<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[chang___hong的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/chang___hong</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; chang___hong]]></copyright><item><title><![CDATA[Tensorflow: Cannot interpret feed_dict key as Tensor 解决报错 flask keras]]></title><link>https://blog.youkuaiyun.com/chang___hong/article/details/115307593</link><guid>https://blog.youkuaiyun.com/chang___hong/article/details/115307593</guid><author>chang___hong</author><pubDate>Mon, 29 Mar 2021 18:08:53 +0800</pubDate><description><![CDATA[完美解决参考（预测模型多次调用）
参考：https://blog.youkuaiyun.com/u012052268/article/details/95613050
部分问题能解决
参考：https://blog.youkuaiyun.com/dang_1_dang/article/details/92117667?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.control&amp;dist_request_]]></description><category></category></item><item><title><![CDATA[tensorflow安装问题]]></title><link>https://blog.youkuaiyun.com/chang___hong/article/details/109215984</link><guid>https://blog.youkuaiyun.com/chang___hong/article/details/109215984</guid><author>chang___hong</author><pubDate>Thu, 22 Oct 2020 10:03:29 +0800</pubDate><description><![CDATA[如果装了tensorflow，手贱再安装tensorflow-gpu，默认会运行tensorflow-gpu。同学那机子不支持CUDA，就开始报错。而上面的安装方法的那个列表不支持删除。可以打开cmd，输入pip list，这样可以看到所有已经安装的包。pip uninstall tensorflow和pip uninstall tensorflow-gpu就可以删除这两个包。然后重新安装tensorflow。

...]]></description><category></category></item><item><title><![CDATA[...weights already exists, disallowed. Did you mean to set reuse=True...（解决办法）]]></title><link>https://blog.youkuaiyun.com/chang___hong/article/details/103417291</link><guid>https://blog.youkuaiyun.com/chang___hong/article/details/103417291</guid><author>chang___hong</author><pubDate>Fri, 06 Dec 2019 10:05:54 +0800</pubDate><description><![CDATA[model.inference(train_batch, BATCH_SIZE, N_CLASSES)这个里面应该有with tf.variable_scope(‘layer1’):这样的代码，改为with tf.variable_scope(‘layer1’, reuse = tf.AUTO_REUSE):
解决：
1 若想要继续使用并共享当前的TensorFlow模型结构或变量：
按照报错的提...]]></description><category></category></item><item><title><![CDATA[AdaBoost、GBDT、XGBoost处理回归问题及分类问题]]></title><link>https://blog.youkuaiyun.com/chang___hong/article/details/100692890</link><guid>https://blog.youkuaiyun.com/chang___hong/article/details/100692890</guid><author>chang___hong</author><pubDate>Tue, 10 Sep 2019 13:30:04 +0800</pubDate><description><![CDATA[1、回归问题
1.1 AdaBoost（建立一颗串行的树）
AdaBoost，是英文"Adaptive Boosting"（自适应增强）的缩写，由Yoav Freund和Robert Schapire在1995年提出。它的自适应在于：前一个基本分类器分错的样本会得到加强，加权后的全体样本再次被用来训练下一个基本分类器。同时，在每一轮中加入一个新的弱分类器，直到达到某个预定的足够小的错误率或达到预先...]]></description><category></category></item><item><title><![CDATA[动态规划]]></title><link>https://blog.youkuaiyun.com/chang___hong/article/details/89947216</link><guid>https://blog.youkuaiyun.com/chang___hong/article/details/89947216</guid><author>chang___hong</author><pubDate>Wed, 08 May 2019 10:46:18 +0800</pubDate><description><![CDATA[1.编辑距离
思路：
如果word1[i]==word2[j],a[i][j]=a[i-1][j-1];
如果word1[i]!=word2[j],a[i][j]=a[i-1][j]+1, word2尾后添加word1[i]
如果word1[i]!=word2[j],a[i][j]=a[i][j-1]+1;word2删除尾后元素；
如果word1[i]!=word2[j],a[i][j]=a[i-...]]></description><category></category></item><item><title><![CDATA[推荐算法]]></title><link>https://blog.youkuaiyun.com/chang___hong/article/details/89602080</link><guid>https://blog.youkuaiyun.com/chang___hong/article/details/89602080</guid><author>chang___hong</author><pubDate>Sat, 27 Apr 2019 15:13:47 +0800</pubDate><description><![CDATA[参考：https://www.zhihu.com/question/20326697


]]></description><category></category></item><item><title><![CDATA[oracle库更新数据和类型转换]]></title><link>https://blog.youkuaiyun.com/chang___hong/article/details/83862413</link><guid>https://blog.youkuaiyun.com/chang___hong/article/details/83862413</guid><author>chang___hong</author><pubDate>Thu, 08 Nov 2018 15:44:18 +0800</pubDate><description><![CDATA[更新oracle
sql6 = &quot;UPDATE 表名 set (value)=(:value) where coeffs_id=(:coeffs_id)&quot;
cur_36.prepare(sql6)
cur_36.execute(None, {'value': value, 'coeffs_id': coeffs_id})
 conn_36.commit()`

sql语句中常见类型转换
    s...]]></description><category></category></item><item><title><![CDATA[结巴分词基本流程]]></title><link>https://blog.youkuaiyun.com/chang___hong/article/details/82775691</link><guid>https://blog.youkuaiyun.com/chang___hong/article/details/82775691</guid><author>chang___hong</author><pubDate>Wed, 19 Sep 2018 17:38:37 +0800</pubDate><description><![CDATA[1.加载自定义词典
jieba.load_userdict(file_name)
2.调整词典：
使用add_word(word, freq = None, tag = None)和del_word(word)可在程序中动态修改词典。
使用suggest_freq(segment, tune = True)可调节单个词语的词频，使其能（或不能）被分出来
3.分词
cut(),lcut(),cut_...]]></description><category></category></item><item><title><![CDATA[安装lightGBM和xgboost]]></title><link>https://blog.youkuaiyun.com/chang___hong/article/details/78976071</link><guid>https://blog.youkuaiyun.com/chang___hong/article/details/78976071</guid><author>chang___hong</author><pubDate>Thu, 04 Jan 2018 22:14:41 +0800</pubDate><description><![CDATA[安装lightGBM 
参考：http://blog.youkuaiyun.com/qq_22238533/article/details/72927755

安装xgboost 
参考：http://m.blog.youkuaiyun.com/ychanmy/article/details/50972530 
出现问题：

解决方案：

因为Anaconda自己有个libstdc++-6.dll已经过期了，所以需要用新]]></description><category></category></item><item><title><![CDATA[pandas常用于数据处理的模块]]></title><link>https://blog.youkuaiyun.com/chang___hong/article/details/78929362</link><guid>https://blog.youkuaiyun.com/chang___hong/article/details/78929362</guid><author>chang___hong</author><pubDate>Fri, 29 Dec 2017 11:05:34 +0800</pubDate><description><![CDATA[1、合并操作pandas.mergepandas.merge(left, right, how=’inner’, on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=False, suffixes=(‘_x’, ‘_y’), copy=True, indicator=False)作用:通过执行]]></description><category></category></item><item><title><![CDATA[kaggle中Scikit-Learn]]></title><link>https://blog.youkuaiyun.com/chang___hong/article/details/78922610</link><guid>https://blog.youkuaiyun.com/chang___hong/article/details/78922610</guid><author>chang___hong</author><pubDate>Thu, 28 Dec 2017 15:22:24 +0800</pubDate><description><![CDATA[Python Machine Learning Tutorial Contents 
Here are the steps for building your first random forest model using Scikit-Learn:1 Set up your environment.
2 Import libraries and modules.
3 Load red wine d]]></description><category></category></item><item><title><![CDATA[梯度下降法的三种形式BGD、SGD以及MBGD]]></title><link>https://blog.youkuaiyun.com/chang___hong/article/details/78319789</link><guid>https://blog.youkuaiyun.com/chang___hong/article/details/78319789</guid><author>chang___hong</author><pubDate>Mon, 23 Oct 2017 16:03:10 +0800</pubDate><description><![CDATA[阅读目录 
•1. 批量梯度下降法BGD 
•2. 随机梯度下降法SGD 
•3. 小批量梯度下降法MBGD 
•4. 总结　　在应用机器学习算法时，我们通常采用梯度下降法来对采用的算法进行训练。其实，常用的梯度下降法还具体包含有三种不同的形式，它们也各自有着不同的优缺点。　　下面我们以线性回归算法来对三种梯度下降法进行比较。 
　　一般线性回归函数的假设函数为： 
　　对应的能量函数（损失函数）形]]></description><category></category></item><item><title><![CDATA[全局变量+局部变量+静态局部变量+静态全局变量]]></title><link>https://blog.youkuaiyun.com/chang___hong/article/details/78257098</link><guid>https://blog.youkuaiyun.com/chang___hong/article/details/78257098</guid><author>chang___hong</author><pubDate>Tue, 17 Oct 2017 09:53:28 +0800</pubDate><description><![CDATA[全局变量 
作用域：全局作用域（全局变量只需在一个源文件中定义，就可以作用于所有的源文件。） 
生命周期：程序运行期一直存在 
引用方法：其他文件中要使用必须用extern 关键字声明要引用的全局变量。 
内存分布：全局数据区 
注意：如果在两个文件中都定义了相同名字的全局变量，连接出错：变量重定义 
      全局静态变量 
 作用域：文件作用域（只在被定义的文件中可见。） 
生命周期：程序运行]]></description><category></category></item><item><title><![CDATA[回文数：整数+字符串]]></title><link>https://blog.youkuaiyun.com/chang___hong/article/details/78213030</link><guid>https://blog.youkuaiyun.com/chang___hong/article/details/78213030</guid><author>chang___hong</author><pubDate>Thu, 12 Oct 2017 11:36:37 +0800</pubDate><description><![CDATA[1 整数判断回文数int IsPalindrome(int iNumber){  //判断是否为回文数的函数  
    int temp=0;  
    int number = iNumber;  
    while(number){   //颠倒数后保存到temp中  
        temp=temp*10+(number%10);  
        number=number/10]]></description><category></category></item><item><title><![CDATA[剑指offer中连续子数组的最大和+最大的子序列和的问题]]></title><link>https://blog.youkuaiyun.com/chang___hong/article/details/78168529</link><guid>https://blog.youkuaiyun.com/chang___hong/article/details/78168529</guid><author>chang___hong</author><pubDate>Sat, 07 Oct 2017 10:52:59 +0800</pubDate><description><![CDATA[题目描述 
HZ偶尔会拿些专业问题来忽悠那些非计算机专业的同学。今天测试组开完会后,他又发话了:在古老的一维模式识别中,常常需要计算连续子向量的最大和,当向量全为正数的时候,问题很好解决。但是,如果向量中包含负数,是否应该包含某个负数,并期望旁边的正数会弥补它呢？例如:{6,-3,-2,7,-15,1,2,2},连续子向量的最大和为8(从第0个开始,到第3个为止)。你会不会被他忽悠住？(子向量的长度]]></description><category></category></item><item><title><![CDATA[C/C++中sizeof()的用法——32位和64位下的sizeof()]]></title><link>https://blog.youkuaiyun.com/chang___hong/article/details/77981749</link><guid>https://blog.youkuaiyun.com/chang___hong/article/details/77981749</guid><author>chang___hong</author><pubDate>Thu, 14 Sep 2017 16:13:34 +0800</pubDate><description><![CDATA[机器平台：X86_64 处理器 
操作系统：Red Hat 4.1.2-14 
编译器： gcc version 4.1.2 20070626Size of char is:                                   1 
Size of unsigned char is:                     1 
Size of signed char is:]]></description><category></category></item><item><title><![CDATA[2015百度校招--机器学习、数据挖掘工程师笔试题]]></title><link>https://blog.youkuaiyun.com/chang___hong/article/details/77946996</link><guid>https://blog.youkuaiyun.com/chang___hong/article/details/77946996</guid><author>chang___hong</author><pubDate>Tue, 12 Sep 2017 16:47:14 +0800</pubDate><description><![CDATA[一、简答题 
1.【c/c++】Const作用域变量、函数、类分别有什么特性 
变量： 表示变量的值不可变函数： 
const修饰函数参数 
a.传递过来的参数在函数内不可以改变(无意义，因为Var本身就是形参) 
void function(const int Var); 
b.参数指针所指内容为常量不可变 
void function(const char* Var); 
c.参数指针本身为常量]]></description><category></category></item><item><title><![CDATA[二叉树前中后 非递归算法]]></title><link>https://blog.youkuaiyun.com/chang___hong/article/details/77899504</link><guid>https://blog.youkuaiyun.com/chang___hong/article/details/77899504</guid><author>chang___hong</author><pubDate>Fri, 08 Sep 2017 22:01:29 +0800</pubDate><description><![CDATA[结点定义//Binary Tree Node
typedef struct node
{
    int data;
    node* lchild，rchild;  //左孩子右孩子
}BTNode;中序非递归：前中后， 
1 首先根节点，将其压进栈中 
2 如果当前结点非空，将该结点压入栈中，然后将其左结点赋值给当前结点； 
3 如果当前结点为空，输出当前的结点，弹出栈顶的结点，将其右结点赋值]]></description><category></category></item><item><title><![CDATA[二叉树前中后递归算法]]></title><link>https://blog.youkuaiyun.com/chang___hong/article/details/77898635</link><guid>https://blog.youkuaiyun.com/chang___hong/article/details/77898635</guid><author>chang___hong</author><pubDate>Fri, 08 Sep 2017 20:10:32 +0800</pubDate><description><![CDATA[二叉链表的结点类型定义如下：typedef struct BiTNode
{
    TElemType data;
    struct BiTNode *lchild,*rchild;//左右孩子指针 
}BiTNode，*BiTree;前序遍历(DLR)：若二叉树为空，则空操作；否则：1、访问根节点  2、先序遍历根节点的左子树 3、先序遍历根节点的右子树//先序遍历二叉树的递归算法 ，Vis]]></description><category></category></item><item><title><![CDATA[python画图包matplotlib]]></title><link>https://blog.youkuaiyun.com/chang___hong/article/details/77871852</link><guid>https://blog.youkuaiyun.com/chang___hong/article/details/77871852</guid><author>chang___hong</author><pubDate>Wed, 06 Sep 2017 22:23:26 +0800</pubDate><description><![CDATA[中文乱码解决方法注意绘图时中文的解决方法, 在.py文件头部加上如下内容：# -- coding: utf-8 -- 
from pylab import * 
mpl.rcParams[‘font.sans-serif’] = [‘SimHei’] #指定默认字体 
mpl.rcParams[‘axes.unicode_minus’] = False #解决保存图像是负号’-‘显示为方块的问题 i]]></description><category></category></item></channel></rss>