，需要系统支持，一般来说我们只需要键入这2种命令形式。
vimtutor
vimtutor zh
一种启用英文，一种启用中文，建议阅读英文指南。
当我们运行vimtutor的时候，看到是有点类似于man手册的帮助文档，但是它和man不同，man使用的是less命令来阅读帮助文档。
而vimtu]]></description><category></category></item><item><title><![CDATA[Linux常用操作----未完]]></title><link>https://blog.youkuaiyun.com/CoderBoom/article/details/116698244</link><guid>https://blog.youkuaiyun.com/CoderBoom/article/details/116698244</guid><author>CoderBoom</author><pubDate>Wed, 12 May 2021 10:32:47 +0800</pubDate><description><![CDATA[Linux常用操作
修改jupyter启动目录
cd \
E:
cd E:\my_jupyter_path\jupyter_workspace
jupyter notebook
pause

遍历两个日期
### 方法1 ： while循环
start=$(date -d "${1}" +%F)
end=$(date -d "${2}" +%F)
while ${start}!=${end}
do
	start=`date -d "+1 day ${start}" +%F`
	echo ${start}
d]]></description><category></category></item><item><title><![CDATA[MachineLearning小汇总----持续更新......]]></title><link>https://blog.youkuaiyun.com/CoderBoom/article/details/88838852</link><guid>https://blog.youkuaiyun.com/CoderBoom/article/details/88838852</guid><author>CoderBoom</author><pubDate>Wed, 27 Mar 2019 10:49:22 +0800</pubDate><description><![CDATA[目标函数定义 : 
1. GBDT(Gradient Boosting Decision Tree)
Gradient Boosting是一种Boosting的方法 , 它的主要思想是每一次建立模型是在之前建立模型损失函数的梯度下降方向。损失函数式评价模型性能(一般为拟合程度+正则项) , 认为损失函数越小 , 性能越好 。而让损失函数持续下降 , 就能使得模型不断提升性能 , 其最好的方法就是使...]]></description><category></category></item><item><title><![CDATA[推荐系统-Ctr点击率预估理论基础及项目实战]]></title><link>https://blog.youkuaiyun.com/CoderBoom/article/details/88785995</link><guid>https://blog.youkuaiyun.com/CoderBoom/article/details/88785995</guid><author>CoderBoom</author><pubDate>Mon, 25 Mar 2019 09:21:54 +0800</pubDate><description><![CDATA[Ctr点击率预估理论基础及项目实战
1.机器学习推荐算法模型回顾

召回(粗排)

利用业务规则结合机器学习推荐算法得到初始推荐结果，得到部分商品召回集
ALS\UserCF\ItemCF\FP-Growth\规则等方式召回


排序(精排)

1期：根据不同推荐位通过不同的模型得到推荐结果
2期：将推荐的所有结果通过Ctr或Cvr预估结果进行排序
GBDT\LR\GBDT+LR\FM()\FFM...]]></description><category></category></item><item><title><![CDATA[解决数据不平衡]]></title><link>https://blog.youkuaiyun.com/CoderBoom/article/details/88524813</link><guid>https://blog.youkuaiyun.com/CoderBoom/article/details/88524813</guid><author>CoderBoom</author><pubDate>Wed, 13 Mar 2019 09:28:04 +0800</pubDate><description><![CDATA[解决数据不平衡问题方案
机器学习中不平衡数据集的工具箱
软件包：imbalanced-learn0.3.2
介绍文档：https://pypi.python.org/pypi/imbalanced-learn/
API文档：http://contrib.scikit-learn.org/imbalanced-learn/stable/
详细API：http://contrib.scikit-lea...]]></description><category></category></item><item><title><![CDATA[GBDT&XGBoost&LightGBM的区别]]></title><link>https://blog.youkuaiyun.com/CoderBoom/article/details/88524247</link><guid>https://blog.youkuaiyun.com/CoderBoom/article/details/88524247</guid><author>CoderBoom</author><pubDate>Wed, 13 Mar 2019 09:02:33 +0800</pubDate><description><![CDATA[GBDT&amp;amp;XGBoost&amp;amp;LightGBM的区别
GBDT
​	梯度提升树是在提升树的基础上发展而来的一种适用范围更广的方法 , 当处理回归问题时 , 提升树可以看作是梯度提升树的特例(分类问题时不时特例) . 因为提升树在构建树的每一步的过程中都是去拟合上一步获得模型在训练集上的残差 . 这个残差正好是损失函数的梯度 , 对应于GBDT每一步要拟合的对象 .


主要思想
​	在...]]></description><category></category></item><item><title><![CDATA[推荐系统-用户标签预测算法基础实践-决策树2]]></title><link>https://blog.youkuaiyun.com/CoderBoom/article/details/88116403</link><guid>https://blog.youkuaiyun.com/CoderBoom/article/details/88116403</guid><author>CoderBoom</author><pubDate>Mon, 04 Mar 2019 14:36:13 +0800</pubDate><description><![CDATA[推荐系统-用户标签预测算法基础实践
1.泰坦尼克号获救人员识别实战

加强iris的代码实战(掌握)
代码版本一 : 未经过pca降温的X

#1.进行数据的读入---导入数据
from sklearn.datasets import load_iris
iris=load_iris()
#2.对数据进行简单的统计分析和图形化的展示
print(iris.keys())#['data', 'tar...]]></description><category></category></item><item><title><![CDATA[推荐系统-用户标签预测算法基础实践-决策树(一)]]></title><link>https://blog.youkuaiyun.com/CoderBoom/article/details/87862659</link><guid>https://blog.youkuaiyun.com/CoderBoom/article/details/87862659</guid><author>CoderBoom</author><pubDate>Thu, 21 Feb 2019 15:55:34 +0800</pubDate><description><![CDATA[推荐系统-用户标签预测算法基础实践
1.用户画像概述

用户画像就是给到用户打标签
用户画像
用户角色
用户属性

用户画像和用户角色较为接近，而用户属性使用户的画像中的子集


用户画像阶段

1.用户画像基础
2.用户画像指标体系
3.标签数据存储方式
4.标签数据开发
5.性能优化及作业调度
6.用户画像应用及优化


用户画像基础场景用

搜索领域
个性化推荐领域
其他领域


个人征信数...]]></description><category></category></item><item><title><![CDATA[推荐系统-Python语言及数据科学库基础(三)]]></title><link>https://blog.youkuaiyun.com/CoderBoom/article/details/87386867</link><guid>https://blog.youkuaiyun.com/CoderBoom/article/details/87386867</guid><author>CoderBoom</author><pubDate>Fri, 15 Feb 2019 20:51:29 +0800</pubDate><description><![CDATA[机器学习语言必备-数据科学必备库
1.Pandas介绍

Pandas的名称来自于panel data(面板数据)和Python数据分析(data analysis)，Pandas是处理结构化数据的利器，利用python数据以及数据结构完成对结构化数据的处理和分析功能。
特点

1.一个强大的分析和操作大型**结构化数据集**所需的工具集
2.基础是NumPy，提供了高性能矩阵的运算
3.提供了大...]]></description><category></category></item><item><title><![CDATA[推荐系统-Python语言及数据科学库基础(二)]]></title><link>https://blog.youkuaiyun.com/CoderBoom/article/details/87121562</link><guid>https://blog.youkuaiyun.com/CoderBoom/article/details/87121562</guid><author>CoderBoom</author><pubDate>Fri, 15 Feb 2019 10:17:49 +0800</pubDate><description><![CDATA[机器学习语言必备-Python语言入门(二)
1.函数详解


函数分为4中类型

根据参数和返回值进行判断

没有返回值没有参数
有参数没有返回值
没有返回值有参数
有参数有返回值的





全局变量和局部变量

global



#函数有几种类型：
#1.函数的返回值
#2.函数的参数

#无返回值无参数
def repeatString():
    print(&amp;quot;helloWorld\...]]></description><category></category></item><item><title><![CDATA[推荐系统-Python语言及数据科学库基础(一)]]></title><link>https://blog.youkuaiyun.com/CoderBoom/article/details/87121462</link><guid>https://blog.youkuaiyun.com/CoderBoom/article/details/87121462</guid><author>CoderBoom</author><pubDate>Fri, 15 Feb 2019 10:17:07 +0800</pubDate><description><![CDATA[机器学习语言必备-Python语言入门(一）
Python基础+数据科学基础[Numpy/Pandas/Matplotlib/Scipy]
1.Python语言介绍&amp;amp;amp; 为什么Python如此受欢迎？

Python语言特点

Python：面向对象+解释型
Python解析器：4种

Cpython
Jpython
IronPython
PyPy


Python版本

Python2.x...]]></description><category></category></item><item><title><![CDATA[推荐系统-关联规则理论基础与业务实践]]></title><link>https://blog.youkuaiyun.com/CoderBoom/article/details/86663908</link><guid>https://blog.youkuaiyun.com/CoderBoom/article/details/86663908</guid><author>CoderBoom</author><pubDate>Sun, 27 Jan 2019 10:23:20 +0800</pubDate><description><![CDATA[推荐系统-关联挖掘算法实战
1.基于知识的推荐方法简介

基于知识区别于以往基于协同过滤算法，基于知识的推荐更多的是交互式问答的环节，分为基于约束的部分，第二是基于实例的部分，使用基于关联规则方法全是基于知识的推荐。

2.关联规则算法引入

啤酒与尿布的故事
关联规则-------寻找关联购买商品的关系
**关联分析，**用于发现隐藏在大型数据集中有意义的联系。
购物篮分析----一次购买分析-...]]></description><category></category></item><item><title><![CDATA[推荐系统-基于模型协同过滤理论基础与业务实]]></title><link>https://blog.youkuaiyun.com/CoderBoom/article/details/86653083</link><guid>https://blog.youkuaiyun.com/CoderBoom/article/details/86653083</guid><author>CoderBoom</author><pubDate>Sun, 27 Jan 2019 10:19:20 +0800</pubDate><description><![CDATA[推荐系统-基于模型协同过滤理论基础与业务实践
1.SparkMllib库框架详解

Spark机器学习库

五个组件

ML Algratham算法 : 分类 , 聚类 , 降维 , 协同过滤
Pipelines管道 ----
Featurization 特征化---- 特征抽取 , 特征转换 , 特征降维 , 特征选择
Persistence 持久化---- 模型的保存 , 读取 , 管道操作
...]]></description><category></category></item><item><title><![CDATA[推荐系统-经典协同过滤算法【基于记忆的协同过滤算法、基于模型的协同过滤算法】]]></title><link>https://blog.youkuaiyun.com/CoderBoom/article/details/86500347</link><guid>https://blog.youkuaiyun.com/CoderBoom/article/details/86500347</guid><author>CoderBoom</author><pubDate>Tue, 15 Jan 2019 22:31:27 +0800</pubDate><description><![CDATA[推荐系统-经典协同过滤理论基础实践
1.协同过滤推荐方法CF简介

协同过滤CF

基于记忆的协同过滤 ---- 用户和物品的相似度矩阵

用户相似度的推荐
物品相似度推荐
UserCF用户协同过滤算法
ItemCF物品的协同过滤推荐算法


基于模型的协同过滤 ---- 隐因子

LFM(latent fator machine)隐藏因子的分解模型-----矩阵分解(将一个矩阵分解成连个矩阵的乘...]]></description><category></category></item><item><title><![CDATA[推荐系统-机器学习理论基础详解01]]></title><link>https://blog.youkuaiyun.com/CoderBoom/article/details/86497039</link><guid>https://blog.youkuaiyun.com/CoderBoom/article/details/86497039</guid><author>CoderBoom</author><pubDate>Tue, 15 Jan 2019 18:09:52 +0800</pubDate><description><![CDATA[推荐系统-机器学习理论基础详解
1.大数据时代究竟改变了什么？(了解)

改变的是思维方式
1.数据重要性：

数据资源--------数据资产(增值)


2.方法论：

基于知识的理论完美主义-------基于数据的历史经验主义
翻译：你好吗？

基于知识翻译：----借助语言学家

你 you  your
好 good best等
吗 do does等
Are you good？
Are y...]]></description><category></category></item><item><title><![CDATA[storm_入门02学习笔记----【storm原理、storm整个hdfs和mysql、storm定时器使用、日志监控告警项目的流程和业务处理逻辑】]]></title><link>https://blog.youkuaiyun.com/CoderBoom/article/details/85009743</link><guid>https://blog.youkuaiyun.com/CoderBoom/article/details/85009743</guid><author>CoderBoom</author><pubDate>Fri, 14 Dec 2018 21:23:32 +0800</pubDate><description><![CDATA[storm_入门02学习笔记
1、目标

1、掌握storm任务提交和执行过程
2、掌握storm整合hdfs和mysql
3、掌握storm定时器使用
4、掌握日志监控告警项目的流程和业务处理逻辑

2、storm内部原理和任务提交


（1）客户端提交topology到nimbus主节点
（2）nimbus主节点接受到客户端的任务信息，然后保存到本地目录，后期把任务的分配信息写入到zk集群中
...]]></description><category></category></item><item><title><![CDATA[storm_入门01学习笔记----【storm集群搭建、一键脚本启动关闭storm、storm与kafka整合】]]></title><link>https://blog.youkuaiyun.com/CoderBoom/article/details/84980202</link><guid>https://blog.youkuaiyun.com/CoderBoom/article/details/84980202</guid><author>CoderBoom</author><pubDate>Wed, 12 Dec 2018 22:02:26 +0800</pubDate><description><![CDATA[storm_day01学习笔记
1、目标

1、熟悉storm的相关概念
2、掌握搭建一个storm集群
3、掌握编写简单的storm应用程序
4、掌握storm的并行度设置
5、掌握storm的数据分发策略
6、掌握storm与kafka整合

2、storm概述
2.1 storm是什么
storm是由twitter公司开源，捐献apache基金会，是一个实时处理框架。
storm特点：来一条...]]></description><category></category></item><item><title><![CDATA[Hbase入门----【hbase内部原理和架构(★★★★★)、掌握hbase的寻址机制(★★★★★)、hbase表中的rowkey设计(★★★★★★★)】]]></title><link>https://blog.youkuaiyun.com/CoderBoom/article/details/84932641</link><guid>https://blog.youkuaiyun.com/CoderBoom/article/details/84932641</guid><author>CoderBoom</author><pubDate>Sun, 09 Dec 2018 21:44:05 +0800</pubDate><description><![CDATA[hbase入门学习笔记
1、目标

1、掌握hbase相关概念
2、掌握搭建一个hbase集群
3、掌握hbase shell 命令行操作
4、掌握hbase内部原理和架构(★★★★★)
5、掌握hbase的寻址机制(★★★★★)
6、掌握hbase表中的rowkey设计(★★★★★★★)

2、hbase概述
2.1 hbase是什么

​	hbase是基于hdfs进行数据的分布式存储，具有高可...]]></description><category></category></item><item><title><![CDATA[大数据实时阶段----【Spark04之sparkStreaming整合flume、sparkStreaming整合kafka (★★★★★)】]]></title><link>https://blog.youkuaiyun.com/CoderBoom/article/details/84877947</link><guid>https://blog.youkuaiyun.com/CoderBoom/article/details/84877947</guid><author>CoderBoom</author><pubDate>Fri, 07 Dec 2018 16:40:07 +0800</pubDate><description><![CDATA[
typora-copy-images-to: img_spark04
typora-root-url: img_spark04
spark_入门04学习笔记
1、目标

1、掌握sparkStreaming原理和架构
2、掌握DStream常用的操作
3、掌握sparkStreaming整合flume
4、掌握sparkStreaming整合kafka (★★★★★)

2、sparkStrea...]]></description><category></category></item><item><title><![CDATA[kafka入门]]></title><link>https://blog.youkuaiyun.com/CoderBoom/article/details/84866672</link><guid>https://blog.youkuaiyun.com/CoderBoom/article/details/84866672</guid><author>CoderBoom</author><pubDate>Thu, 06 Dec 2018 22:48:13 +0800</pubDate><description><![CDATA[kafka入门学习笔记
1、目标

1、掌握kafka相关概念
2、掌握搭建一个kafka集群
3、掌握kafka生产者和消费者代码开发
4、掌握kafka的分区策略
5、掌握kafka整合flume
6、掌握kafka如何保证消息不丢失

2、kafka概述
2.1 kafka是什么
kafka是由linkedin开源，捐献apache基金会，它是一个实时的分布式消息队列。
它提供了一个对于实时...]]></description><category></category></item></channel></rss>