<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[大锅八十小锅四十]]></title><description><![CDATA[伪数据挖掘，伪机器学习，通信狗转cs汪一只，https://tinkle1129.github.io/]]></description><link>https://blog.youkuaiyun.com/tinkle181129</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; tinkle181129]]></copyright><item><title><![CDATA[一些有用的技巧]]></title><link>https://blog.youkuaiyun.com/tinkle181129/article/details/97623628</link><guid>https://blog.youkuaiyun.com/tinkle181129/article/details/97623628</guid><author>tinkle181129</author><pubDate>Mon, 29 Jul 2019 09:43:48 +0800</pubDate><description><![CDATA[不定期分享一些有用的技巧，包括但不限于工具、生活、健身
mac + iterm2 自动ssh登录
alias

]]></description><category></category></item><item><title><![CDATA[Python一些小笔记]]></title><link>https://blog.youkuaiyun.com/tinkle181129/article/details/94385090</link><guid>https://blog.youkuaiyun.com/tinkle181129/article/details/94385090</guid><author>tinkle181129</author><pubDate>Mon, 01 Jul 2019 11:47:54 +0800</pubDate><description><![CDATA[办公PC和个人PC一个用py3,一个用py2，统一起来很烦，目前主要代码还是用py2来编写，未来要修改成py3的版本，任重道远。。。

除法
python2结果:取整数部分,小数并没有保留
python3结果:得到真实结果,小数保留

# python2
print(123456/11)
11223

# python3
print(123456/11)
11223.272727272728
pr...]]></description><category></category></item><item><title><![CDATA[tensorflow 一些小笔记]]></title><link>https://blog.youkuaiyun.com/tinkle181129/article/details/93975530</link><guid>https://blog.youkuaiyun.com/tinkle181129/article/details/93975530</guid><author>tinkle181129</author><pubDate>Fri, 28 Jun 2019 10:46:29 +0800</pubDate><description><![CDATA[最近因为工作原因，需要用到tensorflow，对于我这个没搞过深度学习的菜鸟来说，tensorflow实在是。。。。
挺好用的。开个贴记录一些使用方法。
我的记性不好， 只能烂笔头了。
tf.stack
tf.concat
&gt;&gt;&gt; import tensorflow as tf
&gt;&gt;&gt; a = [1,2,3]
&gt;&gt;&gt; b = [4,5,6]
...]]></description><category></category></item><item><title><![CDATA[深度学习CTR模型读书笔记-阿里十亿级商品嵌入方法]]></title><link>https://blog.youkuaiyun.com/tinkle181129/article/details/93337845</link><guid>https://blog.youkuaiyun.com/tinkle181129/article/details/93337845</guid><author>tinkle181129</author><pubDate>Sun, 23 Jun 2019 17:21:22 +0800</pubDate><description><![CDATA[论文连接：Billion-scale Commodity Embedding for E-commerce Recommendation in Alibaba
摘要：
阿里推荐系统的三大挑战，可扩展性（scalability），稀疏性（sparsity）和冷启动（cold start）。
首先通过用户历史行为构建item graph，并在graph上学习item的embedding，这个embed...]]></description><category></category></item><item><title><![CDATA[深度学习CTR模型粗略记录]]></title><link>https://blog.youkuaiyun.com/tinkle181129/article/details/91993711</link><guid>https://blog.youkuaiyun.com/tinkle181129/article/details/91993711</guid><author>tinkle181129</author><pubDate>Fri, 14 Jun 2019 18:11:58 +0800</pubDate><description><![CDATA[这里写自定义目录标题FM：Factorization MachinesDNN：Embedding+MLPWND:Wide &amp; Deep Learning for Recommender SystemsNFM：Neural Factorization Machines for Sparse Predictive AnalyticsAFM: Attentional Factorization ...]]></description><category></category></item><item><title><![CDATA[Leetcode String 知识点总结]]></title><link>https://blog.youkuaiyun.com/tinkle181129/article/details/80449883</link><guid>https://blog.youkuaiyun.com/tinkle181129/article/details/80449883</guid><author>tinkle181129</author><pubDate>Fri, 25 May 2018 11:56:05 +0800</pubDate><description><![CDATA[
551. Student Attendance Record I：一堂课不合格的条件是：两次及以上的缺席（‘A‘）或连续三次的迟到（‘L‘），给定一个字符串，求该学生是否合格，Easy




class Solution(object):
    def checkRecord(self, s):
        &amp;amp;quot;&amp;amp;quot;&amp;amp;quot;
        :type s: str
        :rtype:...]]></description><category></category></item><item><title><![CDATA[Leetcode Tree 知识点总结]]></title><link>https://blog.youkuaiyun.com/tinkle181129/article/details/80336106</link><guid>https://blog.youkuaiyun.com/tinkle181129/article/details/80336106</guid><author>tinkle181129</author><pubDate>Wed, 16 May 2018 14:02:55 +0800</pubDate><description><![CDATA[ 
95. Unique Binary Search Trees II：返回由[1,2,…,n]组成的所有二叉搜索树的列表，Medium. 


  思路：先确定root，在递归获取root.left和root.right
  
  

# Definition for a binary tree node.
# class TreeNode(object):
#     def __init__...]]></description><category></category></item><item><title><![CDATA[Leetcode Array 知识点总结]]></title><link>https://blog.youkuaiyun.com/tinkle181129/article/details/80333687</link><guid>https://blog.youkuaiyun.com/tinkle181129/article/details/80333687</guid><author>tinkle181129</author><pubDate>Wed, 16 May 2018 10:42:26 +0800</pubDate><description><![CDATA[
832. Flipping an Image：将数据先水平翻转，再01交换，返回数据。Easy




class Solution(object):
    def flipAndInvertImage(self, A):
        &amp;quot;&amp;quot;&amp;quot;
        :type A: List[List[int]]
        :rtype: List[List[int]]
        &amp;quot;...]]></description><category></category></item><item><title><![CDATA[树模型特征重要性评估方法]]></title><link>https://blog.youkuaiyun.com/tinkle181129/article/details/80231871</link><guid>https://blog.youkuaiyun.com/tinkle181129/article/details/80231871</guid><author>tinkle181129</author><pubDate>Mon, 07 May 2018 21:28:33 +0800</pubDate><description><![CDATA[前言

在特征的选择过程中，如果学习器（基学习器）是树模型的话，可以根据特征的重要性来筛选有效的特征。本文是对Random Forest、GBDT、XGBoost如何用在特征选择上做一个简单的介绍。



各种模型的特征重要性计算



Random Forests


袋外数据错误率评估 
RF的数据是boostrap的有放回采样，形成了袋外数据。因此可以采用袋外数据（OOB）错误率进行特征重要...]]></description><category></category></item><item><title><![CDATA[Leetcode Shell 编程]]></title><link>https://blog.youkuaiyun.com/tinkle181129/article/details/80047959</link><guid>https://blog.youkuaiyun.com/tinkle181129/article/details/80047959</guid><author>tinkle181129</author><pubDate>Mon, 23 Apr 2018 11:17:17 +0800</pubDate><description><![CDATA[
195. Tenth Line：显示文件第10行的内容，Easy

sed –help；查看具体使用规则：


  sed -n ‘xp’ filename；显示文件X行命令： 
  sed -n ‘x,yp’ filename；显示文件X行到Y行的内容：    

193. Valid Phone Numbers：匹配有效的电话号码形式，Medium


  脱字符^匹配开头，美元字符$匹配结...]]></description><category></category></item><item><title><![CDATA[Leetcode Hash Table知识点总结]]></title><link>https://blog.youkuaiyun.com/tinkle181129/article/details/80037251</link><guid>https://blog.youkuaiyun.com/tinkle181129/article/details/80037251</guid><author>tinkle181129</author><pubDate>Sun, 22 Apr 2018 11:19:30 +0800</pubDate><description><![CDATA[ 
454. 4Sum II：求满足A[i]+B[j]+C[k]+D[l] = 0的 (i,j,k,l)个数，Medium 


  http://bookshadow.com/weblog/2016/11/13/leetcode-4sum-ii/ 
  利用字典cnt，将A，B中各元素（笛卡尔积）的和进行分类计数。 
  将C，D中各元素（笛卡尔积）和的相反数在cnt中的值进行累加，即为答案。
...]]></description><category></category></item><item><title><![CDATA[Leetcode Binary Search 知识点总结]]></title><link>https://blog.youkuaiyun.com/tinkle181129/article/details/80037111</link><guid>https://blog.youkuaiyun.com/tinkle181129/article/details/80037111</guid><author>tinkle181129</author><pubDate>Sun, 22 Apr 2018 11:07:06 +0800</pubDate><description><![CDATA[ 
744. Find Smallest Letter Greater Than Target：返回目标字母target插入到有序字母列表letters后下一个字母，如果target无下一个字母，则返回letters[0]，Easy 


  二分插入 
  index = bisect.bisect(letters, target) 
  return letters[index % len(l...]]></description><category></category></item><item><title><![CDATA[Leetcode TwoPointer知识点总结]]></title><link>https://blog.youkuaiyun.com/tinkle181129/article/details/79990668</link><guid>https://blog.youkuaiyun.com/tinkle181129/article/details/79990668</guid><author>tinkle181129</author><pubDate>Wed, 18 Apr 2018 15:10:08 +0800</pubDate><description><![CDATA[
344. Reverse String：字符串转置，Easy 



  定义头尾指针，调换对应的字符
  
  


class Solution(object):
    def reverseString(self, s):
        &quot;&quot;&quot;
        :type s: str
        :rtype: str
        &quot;&quot;&quot;
        s = list(s...]]></description><category></category></item><item><title><![CDATA[Leetcode Array知识点总结]]></title><link>https://blog.youkuaiyun.com/tinkle181129/article/details/79984454</link><guid>https://blog.youkuaiyun.com/tinkle181129/article/details/79984454</guid><author>tinkle181129</author><pubDate>Wed, 18 Apr 2018 09:46:49 +0800</pubDate><description><![CDATA[ 
804. Unique Morse Code Words：统计单词翻译成摩斯电码后摩斯电码的个数，Easy 


  set
  


class Solution(object):
    def uniqueMorseRepresentations(self, words):
        &quot;&quot;&quot;
        :type words: List[str]
        :rtype...]]></description><category></category></item><item><title><![CDATA[Leetcode DFS知识点总结]]></title><link>https://blog.youkuaiyun.com/tinkle181129/article/details/79840542</link><guid>https://blog.youkuaiyun.com/tinkle181129/article/details/79840542</guid><author>tinkle181129</author><pubDate>Sat, 07 Apr 2018 12:44:15 +0800</pubDate><description><![CDATA[Depth-first-search


104. Maximum Depth of Binary Tree：求树的最大深度, Easy


class Solution(object):
    def maxDepth(self, root):
        &quot;&quot;&quot;
        :type root: TreeNode
        :rtype: int
        &quot;&quot;&quot;
  ...]]></description><category></category></item><item><title><![CDATA[LS-PLM学习笔记]]></title><link>https://blog.youkuaiyun.com/tinkle181129/article/details/79790341</link><guid>https://blog.youkuaiyun.com/tinkle181129/article/details/79790341</guid><author>tinkle181129</author><pubDate>Mon, 02 Apr 2018 15:44:54 +0800</pubDate><description><![CDATA[论文链接 
Learning Piece-wise Linear Models from Large Scale Data for Ad Click Prediction 
首先介绍了传统的解决方案和局限性 
（1）LR不能捕捉非线性 
（2）GBDT+LR虽然能够产生非线性特征组合，但是树模型不适用于超高维稀疏数据 
（3）FM利用二阶信息来产生变量之间的相关性，但是无法适应多阶模式 
LS-P...]]></description><category></category></item><item><title><![CDATA[过拟合、欠拟合、正则化]]></title><link>https://blog.youkuaiyun.com/tinkle181129/article/details/79693996</link><guid>https://blog.youkuaiyun.com/tinkle181129/article/details/79693996</guid><author>tinkle181129</author><pubDate>Mon, 26 Mar 2018 09:51:44 +0800</pubDate><description><![CDATA[过拟合和欠拟合


产生原因 
欠拟合：模型学习能力不足（太简单），无法学习到数据的真实分布，即模型的期望输出和真实输出之间有很大的差异，高偏差。
过拟合：模型学习能力过分（太复杂），因噪声干扰等因素导致数据的分布有轻微的波动，但是模型也学习到了，导致模型的训练结果得到的数据分布过分依赖于所输入的数据，高方差。
从模型泛化程度上理解，欠拟合的模型在训练集和测试集上表现不足，而过拟合的模型尽管在训练...]]></description><category></category></item><item><title><![CDATA[集成学习专题之GBDT面试]]></title><link>https://blog.youkuaiyun.com/tinkle181129/article/details/79681702</link><guid>https://blog.youkuaiyun.com/tinkle181129/article/details/79681702</guid><author>tinkle181129</author><pubDate>Sat, 24 Mar 2018 21:17:08 +0800</pubDate><description><![CDATA[题目和答案来自于网络，相关链接已贴。 
春招不易，且学且珍惜～

Q1：GBDT的算法流程？ 
A：GBDT是通过采用加法模型（基函数的线性组合），不断减小训练过程产生的残差来达到将数据分类或者回归的算法。针对一般损失函数优化困难问题，利用损失函数的负梯度在当前模型的值作为残差的近似值进行求解。

Q2：GBDT如何选择特征？(CART Tree中的特征选择方法） 
A：遍历每个特征，然后对每个特...]]></description><category></category></item><item><title><![CDATA[Leetcode Math知识点总结]]></title><link>https://blog.youkuaiyun.com/tinkle181129/article/details/79655434</link><guid>https://blog.youkuaiyun.com/tinkle181129/article/details/79655434</guid><author>tinkle181129</author><pubDate>Thu, 22 Mar 2018 16:05:56 +0800</pubDate><description><![CDATA[
728. Self Dividing Numbers：返回[left,right+1]区间内所有自分数的列表（自分数即该数%各位上的数=0，含0的数不是自分数）, Easy




class Solution(object):
    def selfDividingNumbers(self, left, right):
        &quot;&quot;&quot;
        :type left: int
...]]></description><category></category></item><item><title><![CDATA[机器学习面试题整理]]></title><link>https://blog.youkuaiyun.com/tinkle181129/article/details/79625015</link><guid>https://blog.youkuaiyun.com/tinkle181129/article/details/79625015</guid><author>tinkle181129</author><pubDate>Tue, 20 Mar 2018 14:16:05 +0800</pubDate><description><![CDATA[持更中。。。（最近电脑卡得要死） 
主要focus在场景题上

一、2015百度校招笔试题 
（1）垃圾邮件分类问题 
1. 垃圾邮件分类特征？ 
2. 训练集中99%非垃圾、1%垃圾，训练模型视为100%非垃圾，准确率？召回率？ 
3. 在实际的应用场景中，尽可能地找回垃圾邮件，应该怎么办？ 
（2）求元素之和最大的子数组 （解答：dp） 
（3）从字符串流中随机选择一个字符串 
【从字符串流中...]]></description><category></category></item></channel></rss>