qq_37194898的博客

1. GAN的基本思想 GAN全称对抗生成网络，顾名思义是生成模型的一种，而他的训练则是处于一种对抗博弈状态中的。下面举例来解释一下GAN的基本思想。 假如你是一名篮球运动员，你想在下次比赛中得到上场机会。 于是在每一次训练赛之后你跟教练进行沟通： 你：教练，我想打球 教练：（评估你的训练赛表现之后）… 算了吧 （你通过跟其他人比较，发现自己的运球很差，于是你苦练了一段时间） 你：教练，我想打球 教练：… 嗯 还不行 （你发现大家投篮都很准，于是你苦练了一段时间的投篮） 你：教练，我想打球 教练： … 嗯

专用智能：已经取得很大的成功 通用智能：与人类智能水平还有很大的差距 发展趋势 通用人工智能：多模态信息协同，举一反三，自主学习，环境自适应 理论方法：连接主义与符号主义融合，融入知识推理，人工智能与人类智能互补融合，可解释性人工智能，复杂系统智能 人工智能将与人类智能结合 可解释性人工智能：新兴~ 复杂系统智能：多个智能体互相作用，高度非线性，动态变化 ...

今天忙，简单列一下，明天补 np中的广播机制 参考:https://www.runoob.com/numpy/numpy-broadcast.html广播的规则:让所有输入数组都向其中形状最长的数组看齐，形状中不足的部分都通过在前面加 1 补齐。输出数组的形状是输入数组形状的各个维度上的最大值。如果输入数组的某个维度和输出数组的对应维度的长度相同或者其长度为 1 时，这个数组能够用来计算，否则出错。当输入数组的某个维度的长度为 1 时，沿着此维度运算时都用此维度上的第一组值。**简单理解：**对两个数组，

次序统计 1.1 计算最小值numpy.amin(a[, axis=None, out=None, keepdims=np._NoValue, initial=np._NoValue, where=np._NoValue])numpy中amin()方法中维度axis=0 1 2 的理解axis=0 从最外一层的维度来比较(把两块面包变成一块面包)axis=1 从中间一层的维度来比较(比较行，将多行压缩成了一行)axis=2 从最内一层的维度来比较(比较列，把多列压缩成了一列)import numpy as

numpy.lexsort() 用于对多个序列进行排序。把它想象成对电子表格进行排序，每一列代表一个序列，排序时优先照顾靠后的列。这里举一个应用场景：小升初考试，重点班录取学生按照总成绩录取。在总成绩相同时，数学成绩高的优先录取，在总成绩和数学成绩都相同时，按照英语成绩录取…… 这里，总成绩排在电子表格的最后一列，数学成绩在倒数第二列，英语成绩在倒数第三列。 ...

逻辑函数 numpy.all(a, axis=None, out=None, keepdims=np._NoValue) numpy.any(a, axis=None, out=None, keepdims=np._NoValue) numpy.isnan(x, *args, **kwargs) numpy.logical_not numpy.logical_and numpy.logical_or numpy.logical_xor numpy.greater(x1, x2, *args, **kwarg

索引与切片 数组索引机制指的是用方括号（[]）加序号的形式引用单个数组元素，它的用处很多，比如抽取元素，选取数组的几个元素，甚至为其赋一个新值 整数索引要获取数组的单个元素，指定元素的索引即可。 切片索引切片操作是指抽取数组的一部分元素生成新数组。对 python 列表进行切片操作得到的数组是原数组的副本，而对 Numpy 数据进行切片操作得到的数组则是指向相同缓冲区的视图。如果想抽取（或查看）数组的一部分，必须使用切片语法，也就是，把几个用冒号（ start:stop:step ）隔开的数字置于方括号内

协同过滤：基本思想是根据用户之前的喜好以及其他兴趣相近的用户的选择来给用户推荐物品基于用户的协同过滤算法(UserCF): 给用户推荐和他兴趣相似的其他用户喜欢的产品基于物品的协同过滤算法(ItemCF): 给用户推荐和他之前喜欢的物品相似的物品2. 相似性度量方法（1）杰卡德(Jaccard)相似系数两个用户u uu和v vv交互商品交集的数量占这两个用户交互商品并集的数量的比例：s i m u v = ∣ N ( u ) ∩ N ( v ) ∣ ∣ N ( u ) ∣ ∪ ∣ N ( v ) ∣ sim