withme的博客

决策树—ID3

目的：计算视频A和视频B的相似度。采用Jaccard距离计算就是Num(A∩B）/Num(A∪B)，假设在计算的样本集中A和B出现的次数很多，那么结果基本接近1，在视频推荐中，会让很热，曝光很多的视频继续曝光。采用关联规则来分析，只取出A->B这种简单的规则。同样，当A在训练集中出现的次数很大，B在训练集中出现的次数很小时，在支持度这一步就很容易将B（与B组合的其它项集）pass，但A很多，...

今天遇到一个问题，没有解决， mark一下。java加载tensorflow的pb模型时，传递模型所在路径加载没有问题，想着放在resource中加载试一下，然后在本地运行依旧没有问题，但是打包成jar包，再运行就报错：Exception in thread "main" java.lang.IllegalArgumentException: Invalid GraphDef at org.ten...

centos7自带python2.7，建议不要采用python3.4+，踩了好多坑。。。用自带的2.7很简单。一定要先安装 epel-release！，因为这个权威的yum源会帮你找到很多包，装起来就简单了。1、TensorFlowtf安装很容易，其实按照官网装就可以，但是总有人不愿意看官网。。我才用的是

1.GBDT2.RF3.XGBOOST

损失函数统计学习中常用的损失函数：平方损失函数 平方损失函数是最常见的损失函数，在回归中经常使用。 L(Y,f(X))=(Y−f(X))2L\left( {Y,f\left( X \right)} \right) = \left( {Y - f\left( X \right)} \right)^2 0-1损失函数 L(Y,f(X))=I(Y≠f(X))L\left( {Y,f\left(

Kmeans聚类算法

knn算法的C++实现

Adaboost

极限学习机（ELM）算法的matlab与C++实现

觉得这篇文章写得蛮清楚的，mark转载自https://blog.youkuaiyun.com/gogoaway/article/details/534456701 AUC,ROC简单解释 ROC（Receiver Operating Characteristic）曲线的横坐标为TNR(负样本正确率)，纵坐标为TPR(正样本正确率)，以下为关于TPR,TNR的一些摘抄：True Positive （真正, T...