<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Doutd_y</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Doutd_y]]></copyright><item><title><![CDATA[传统机器学习与深度学习的特点与选择]]></title><link>https://blog.youkuaiyun.com/Doutd_y/article/details/168637120</link><guid>https://blog.youkuaiyun.com/Doutd_y/article/details/168637120</guid><author>Doutd_y</author><pubDate>Wed, 21 Oct 2026 15:13:18 +0800</pubDate><description><![CDATA[特点说明优点缺点模型性能的上限由特征质量决定。可解释性强，人类专家知识可以融入其中。需要大量领域知识和时间进行特征设计与提取，成本高。通常使用线性模型、树模型等。训练速度快，所需计算资源较少。处理（图像、音频、自然语言）能力有限，难以捕捉其深层复杂模式。可以理解模型是如何做出决策的（例如，决策树的规则路径）。在金融、医疗等需要决策解释的领域至关重要。为追求可解释性，有时会牺牲一部分预测精度。]]></description><category></category></item><item><title><![CDATA[最大似然估计--最容易让人理解的解释]]></title><link>https://blog.youkuaiyun.com/Doutd_y/article/details/125155042</link><guid>https://blog.youkuaiyun.com/Doutd_y/article/details/125155042</guid><author>Doutd_y</author><pubDate>Mon, 06 Jun 2022 22:39:50 +0800</pubDate><description><![CDATA[最大似然估计]]></description><category></category></item><item><title><![CDATA[TF-IDF算法]]></title><link>https://blog.youkuaiyun.com/Doutd_y/article/details/125033969</link><guid>https://blog.youkuaiyun.com/Doutd_y/article/details/125033969</guid><author>Doutd_y</author><pubDate>Sun, 29 May 2022 18:23:32 +0800</pubDate><description><![CDATA[算法简介

先简单解释一下，TF是词频(Term Frequency)，IDF是逆文本频率指数(Inverse Document Frequency)。

TF-IDF是一种统计方法，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。TF-IDF加权的各种形式常被搜索引擎应用，作为文件与用户查询之间相关程度的度量或评级。



某一特定文件内的高词语频率，以及该词语在整个文件集合中的低文件频率，可]]></description><category></category></item><item><title><![CDATA[韭菜炒鸡蛋]]></title><link>https://blog.youkuaiyun.com/Doutd_y/article/details/125033268</link><guid>https://blog.youkuaiyun.com/Doutd_y/article/details/125033268</guid><author>Doutd_y</author><pubDate>Sun, 29 May 2022 17:08:24 +0800</pubDate><description><![CDATA[材料：鲜韭菜，笨鸡蛋，盐，葱花，白醋

1、鸡蛋打碎：里面放些许盐和一点点醋；韭菜切段：大约4-6厘米。

2、热油，放葱花，倒鸡蛋液，炒碎，时间不宜过久，熟后盛出。

3、少许油，中火，下韭菜炒，翻炒2-3次即可，时间不宜过久（比炒鸡蛋还要短一些），不然韭菜就老了，影响口感。

4、导入炒好的鸡蛋，加入盐调节口味，翻炒2次出锅即可。
...]]></description><category></category></item><item><title><![CDATA[Windows环境下使用conda安装pytorch]]></title><link>https://blog.youkuaiyun.com/Doutd_y/article/details/124215749</link><guid>https://blog.youkuaiyun.com/Doutd_y/article/details/124215749</guid><author>Doutd_y</author><pubDate>Sat, 16 Apr 2022 18:45:33 +0800</pubDate><description><![CDATA[1、首先安装anaconda3（Python3.7以上），并查看Python版本。



2、单击启动Anaconda Prompt，去创建pytorch的虚拟环境：


conda create --name pytorch python=3.7.6

会遇到选择 Proceed([y]/n)? ，输入y回车即可。

3、进入创建的pytorch虚拟环境


conda activate pytorch



4、准备工作完成，Anaconda prompt窗口不要关闭，最小化即可，接下来先查看自...]]></description><category></category></item><item><title><![CDATA[使用清华镜像pip安装Python第三方包]]></title><link>https://blog.youkuaiyun.com/Doutd_y/article/details/124214402</link><guid>https://blog.youkuaiyun.com/Doutd_y/article/details/124214402</guid><author>Doutd_y</author><pubDate>Sat, 16 Apr 2022 15:31:41 +0800</pubDate><description><![CDATA[正常使用pip安装语句为：

pip install your_packages 或者 pip install your_packages==指定版本

使用清华镜像：


pip install -i https://pypi.tuna.tsinghua.edu.cn/simple your_package

可将清华镜像路径设置为默认：

1）先将pip升级 &gt;=10.0.0，后再设置为默认。


python -m pip install --upgrade pip
pip config s..]]></description><category></category></item><item><title><![CDATA[资源链接-零基础入门深度学习]]></title><link>https://blog.youkuaiyun.com/Doutd_y/article/details/123633618</link><guid>https://blog.youkuaiyun.com/Doutd_y/article/details/123633618</guid><author>Doutd_y</author><pubDate>Mon, 21 Mar 2022 13:46:38 +0800</pubDate><description><![CDATA[零基础入门深度学习(1) - 感知器 - 作业部落 Cmd Markdown 编辑阅读器

零基础入门深度学习(2) - 线性单元和梯度下降 - 作业部落 Cmd Markdown 编辑阅读器

零基础入门深度学习(3) - 神经网络和反向传播算法 - 作业部落 Cmd Markdown 编辑阅读器

零基础入门深度学习(4) - 卷积神经网络 - 作业部落 Cmd Markdown 编辑阅读器

零基础入门深度学习(5) - 循环神经网络 - 作业部落 Cmd Markdown 编辑阅读器

零基础入门深]]></description><category></category></item><item><title><![CDATA[TDigest算法原理]]></title><link>https://blog.youkuaiyun.com/Doutd_y/article/details/123495067</link><guid>https://blog.youkuaiyun.com/Doutd_y/article/details/123495067</guid><author>Doutd_y</author><pubDate>Tue, 15 Mar 2022 10:46:56 +0800</pubDate><description><![CDATA[起因

一般的聚合分析中较为常见的 percentiles 百分位数分析：n 个数据按数值大小排列，处于 p% 位置的值称第 p 百分位数。

当数据量较小或者数据集中存储在同一位置时，用上述类似的百分位数分析方法就很容易。

但当数据量不断增长时，对于数据进行聚合分析就需要在数据量，精确度和实时性三个方面进行取舍，只能满足其中两项。

T-Digest算法

TDigest就是一种简单，快速，精确度高，可并行化的近似百分位算法，被Spark,ES,Kylin等系统使用。TDigest主要有两种实现算法，一]]></description><category></category></item><item><title><![CDATA[NLP学习笔记一（小白上手）]]></title><link>https://blog.youkuaiyun.com/Doutd_y/article/details/123303620</link><guid>https://blog.youkuaiyun.com/Doutd_y/article/details/123303620</guid><author>Doutd_y</author><pubDate>Sun, 06 Mar 2022 00:25:28 +0800</pubDate><description><![CDATA[自然语言处理简介#

研究人与计算机之间用自然语言进行有效通信的理论与方法。融语言学、计算机科学、数学等一体的科学。旨在从文本数据中提取信息，目的是让计算机理解或处理自然语言，以执行自动翻译、文本分类、情感分析等。



入门基础#

1）数学基础线性代数、概率论、统计学；

2）语言学基础：语音、词汇、语法

3）Python基础

4）机器学习基础：统计学习方法、机器学习周志华

5）深度学习基础：CNN、RNN、LSTM

6）自然语言处理理论基础：统计自然语言处理、Python自然语言处理、数学之美]]></description><category></category></item><item><title><![CDATA[ADF单位根检验-时间序列平稳性检验]]></title><link>https://blog.youkuaiyun.com/Doutd_y/article/details/123303493</link><guid>https://blog.youkuaiyun.com/Doutd_y/article/details/123303493</guid><author>Doutd_y</author><pubDate>Sat, 05 Mar 2022 23:45:29 +0800</pubDate><description><![CDATA[ADF检验全称是 Augmented Dickey-Fuller test，顾名思义，ADF是 Dickey-Fuller检验的增广形式。DF检验只能应用于一阶情况，当序列存在高阶的滞后相关时，可以使用ADF检验，所以说ADF是对DF检验的扩展。

单位根（unit root）

在做ADF检验，也就是单位根检验时，需要先明白一个概念，也就是要检验的对象——单位根。

当一个自回归过程中：，如果滞后项系数b为1，就称为单位根。当单位根存在时，自变量和因变量之间的关系具有欺骗性，因为残差序列的任何误差都不会.]]></description><category></category></item><item><title><![CDATA[青椒鸡胸肉]]></title><link>https://blog.youkuaiyun.com/Doutd_y/article/details/104512543</link><guid>https://blog.youkuaiyun.com/Doutd_y/article/details/104512543</guid><author>Doutd_y</author><pubDate>Wed, 26 Feb 2020 10:58:30 +0800</pubDate><description><![CDATA[1、青椒红椒鸡胸肉姜蒜切丝备用

2、用盐，料酒，酱油，淀粉，腌制鸡胸肉10分钟左右

3、热油放入鸡胸肉8分熟即可盛出

4、热油放入姜丝蒜爆香，加入青椒丝和红椒丝放在锅中，进行翻炒

5、放入生抽和鸡胸肉，加入适当的盐巴，进行翻炒之后，即可盛出
...]]></description><category></category></item><item><title><![CDATA[油焖大虾]]></title><link>https://blog.youkuaiyun.com/Doutd_y/article/details/104495595</link><guid>https://blog.youkuaiyun.com/Doutd_y/article/details/104495595</guid><author>Doutd_y</author><pubDate>Tue, 25 Feb 2020 13:04:06 +0800</pubDate><description><![CDATA[油焖大虾使用的食材有：虾、盐、葱姜、番茄酱、油
制作步骤：
第一步：先把虾洗干净处理干净
第二步：把虾放入盆子里放入盐还有料酒腌制15分钟左右
第三步：锅里面放入油，烧热后放入葱姜爆香
第四步：放入虾，持续翻炒
第五步：加入适量的番茄酱还有盐和糖
第六步：盖上锅盖焖煮6分钟收汁就可以吃了

...]]></description><category></category></item><item><title><![CDATA[红烧肉-鲁菜]]></title><link>https://blog.youkuaiyun.com/Doutd_y/article/details/104495205</link><guid>https://blog.youkuaiyun.com/Doutd_y/article/details/104495205</guid><author>Doutd_y</author><pubDate>Tue, 25 Feb 2020 12:56:51 +0800</pubDate><description><![CDATA[1，五花肉切段，沸水灼烫5~10分钟，撇去浮沫，捞出洗净沥干备用。
2，热油，放入八角桂皮香叶出香味后放入沥干的五花肉，煸炒直金黄盛出备用
3，油中放入冰糖煎至变黄冒泡，放入五花肉，老抽，生抽上色，放入料酒，葱姜切好放入锅中
5，放入温水直没过五花肉，少量盐，大火烧开，再转中火慢炖半小时
6，大火轻微翻炒收汁

...]]></description><category></category></item><item><title><![CDATA[Python函数的几种参数形式]]></title><link>https://blog.youkuaiyun.com/Doutd_y/article/details/92414376</link><guid>https://blog.youkuaiyun.com/Doutd_y/article/details/92414376</guid><author>Doutd_y</author><pubDate>Sun, 16 Jun 2019 18:06:53 +0800</pubDate><description><![CDATA[在Python中定义函数，可以用必选参数（位置参数），默认参数，可变参数，关键字参数和命名关键字参数，这5种参数都可以组合使用。但参数定义的顺序必须是：
必选参数（位置参数）
默认参数
可变参数
命名关键字参数
关键字参数
例如：
定义：
 def  f1(x, y=0, *args, z, **kw):
    print(x, y, args, z, kw)
   
 调用：
 f1(1, 2...]]></description><category></category></item><item><title><![CDATA[程序、进程、线程的详解]]></title><link>https://blog.youkuaiyun.com/Doutd_y/article/details/92381015</link><guid>https://blog.youkuaiyun.com/Doutd_y/article/details/92381015</guid><author>Doutd_y</author><pubDate>Sun, 16 Jun 2019 11:05:40 +0800</pubDate><description><![CDATA[本质区别:

程序只是一组指令的有序集合，本身没有任何运行的含义，只是一个静态的实体。

进程是操作系统资源分配的基本单位，有自己的生命周期，是一个动态的实体，是具有一定独立功能的程序关于某个数据集合上的一次运行活动。

线程是CPU任务调度和执行的基本单位。

简言之，一个程序至少有一个进程，一个进程至少有一个线程。线程的划分尺度小于进程，使得多线程程序的并发性高。



开销方面:

每个进...]]></description><category></category></item><item><title><![CDATA[假设检验之T检验]]></title><link>https://blog.youkuaiyun.com/Doutd_y/article/details/92169697</link><guid>https://blog.youkuaiyun.com/Doutd_y/article/details/92169697</guid><author>Doutd_y</author><pubDate>Sat, 15 Jun 2019 19:57:58 +0800</pubDate><description><![CDATA[假设检验也叫显著性检验，是以小概率反证法的逻辑进行推理，是判断假设是否成立的统计方法。

一般，首先假设样本对应的总体参数或分布是与已知的总体参数或分布相同的，然后根据统计量的分布规律来分析样本数据，利用样本信息判断是否支持当前假设，并对检验假设作出取舍抉择。该方法作出的结论是概率性的，不是绝对的肯定或否定。



[]T检验的概念：

T检验是用于两个样本（或样本与总体）平均值差异程度的...]]></description><category></category></item><item><title><![CDATA[Django Q和F查询]]></title><link>https://blog.youkuaiyun.com/Doutd_y/article/details/89434174</link><guid>https://blog.youkuaiyun.com/Doutd_y/article/details/89434174</guid><author>Doutd_y</author><pubDate>Sun, 21 Apr 2019 16:11:39 +0800</pubDate><description><![CDATA[Q查询：对对象的复杂查询

F查询：专门取对象中某一列值的操作

Q查询：

1、Q对象（django.db.models.Q）可以对关键字参数进行封装：


from django.db.models import Q
from login.models import New

news = New.objects.filter(Q(question__startswith='What'))

...]]></description><category></category></item><item><title><![CDATA[mysql: load data与select into outfile]]></title><link>https://blog.youkuaiyun.com/Doutd_y/article/details/88728298</link><guid>https://blog.youkuaiyun.com/Doutd_y/article/details/88728298</guid><author>Doutd_y</author><pubDate>Thu, 21 Mar 2019 22:56:12 +0800</pubDate><description><![CDATA[1、从数据库导出数据

SELECT...INTO OUTFILE 'file_name'形式的SELECT可以把被选择的行写入一个文件中。该文件被创建到服务器主机上，因此您必须拥有FILE权限，才能使用此语法。
	输出不能是一个已存在的文件。防止文件数据被篡改。
	你需要有一个登陆服务器的账号来检索文件。否则 SELECT ... INTO OUTFILE 不会起任何作用。
	在UNIX中，该文...]]></description><category></category></item><item><title><![CDATA[概率统计与随机过程（二）统计假设检验]]></title><link>https://blog.youkuaiyun.com/Doutd_y/article/details/88700412</link><guid>https://blog.youkuaiyun.com/Doutd_y/article/details/88700412</guid><author>Doutd_y</author><pubDate>Wed, 20 Mar 2019 22:01:25 +0800</pubDate><description><![CDATA[统计假设检验的步骤

先假设总体具有某种统计特性（如具有某种参数，或遵从某种分布）

然后再检验这个假设是否可信

以上两步称为统计假设检验，或假设检验。

具体：

假设
	选取统计量，明确其分布
	给出显著性水平
	查出置信限
	计算统计量
	统计推断
例如：

Pearson积矩相关系数的假设检验：

Pearson相关性分析的前提假设是数据样本服从正态分布，但数据样本仅仅是总体中的一组样本...]]></description><category></category></item><item><title><![CDATA[概率统计与随机过程（一）事件与概率]]></title><link>https://blog.youkuaiyun.com/Doutd_y/article/details/88699189</link><guid>https://blog.youkuaiyun.com/Doutd_y/article/details/88699189</guid><author>Doutd_y</author><pubDate>Wed, 20 Mar 2019 21:04:05 +0800</pubDate><description><![CDATA[随机事件：

在一定条件下，可能发生也可能不发生的试验结果成为随机事件，简称事件。

与之对应的有必然事件（记为），不可能事件（记为）。

互斥与对立：

事件A与B互斥：A与B不可能同时发生，

事件A与B对立：若A与B互斥，且每次试验中，不是A发生就是B发生，即且

完备：

每次试验中所有可能发生的事件组成的集合，即构成一个事件完备组。

特别的，当是两两互斥的，，则称是两两互斥的事件完备组...]]></description><category></category></item></channel></rss>