- 博客(32)
- 资源 (3)
- 收藏
- 关注
原创 python 爬虫-京东用户评论数据和用户评分
python 爬虫-京东用户评论数据和用户评分在京东页面查找(例如:oppo r15),选择第一个商品点击进入。点击第一个评论页面:点击第二个评论页面:第三个评论页面: 发现第二页和第三页的网址是一样的,我们可以推测,访问第一页评论的网址也可以和2,3一样。我们再次点击第一页:发现确实如此对于这
2018-04-04 11:23:32
7559
1
原创 CS224n-08 Recurrent Neural Networks and Language Models
08 Recurrent Neural Networks and Language Models
2018-03-27 11:34:31
568
原创 吴恩达-DeepLearning.ai-02 改善深层神经网络:超参数调试、正则化以及优化
02 改善深层神经网络:超参数调试、正则化以及优化总结
2018-03-20 09:56:02
745
原创 CS224n-05 Backpropagation and Project Advice
05 Backpropagation and Project Advice
2018-03-17 15:27:02
289
原创 CS224n-04 Word Window Classification and Neural Networks
04 Word Window Classification and Neural Networks
2018-03-17 11:49:31
750
原创 CS224n-03 Advanced Word Vector Representations
03 Advanced Word Vector Representations
2018-03-16 10:49:49
283
原创 CS224n-02 Word Vector Representations word2vec
02 Word Vector Representations word2vec
2018-03-14 23:51:30
418
原创 CS224n-01 Introduction to NLP and Deep Learning
CS224n-01 Introduction to NLP and Deep Learning 学子笔记
2018-03-14 14:18:30
310
转载 深度学习常用优化算法总结整理
深度学习优化算法总结:http://blog.youkuaiyun.com/u010089444/article/details/76725843https://www.jiqizhixin.com/articles/2016-11-21-4
2018-01-15 21:55:01
625
原创 Windows 平台安装 MongoDB踩过的坑
Windows 平台安装 MongoDB踩过的坑声明:下载的是企业版本,不知道为啥社区版本有很多奇怪的问题,所以建议下载企业版本。有两种文件格式:没有区别一个直接安装,一个解压到指定文件路径。mongodb-win32-x86_64-enterprise-windows-64-3.2.15-signed.msi mongodb-win32-x86_64-enterpr
2017-07-22 11:38:36
2229
1
原创 在TensorFlow中的cnn卷积和池化的计算及参数详解
在TensorFlow中的cnn卷积和池化的计算及参数详解TensorFlow中的卷积一般是通过tf.nn.conv2d()函数实现的具体可以查看官网:https://www.tensorflow.org/api_docs/python/tf/nn/conv2dTensorFlow中的池化有几种方式举个例子:通过tf.nn.max_pool函数实现的具体可以查看官网:htt
2017-07-15 12:10:58
6570
原创 时间序列常用方法
时间序列分析基本特征:http://wiki.mbalib.com/wiki/%E6%97%B6%E9%97%B4%E5%BA%8F%E5%88%97%E9%A2%84%E6%B5%8B%E6%B3%951.时间序列分析法是根据过去的变化趋势预测未来的发展,它的前提是假定事物的过去延续到未来。2.时间序列数据变动存在着规律性与不规律性。时间序列中的每个观察值
2017-07-03 10:56:54
6918
原创 初学者容易犯的错误,SQL中的基本操作问题(mysql)二
===============================================================================================================识别和消除笛卡尔积============================================================================
2017-03-20 11:15:53
657
原创 初学者容易犯的错误,SQL中的基本操作问题(mysql)一
===============================================================================================================================别名引用=================================================================
2017-03-19 22:18:15
942
原创 sql中的where和having
sql中的where和havingwhere:WHERE语句在GROUP BY语句之前;SQL会在分组之前计算WHERE语句。 where 子句的作用是在对查询结果进行分组前,将不符合where条件的行去掉,即在分组之前过滤数据,条件中不能包含聚组函数,使用where条件显示特定的行。SELECT Customer,SUM(OrderPrice) FROM
2017-03-16 11:15:23
758
原创 做leetcode的sql题遇到:You can't specify target table 'Person1' for update in FROM clause
通常情况下查询使用子查询这样就可以,但是当涉及表的更新操作时就不行了(mysql):DELETEFROMPerson1WHEREid NOT IN (SELECTmin(id) AS idFROMPerson1GROUP BYemail);运行时提出如下提示:You can't specify target table 'Pers
2017-03-16 11:07:52
384
原创 机器学习中的树模型下——集成类树
集成学习集成学习顾名思义是通过构建并结合集成多个学习器来完成学习任务,有时也被称为多分类系统。集成学习要获得好的结果应做到“好而不同”,即个体学习器要有一定的准确性,并且学习器之间应该有差异。目前集成学习的方法大致可以分为两种:1、个体学习器之间存在强依赖关系、必须串行生成的序列化方法。(Boosting)2、个体学习器之间不存在强依赖关系、可同时生成的并行化方法。(Baggi
2017-03-11 23:09:24
7108
原创 机器学习中的树模型上——单模型类树
机器学习中树模型是一个庞大的群体,可以用来做分类也可以用来做回归,这里主要将回归问题。单个树模型:分类决策树(ID3、C4.5、CART)
2017-03-11 19:58:21
862
转载 Spark的部署模式
Spark的部署模式首先介绍Spark支持的三种典型集群部署方式,即standalone、Spark on Mesos和Spark on YARN;然后,介绍在企业中是如何具体部署和应用Spark框架的,在企业实际应用环境中,针对不同的应用场景,可以采用不同的部署应用方式,或者采用Spark完全替代原有的Hadoop架构,或者采用Spark和Hadoop一起部署的方式。1、Spar
2017-01-21 18:25:53
1761
原创 认识spark
认识sparkSpark是一个用来实现快速而通用的集群计算的平台。在速度方面,Spark扩展了广泛使用的MapReduce计算模型,而且高效地支持更多计算模式,包括交互式查询和流处理。在处理大规模数据集时,速度是非常重要的。速度快就意味着我们可以进行交互式的数据操作,否则我们每次操作就需要等待数分钟甚至数小时。Spark的一个主要特点就是能够在内存中进行计算,因而更快。
2017-01-21 17:17:45
735
转载 欢迎使用优快云-markdown编辑器
欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来,用它写博客,将会带来全新的体验哦:Markdown和扩展Markdown简洁的语法代码块高亮图片链接和图片上传LaTex数学公式UML序列图和流程图离线写博客导入导出Markdown文件丰富的快捷键快捷键加粗 Ctrl + B 斜体 Ctrl + I 引用 Ctrl
2016-12-21 22:14:49
244
原创 艰难的起步
今天第一次写博客,以前学过很多的东西但总是为保存问题烦恼。今天开通博客就是为了更好地有助于学习,以后一定会好好加油,在学术上进步进步。
2016-07-23 23:04:44
487
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人