<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[铭霏的记事本]]></title><description><![CDATA[日常记录或收集有意义/有意思/有想法的文章]]></description><link>https://blog.youkuaiyun.com/u012102306</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; u012102306]]></copyright><item><title><![CDATA[Adam那么棒，为什么还对SGD念念不忘]]></title><link>https://blog.youkuaiyun.com/u012102306/article/details/87282582</link><guid>https://blog.youkuaiyun.com/u012102306/article/details/87282582</guid><author>u012102306</author><pubDate>Thu, 14 Feb 2019 16:52:05 +0800</pubDate><description><![CDATA[https://mp.weixin.qq.com/s/xm4MuZm-6nKTn2eE3eNOlg

]]></description><category></category></item><item><title><![CDATA[一文看懂各种神经网络优化算法：从梯度下降到Adam方法]]></title><link>https://blog.youkuaiyun.com/u012102306/article/details/87281022</link><guid>https://blog.youkuaiyun.com/u012102306/article/details/87281022</guid><author>u012102306</author><pubDate>Thu, 14 Feb 2019 16:32:03 +0800</pubDate><description><![CDATA[https://zhuanlan.zhihu.com/p/27449596

]]></description><category></category></item><item><title><![CDATA[faiss探索]]></title><link>https://blog.youkuaiyun.com/u012102306/article/details/83343617</link><guid>https://blog.youkuaiyun.com/u012102306/article/details/83343617</guid><author>u012102306</author><pubDate>Wed, 24 Oct 2018 14:31:03 +0800</pubDate><description><![CDATA[https://www.jianshu.com/p/43db601b8af1
https://www.jianshu.com/p/d35198c5bc23
https://www.cnblogs.com/houkai/p/9316155.html
晚上再整理

]]></description><category></category></item><item><title><![CDATA[Word2Vec]]></title><link>https://blog.youkuaiyun.com/u012102306/article/details/83098836</link><guid>https://blog.youkuaiyun.com/u012102306/article/details/83098836</guid><author>u012102306</author><pubDate>Tue, 16 Oct 2018 22:41:13 +0800</pubDate><description><![CDATA[
								
					版权声明：本文为博主原创文章，可随意转载，但请注明作者和出处。					https://blog.youkuaiyun.com/LeYOUNGER/article/details/78206832				
								            
							
							
							摘要
关键词： Glove，word2vec，NNLM，余弦相似度
参考：

一个非常好...]]></description><category></category></item><item><title><![CDATA[主动学习——active learning]]></title><link>https://blog.youkuaiyun.com/u012102306/article/details/83068845</link><guid>https://blog.youkuaiyun.com/u012102306/article/details/83068845</guid><author>u012102306</author><pubDate>Tue, 16 Oct 2018 10:14:06 +0800</pubDate><description><![CDATA[本文转载自：https://www.cnblogs.com/hust-yingjie/p/8522165.html
阅读目录

写在前面
什么是active learning？
active learning的基本思想
active learning与半监督学习的不同
参考文献
1. 写在前面
　　在机器学习(Machine learning)领域，监督学习(Supervised learning...]]></description><category></category></item><item><title><![CDATA[部分监督学习]]></title><link>https://blog.youkuaiyun.com/u012102306/article/details/82852711</link><guid>https://blog.youkuaiyun.com/u012102306/article/details/82852711</guid><author>u012102306</author><pubDate>Wed, 26 Sep 2018 14:17:40 +0800</pubDate><description><![CDATA[部分监督学习（Partially Supervised Learning）：
（1）已标注和无标注数据中进行学习（Learning from Labeled and Unlabeled Examples）  【LU学习（LU Learning）】 【每个类别的数据包含少量的已标注数据和大量的无标注数据】
（2）正例和无标注数据中学习（Learning from Positive and Unlab...]]></description><category></category></item><item><title><![CDATA[Learning to Rank for IR的评价指标—MAP,NDCG,MRR]]></title><link>https://blog.youkuaiyun.com/u012102306/article/details/82624993</link><guid>https://blog.youkuaiyun.com/u012102306/article/details/82624993</guid><author>u012102306</author><pubDate>Thu, 13 Sep 2018 00:39:43 +0800</pubDate><description><![CDATA[MAP(Mean Average Precision)：单个主题的平均准确率是每篇相关文档检索出后的准确率的平均值。主集合的平均准确率(MAP)是每个主题的平均准确率的平均值。MAP 是反映系统在全部相关文档上性能的单值指标。系统检索出来的相关文档越靠前(rank 越高)，MAP就可能越高。如果系统没有返回相关文档，则准确率默认为0。 
例如：假设有两个主题，主题1有4个相关网页，主题2有5个相关...]]></description><category></category></item><item><title><![CDATA[基于矩阵分解的推荐算法]]></title><link>https://blog.youkuaiyun.com/u012102306/article/details/82670548</link><guid>https://blog.youkuaiyun.com/u012102306/article/details/82670548</guid><author>u012102306</author><pubDate>Wed, 12 Sep 2018 23:54:09 +0800</pubDate><description><![CDATA[摘自：https://www.cnblogs.com/bonelee/p/7126144.html

一，基于矩阵分解的推荐算法相关理论介绍 
      我们知道，要做推荐系统，最基本的一个数据就是，用户-物品的评分矩阵，如下图1所示 
  
图1 
        矩阵中，描述了5个用户(U1,U2,U3,U4 ,U5)对4个物品(D1,D2,D3,D4)的评分(1-5分)，- 表示没有评分，...]]></description><category></category></item><item><title><![CDATA[4篇YouTube推荐系统论文, 一起来看看别人家的孩子]]></title><link>https://blog.youkuaiyun.com/u012102306/article/details/82591470</link><guid>https://blog.youkuaiyun.com/u012102306/article/details/82591470</guid><author>u012102306</author><pubDate>Mon, 10 Sep 2018 16:17:31 +0800</pubDate><description><![CDATA[一篇去年的文章，但是写的很好。因此转载记录。 
—————————————————————————————————— 
最近一直在花时间研究和实现一些推荐算法，并且搭建系统在产品中进行测试。

我读了一些关于Netflix等网站“如何使用Collaborative Filtering来预测用户对其他影片的打分”的文章，之前也曾在Pinterest目睹了Related Pin从传统的计算co-occ...]]></description><category></category></item><item><title><![CDATA[awk求和、平均值、最大最小值]]></title><link>https://blog.youkuaiyun.com/u012102306/article/details/81297934</link><guid>https://blog.youkuaiyun.com/u012102306/article/details/81297934</guid><author>u012102306</author><pubDate>Tue, 31 Jul 2018 10:42:28 +0800</pubDate><description><![CDATA[1、求和
cat data|awk '{sum+=$1} END {print &quot;Sum = &quot;, sum}'
2、求平均
cat data|awk '{sum+=$1} END {print &quot;Average = &quot;, sum/NR}'
3、求最大值
cat data|awk 'BEGIN {max = 0} {if ($1&amp;gt;max) max=$1 fi} END {print &quot;Max=...]]></description><category></category></item><item><title><![CDATA[谷歌机器学习43条规则：机器学习工程的最佳实践经验]]></title><link>https://blog.youkuaiyun.com/u012102306/article/details/80934441</link><guid>https://blog.youkuaiyun.com/u012102306/article/details/80934441</guid><author>u012102306</author><pubDate>Thu, 05 Jul 2018 23:08:44 +0800</pubDate><description><![CDATA[机器学习目前已经有非常多的应用，它相比于传统的软件工程，最大的特点即我们编写的是学习过程，因此系统能根据数据改善性能。正因为这种特性，从嵌入循环神经网络的输入法到嵌入卷积神经网络的摄像头，机器学习应用已经无处不在。但在真正做产品时，我们需要的不是机器学习专家或顶尖的深度学习技术，而是大量的模型压缩调优、部署测试和模型交互等。因此，在实践中成为一名出色的工程师极为重要。这篇文章选自谷歌开发者中文博客...]]></description><category></category></item><item><title><![CDATA[python os.system重定向stdout到变量 ,同时获取返回值(os.popen,commands.getstatusoutput)]]></title><link>https://blog.youkuaiyun.com/u012102306/article/details/80379150</link><guid>https://blog.youkuaiyun.com/u012102306/article/details/80379150</guid><author>u012102306</author><pubDate>Sat, 19 May 2018 23:39:36 +0800</pubDate><description><![CDATA[一个很实用的小技巧。记录一下。Python执行系统命令的方法 os.system()，os.popen()，commands最近在做那个测试框架的时候发现 Python 的另一个获得系统执行命令的返回值和输出的类。最开始的时候用 Python 学会了 os.system() 这个方法是很多比如 C，Perl 相似的。os.system('cat /proc/cpuinfo')但是这样是无法获得到输...]]></description><category></category></item><item><title><![CDATA[TransE算法（Translating Embedding）]]></title><link>https://blog.youkuaiyun.com/u012102306/article/details/80047103</link><guid>https://blog.youkuaiyun.com/u012102306/article/details/80047103</guid><author>u012102306</author><pubDate>Mon, 23 Apr 2018 10:32:36 +0800</pubDate><description><![CDATA[http://blog.youkuaiyun.com/u011274209/article/details/50991385一、引言       网络上已经存在了大量知识库（KBs），比如OpenCyc，WordNet，Freebase，Dbpedia等等。这些知识库是为了各种各样的目的建立的，因此很难用到其他系统上面。为了发挥知识库的图（graph）性，也为了得到统计学习（包括机器学习和深度学习）的优势，我...]]></description><category></category></item><item><title><![CDATA[论文笔记：Deep neural networks for YouTube recommendations]]></title><link>https://blog.youkuaiyun.com/u012102306/article/details/79889609</link><guid>https://blog.youkuaiyun.com/u012102306/article/details/79889609</guid><author>u012102306</author><pubDate>Tue, 10 Apr 2018 23:07:15 +0800</pubDate><description><![CDATA[论文提要YouTube如今是工业界最大和最复杂的推荐系统之一，本文作者提出了一种高效的基于深度学习的推荐系统。该系统和工业界经典的推荐流程一样，系统分为候选集生成（也称为搜索或召回），排序两个阶段，这两个阶段分别使用了一个深度神经网络，本文从实践的角度对特征处理，模型训练和调优都有详细介绍。解决的问题YouTube是世界上最大的视频创作及分享平台，其视频推荐的面临的主要问题有： 1. 海量数据：现...]]></description><category></category></item><item><title><![CDATA[Python中如何使用*args和**kwargs]]></title><link>https://blog.youkuaiyun.com/u012102306/article/details/79194226</link><guid>https://blog.youkuaiyun.com/u012102306/article/details/79194226</guid><author>u012102306</author><pubDate>Mon, 29 Jan 2018 13:26:59 +0800</pubDate><description><![CDATA[原文英文地址：https://www.saltycrane.com/blog/2008/01/how-to-use-args-and-kwargs-in-python/
原文翻译地址：http://python.jobbole.com/83476/
Python中如何使用*args和**kwargs，或者说，在Python中如何使用可变长参数列表。


函数定义


这是一种特殊的]]></description><category></category></item><item><title><![CDATA[python在linux下代码调试pdb]]></title><link>https://blog.youkuaiyun.com/u012102306/article/details/78779183</link><guid>https://blog.youkuaiyun.com/u012102306/article/details/78779183</guid><author>u012102306</author><pubDate>Tue, 12 Dec 2017 10:01:57 +0800</pubDate><description><![CDATA[python -m pdb myscript.py
or 
import pdb; pdb.set_trace()




命令

解释





break 或 b 设置断点

设置断点



continue 或 c

继续执行程序



list 或 l

查看当前行的代码段



step 或 s

进入函数


]]></description><category></category></item><item><title><![CDATA[Spark中存在的各种2G限制]]></title><link>https://blog.youkuaiyun.com/u012102306/article/details/78766734</link><guid>https://blog.youkuaiyun.com/u012102306/article/details/78766734</guid><author>u012102306</author><pubDate>Sun, 10 Dec 2017 19:33:45 +0800</pubDate><description><![CDATA[motivation 动机
The various 2G limit in Spark. Spark中存在的各种2G限制问题.
 
1. When reading the data block is stored in the hard disk, the following code fragment is called.  获取缓存在本地硬盘的数据块时,会调用以下代码片段
 
 
]]></description><category></category></item><item><title><![CDATA[如何轻松愉快地理解条件随机场（CRF）？]]></title><link>https://blog.youkuaiyun.com/u012102306/article/details/77645922</link><guid>https://blog.youkuaiyun.com/u012102306/article/details/77645922</guid><author>u012102306</author><pubDate>Mon, 28 Aug 2017 11:34:37 +0800</pubDate><description><![CDATA[理解条件随机场最好的办法就是用一个现实的例子来说明它。但是目前中文的条件随机场文章鲜有这样干的，可能写文章的人都是大牛，不屑于举例子吧。于是乎，我翻译了这篇文章。希望对其他伙伴有所帮助。
原文在这里[http://blog.echen.me/2012/01/03/introduction-to-conditional-random-fields/]

想直接看英文的朋友可以直接点进去了。我在]]></description><category></category></item><item><title><![CDATA[awk]]></title><link>https://blog.youkuaiyun.com/u012102306/article/details/76945124</link><guid>https://blog.youkuaiyun.com/u012102306/article/details/76945124</guid><author>u012102306</author><pubDate>Tue, 08 Aug 2017 23:10:55 +0800</pubDate><description><![CDATA[awk是行处理器: 相比较屏幕处理的优点，在处理庞大文件时不会出现内存溢出或是处理缓慢的问题，通常用来格式化文本信息
awk处理过程: 依次对每一行进行处理，然后输出
awk命令形式:
awk [-F|-f|-v] ‘BEGIN{} //{command1; command2} END{}’ file
 [-F|-f|-v]   大参数，-F指定分隔符，-f调用脚本，-v定义变量
 va]]></description><category></category></item><item><title><![CDATA[数据库索引的实现原理]]></title><link>https://blog.youkuaiyun.com/u012102306/article/details/76546456</link><guid>https://blog.youkuaiyun.com/u012102306/article/details/76546456</guid><author>u012102306</author><pubDate>Tue, 01 Aug 2017 17:06:14 +0800</pubDate><description><![CDATA[强烈建议参阅链接：http://www.linezing.com/blog/?p=798#nav-1




说白了，索引问题就是一个查找问题。。。




数据库索引，是数据库管理系统中一个排序的数据结构，以协助快速查询、更新数据库表中数据。索引的实现通常使用B树及其变种B+树。

在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向]]></description><category></category></item></channel></rss>