Preke的专栏

摘录的一个特征选取relief算法的一段java代码，还是讲的很清晰的 样本点之间的距离用欧氏距离来实现 原文链接： http://blog.youkuaiyun.com/nma_123456/article/details/51490637/** * relief算法 */ public void relief(){ matrix = new double[lengt

Skip-gram给定句子中一个特定的词（input word），随机选它附近的一个词。网络的目标是预测 我们选到这个附近词的概率。输入，输出取窗口大小为2（前后两个词）：得到一些词对： 如之中的（quick, brown) 训练神经网络时： 输入quick的one-hot编码, 输出层softmax分层的brown的概率应该是最大的隐层：我们训练一个简单的网络来执行一个任务，但是我们实际

从大规模数据集中寻找物品间的隐含关系被称作关联分析（association analysis）或者关联规则学习（association rule learning）。这里的主要问题在于，寻找物品的不同组合是一项十分耗时的任务，所需的计算代价很高，蛮力搜索方法并不能解决这个问题，所以需要用更智能的方法在合理的时间范围内找到频繁项集。关联分析是在大规模数据集中寻找有趣关系的任务。这些关系可以有两种形式：

越来越多的数据爱好者把注意力放在了数据竞赛上，像Kaggle数据竞赛。这类数据竞赛中，有时会遇到Data Leakage。而大部分人对Data Leakage的概念理解都是错误的。这次，我们来梳理一下Data Leakage，希望能让大家对数据中的因果关系更加重视。

一次结束，总归要写个回忆 一是以后写进简历的项目经历可以复习 二是对过去一个多月的时间的交代 （可能会较啰嗦吧, 穿插着回忆）比赛页面 比赛前一个多月前，组内大佬问我要不要参加这次CCF大赛，我确实不想参加，因为当时的我，申请没搞定，文书没搞定，套磁一个offer都没有，回信都没有。 都要失学了，做什么比赛啊。可是组内成员几乎都参赛了，组会都已经变成竞赛讨论的主题。我也在想，我进实验室这一年

传统向量空间模型的缺陷 向量空间模型是信息检索中最常用的检索方法，其检索过程是，将文档集D中的所有文档和查询都表示成以单词为特征的向量，特征值为每个单词的TF-IDF值，然后使用向量空间模型(亦即计算查询q的向量和每个文档di的向量之间的相似度)来衡量文档和查询之间的相似度，从而得到和给定查询最相关的文档。 向量空间模型简单的基于单词的出现与否以及TF-IDF等信息来进行检索，但是“