<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Matrix_cc的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Matrix_cc</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Matrix_cc]]></copyright><item><title><![CDATA[L2范数、L2正则和L2距离都有什么区别]]></title><link>https://blog.youkuaiyun.com/Matrix_cc/article/details/154733199</link><guid>https://blog.youkuaiyun.com/Matrix_cc/article/details/154733199</guid><author>Matrix_cc</author><pubDate>Wed, 12 Nov 2025 11:35:00 +0800</pubDate><description><![CDATA[现在有大模型了，解答这个问题非常容易，这里直接贴大模型的回答吧，算是做一个总结。]]></description><category></category></item><item><title><![CDATA[Listwise loss代码及Pairwise Loss代码]]></title><link>https://blog.youkuaiyun.com/Matrix_cc/article/details/147385397</link><guid>https://blog.youkuaiyun.com/Matrix_cc/article/details/147385397</guid><author>Matrix_cc</author><pubDate>Tue, 22 Apr 2025 13:59:32 +0800</pubDate><description><![CDATA[【代码】Listwise loss代码及Pairwise Loss代码。]]></description><category></category></item><item><title><![CDATA[A Graph Transformer Model for Next Point-of-Interest Recommendation 论文解析]]></title><link>https://blog.youkuaiyun.com/Matrix_cc/article/details/135816155</link><guid>https://blog.youkuaiyun.com/Matrix_cc/article/details/135816155</guid><author>Matrix_cc</author><pubDate>Wed, 24 Jan 2024 10:41:59 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[DFFM: Domain Facilitated Feature Modeling for CTR Prediction论文讲解]]></title><link>https://blog.youkuaiyun.com/Matrix_cc/article/details/135532247</link><guid>https://blog.youkuaiyun.com/Matrix_cc/article/details/135532247</guid><author>Matrix_cc</author><pubDate>Thu, 11 Jan 2024 16:11:06 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[Hive sql中条件写在on和where的区别]]></title><link>https://blog.youkuaiyun.com/Matrix_cc/article/details/134438265</link><guid>https://blog.youkuaiyun.com/Matrix_cc/article/details/134438265</guid><author>Matrix_cc</author><pubDate>Thu, 16 Nov 2023 13:36:49 +0800</pubDate><description><![CDATA[三、对于inner join 在on上写主表a或者副表b的条件，都会生效，和写在where里结果一样。二、对于left join，在on上写副表b的条件会生效，但是语义与写到where 条件不同。一、对于left join，如果在on上写a表的条件，则该条件不会生效，依旧会全局扫描。]]></description><category></category></item><item><title><![CDATA[PySpark sql 中一些函数的总结（持续更新）]]></title><link>https://blog.youkuaiyun.com/Matrix_cc/article/details/128788848</link><guid>https://blog.youkuaiyun.com/Matrix_cc/article/details/128788848</guid><author>Matrix_cc</author><pubDate>Sun, 29 Jan 2023 17:27:07 +0800</pubDate><description><![CDATA[spark sql 常见的函数]]></description><category></category></item><item><title><![CDATA[MAC系统 LightGBM模型转为pmml格式]]></title><link>https://blog.youkuaiyun.com/Matrix_cc/article/details/128779468</link><guid>https://blog.youkuaiyun.com/Matrix_cc/article/details/128779468</guid><author>Matrix_cc</author><pubDate>Sat, 28 Jan 2023 16:46:52 +0800</pubDate><description><![CDATA[MAC系统 LightGBM模型转为pmml格式 相关流程]]></description><category></category></item><item><title><![CDATA[搜广推相关问题——持续更新]]></title><link>https://blog.youkuaiyun.com/Matrix_cc/article/details/127412395</link><guid>https://blog.youkuaiyun.com/Matrix_cc/article/details/127412395</guid><author>Matrix_cc</author><pubDate>Thu, 03 Nov 2022 10:47:58 +0800</pubDate><description><![CDATA[搜索推荐常见的问题]]></description><category></category></item><item><title><![CDATA[Pandas中 的 rank() 函数 和 groupby 的 rank() 函数用法]]></title><link>https://blog.youkuaiyun.com/Matrix_cc/article/details/123194080</link><guid>https://blog.youkuaiyun.com/Matrix_cc/article/details/123194080</guid><author>Matrix_cc</author><pubDate>Mon, 28 Feb 2022 23:42:55 +0800</pubDate><description><![CDATA[一、pandas中的rank()函数

首先随机初始化一组数，然后


data = pd.Series([1,2,3,4,5])
print(data)
data = data.rank()
print(data)



这里的rank()函数打印出来虽然和原数组没区别，但是这里rank表示的是次序，所以这里的1.0，2.0表示的是第一名和第二名

如果有重复值的话


data = pd.Series([1,1,2,2,3,3,4,4,5])
print(data)
data = data.rank()]]></description><category></category></item><item><title><![CDATA[总结一下利用pandas进行条件筛选的几个方法]]></title><link>https://blog.youkuaiyun.com/Matrix_cc/article/details/120366755</link><guid>https://blog.youkuaiyun.com/Matrix_cc/article/details/120366755</guid><author>Matrix_cc</author><pubDate>Sat, 18 Sep 2021 15:07:37 +0800</pubDate><description><![CDATA[首先创建一个表：


df = pd.DataFrame({'A':[100, 100, 200, 300, 400], 
                   'B':['a', 'a', 'c', 'd', 'e'],
                   'C':[3, 2, 1, 5, 4]})

生成出来的表如下所示：





1）找出df中A列值为100的所有数据


df[df.A==100]



这里也可以是小于（&lt;）、大于（&gt;）、小于等于（&lt;=）、大于等于（&gt..]]></description><category></category></item><item><title><![CDATA[新手教程，关于如何使用git命令玩转Github的那些事]]></title><link>https://blog.youkuaiyun.com/Matrix_cc/article/details/118228827</link><guid>https://blog.youkuaiyun.com/Matrix_cc/article/details/118228827</guid><author>Matrix_cc</author><pubDate>Sat, 26 Jun 2021 19:26:53 +0800</pubDate><description><![CDATA[目录



一、上传github的第一种方法：

二、上传github的第二个方法

三、分支操作

四、对齐操作

一、上传github的第一种方法：

如果没有下载Git，那么首先需要下载Git，去官网上进行下载

https://git-for-windows.github.io/

下载完之后配置自己的github账号，邮箱和密码


git config --global user.name "yourname"
git config --global user.eamil "youremai..]]></description><category></category></item><item><title><![CDATA[Pytorch训练模型得到输出后计算F1-Score 和AUC]]></title><link>https://blog.youkuaiyun.com/Matrix_cc/article/details/116100620</link><guid>https://blog.youkuaiyun.com/Matrix_cc/article/details/116100620</guid><author>Matrix_cc</author><pubDate>Sat, 24 Apr 2021 19:21:58 +0800</pubDate><description><![CDATA[1、计算F1-Score

对于二分类来说，假设batch size 大小为64的话，那么模型一个batch的输出应该是torch.size([64,2])，所以首先做的是得到这个二维矩阵的每一行的最大索引值，然后添加到一个列表中，同时把标签也添加到一个列表中，最后使用sklearn中计算F1的工具包进行计算，代码如下


import numpy as np
import sklearn.metrics import f1_score
prob_all = []
lable_all = []
for i,]]></description><category></category></item><item><title><![CDATA[L1与L2的区别]]></title><link>https://blog.youkuaiyun.com/Matrix_cc/article/details/115270671</link><guid>https://blog.youkuaiyun.com/Matrix_cc/article/details/115270671</guid><author>Matrix_cc</author><pubDate>Sat, 27 Mar 2021 20:16:37 +0800</pubDate><description><![CDATA[目录

L1与L2为何能解决过拟合的问题：

Lasso 回归和岭回归：

L1与L2的区别：

L1与L2为何能解决过拟合的问题：

L1与L2都是正则化，它们的公式如下：



L1 范数
	当 p=1 时，是 L1 范数，其表示某个向量中所有元素绝对值的和。
	L2 范数
	当 p=2 时，是 L2 范数， 表示某个向量中所有元素平方和再开根， 也就是欧几里得距离公式。
它们都可以解决过拟合的问题，具体是为什么可以解决呢？

原因有两点：

来自知乎上一种比较直观和简单的理解， 模型过于复杂是因为模.]]></description><category></category></item><item><title><![CDATA[二分查找返回第一次查到的位置和最后一次查到的位置]]></title><link>https://blog.youkuaiyun.com/Matrix_cc/article/details/111521416</link><guid>https://blog.youkuaiyun.com/Matrix_cc/article/details/111521416</guid><author>Matrix_cc</author><pubDate>Tue, 22 Dec 2020 11:40:21 +0800</pubDate><description><![CDATA[第一次查到的位置：


def left_bound(nums,target):
        low = 0
        high = len(nums)-1
        while low&lt;=high:
            mid = low+(high-low)//2
            if nums[mid]&lt;target:
                low = mid+1
            elif nums[mid]&gt;target:
     .]]></description><category></category></item><item><title><![CDATA[Python实现笛卡尔乘积的几种方法]]></title><link>https://blog.youkuaiyun.com/Matrix_cc/article/details/109744803</link><guid>https://blog.youkuaiyun.com/Matrix_cc/article/details/109744803</guid><author>Matrix_cc</author><pubDate>Tue, 17 Nov 2020 16:05:49 +0800</pubDate><description><![CDATA[引言：面试的时候面试官出的这道题，当时写的不是太好，面试结束后下来查了一下，发现大部分的博客都是使用工具包来实现，而且大部分的博客内容还都完全一样，连数字都没有变，找了半天也没找到几个有用的博客。其实这也是现在大部分博客的风气，互相抄袭，没有一点自己的思考内容，我都不明白写这样的博客有什么意义。所以自己打算实现一个不使用工具包来解决的方法，于是在别人的博客帮助下，实现了用回溯法来解决笛卡尔乘积，下面是总结一下解决这个问题的几个方法：

1、工具包


from itertools import produc]]></description><category></category></item><item><title><![CDATA[动态规划模板——Python版本]]></title><link>https://blog.youkuaiyun.com/Matrix_cc/article/details/109584049</link><guid>https://blog.youkuaiyun.com/Matrix_cc/article/details/109584049</guid><author>Matrix_cc</author><pubDate>Mon, 09 Nov 2020 20:22:02 +0800</pubDate><description><![CDATA[此文是来自https://leetcode.com/discuss/general-discussion/458695/Dynamic-Programming-Patterns这位外国网友，本人负责汉化

目录

一、达到目标的最小（最大）路径型问题

二、不同的方式

三、合并区间

四、字符串DP问题

四、做决策问题

一、达到目标的最小（最大）路径型问题

此类问题的描述为：给定目标，找到达到目标的最小（最大）成本（cost）/路径（path）/总和 (sum)。

通用模板代码为：


for..]]></description><category></category></item><item><title><![CDATA[关于回文的常见题目]]></title><link>https://blog.youkuaiyun.com/Matrix_cc/article/details/108691638</link><guid>https://blog.youkuaiyun.com/Matrix_cc/article/details/108691638</guid><author>Matrix_cc</author><pubDate>Wed, 23 Sep 2020 22:29:18 +0800</pubDate><description><![CDATA[1、最长回文子串

这道题要好好说一下，做了好几次了，做完过一段时间又忘了，所以总结一下，以后忘得时候拿出来看，用两种比较好理解的方法来做

先上动态规划的代码


class Solution:
    def longestPalindrome(self, s: str) -&gt; str:
        if not s:
            return ''
        n = len(s)
        maxlen = 0
        res = 0
        dp =]]></description><category></category></item><item><title><![CDATA[关于回溯的常见题目]]></title><link>https://blog.youkuaiyun.com/Matrix_cc/article/details/108654257</link><guid>https://blog.youkuaiyun.com/Matrix_cc/article/details/108654257</guid><author>Matrix_cc</author><pubDate>Sun, 20 Sep 2020 12:03:35 +0800</pubDate><description><![CDATA[这里的回溯直接用的labuladong的算法框架，回溯解释



1、全排列


class Solution:
    def permute(self, nums: List[int]) -&gt; List[List[int]]:
        def dfs(nums,temp):
            if len(temp) == len(nums):
                res.append(temp[:])
            for i in range(len(num]]></description><category></category></item><item><title><![CDATA[那些和“公共“有关的算法题]]></title><link>https://blog.youkuaiyun.com/Matrix_cc/article/details/108632888</link><guid>https://blog.youkuaiyun.com/Matrix_cc/article/details/108632888</guid><author>Matrix_cc</author><pubDate>Wed, 16 Sep 2020 23:56:14 +0800</pubDate><description><![CDATA[一、二叉树类

1、二叉树的最近公共祖先


class Solution:
    def lowestCommonAncestor(self, root: TreeNode, p: TreeNode, q: TreeNode) -&gt; TreeNode:
        if not root or root == p or root ==q:
            return root
        left = self.lowestCommonAncestor(root.left,p,q]]></description><category></category></item><item><title><![CDATA[递增子序列的相关题目总结]]></title><link>https://blog.youkuaiyun.com/Matrix_cc/article/details/106903435</link><guid>https://blog.youkuaiyun.com/Matrix_cc/article/details/106903435</guid><author>Matrix_cc</author><pubDate>Tue, 23 Jun 2020 19:28:10 +0800</pubDate><description><![CDATA[目录

1.最长连续递增序列

2.最长上升子序列

3、最长递增子序列的个数

4、递增子序列

5、最长连续序列

这里总结一些递增子序列的相关题目，有的题目中会有最优解，但是这里主要关注的是动态规划的做法，所以只写出动态规划或者通用的一些方法。

介绍这些题目之前，先分清一下什么是子序列，什么是子串

子序列：子序列是不连续的，如序列[4, 6, 5]是[1, 2, 4, 3, 7, 6, 5]的一个子序列

子串：子串是连续的

1.最长连续递增序列


输入: [1,3,5,4,7]...]]></description><category></category></item></channel></rss>