<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Arthur-Chen的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/u014313009</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; u014313009]]></copyright><item><title><![CDATA[softmax的log似然代价函数（公式求导）]]></title><link>https://blog.youkuaiyun.com/u014313009/article/details/51045303</link><guid>https://blog.youkuaiyun.com/u014313009/article/details/51045303</guid><author>u014313009</author><pubDate>Sat, 02 Apr 2016 21:59:01 +0800</pubDate><description><![CDATA[在人工神经网络（ANN）中，softmax通常被用作输出层的激活函数。这不仅是因为它的效果好，而且因为它使得ANN的输出值更易于理解。同时，它配合log似然代价函数，其训练效果也要比采用二次代价函数的方式好。]]></description><category></category></item><item><title><![CDATA[交叉熵代价函数（作用及公式推导）]]></title><link>https://blog.youkuaiyun.com/u014313009/article/details/51043064</link><guid>https://blog.youkuaiyun.com/u014313009/article/details/51043064</guid><author>u014313009</author><pubDate>Sat, 02 Apr 2016 18:22:52 +0800</pubDate><description><![CDATA[交叉熵代价函数（Cross-entropy cost function）是用来衡量人工神经网络（ANN）的输出值与实际值的一种方式。与二次代价函数（Quadratic cost function）相比，它能更有效地配合反向传播算法，促进ANN的训练。]]></description><category></category></item><item><title><![CDATA[反向传播算法（过程及公式推导）]]></title><link>https://blog.youkuaiyun.com/u014313009/article/details/51039334</link><guid>https://blog.youkuaiyun.com/u014313009/article/details/51039334</guid><author>u014313009</author><pubDate>Fri, 01 Apr 2016 21:19:56 +0800</pubDate><description><![CDATA[反向传播算法（Backpropagation）是目前用来训练人工神经网络（Artificial Neural Network，ANN）的最常用且最有效的算法。]]></description><category></category></item><item><title><![CDATA[模式识别与机器学习（二）：常用的概率分布（共轭分布等）]]></title><link>https://blog.youkuaiyun.com/u014313009/article/details/50849694</link><guid>https://blog.youkuaiyun.com/u014313009/article/details/50849694</guid><author>u014313009</author><pubDate>Thu, 10 Mar 2016 21:07:37 +0800</pubDate><description><![CDATA[本系列是经典书籍《Pattern Recognition and Machine Learning》的读书笔记，正在研读中，欢迎交流讨论。]]></description><category></category></item><item><title><![CDATA[模式识别与机器学习（一）：概率论、决策论、信息论]]></title><link>https://blog.youkuaiyun.com/u014313009/article/details/50756926</link><guid>https://blog.youkuaiyun.com/u014313009/article/details/50756926</guid><author>u014313009</author><pubDate>Sat, 27 Feb 2016 21:52:49 +0800</pubDate><description><![CDATA[本系列是经典书籍《Pattern Recognition and Machine Learning》的读书笔记，正在研读中，欢迎交流讨论。]]></description><category></category></item><item><title><![CDATA[红黑树的插入与删除]]></title><link>https://blog.youkuaiyun.com/u014313009/article/details/47406361</link><guid>https://blog.youkuaiyun.com/u014313009/article/details/47406361</guid><author>u014313009</author><pubDate>Mon, 10 Aug 2015 22:50:59 +0800</pubDate><description><![CDATA[本文着重介绍了红黑树的插入和删除操作，由于网上很多介绍红黑树的博文只介绍操作过程，而不解释为什么进行该操作，或者仅仅用“符合红黑树的五个性质”一带而过，令人费解。因此，本文在介绍各种插入和删除操作的同时，会详细解释各个操作的作用。希望本文能够帮助你快速理解红黑树的插入和删除过程。]]></description><category></category></item><item><title><![CDATA[LDA（Latent Dirichlet Allocation）简介]]></title><link>https://blog.youkuaiyun.com/u014313009/article/details/39831281</link><guid>https://blog.youkuaiyun.com/u014313009/article/details/39831281</guid><author>u014313009</author><pubDate>Mon, 06 Oct 2014 20:18:07 +0800</pubDate><description><![CDATA[LDA（Latent Dirichlet Allocation）就是一种非常有效的无监督学习的主题生成模型。因为互联网中80%的信息都是以文本的形式存储，所以主题建模、文本分类等文本挖掘技术相当重要。]]></description><category></category></item><item><title><![CDATA[贝叶斯公式的共轭分布]]></title><link>https://blog.youkuaiyun.com/u014313009/article/details/39825827</link><guid>https://blog.youkuaiyun.com/u014313009/article/details/39825827</guid><author>u014313009</author><pubDate>Mon, 06 Oct 2014 08:13:18 +0800</pubDate><description><![CDATA[共轭分布是一种极大简化贝叶斯分析的方法。其作用是有两个：1.简化贝叶斯公式中概率函数的计算；2.在贝叶斯公式包含多种概率分布的情况下，使这些分布的未知参数在试验前被赋予的物理意义，延续到试验后，便于分析。第二个作用尤为重要。]]></description><category></category></item><item><title><![CDATA[最大似然估计（Maximum likelihood estimation）]]></title><link>https://blog.youkuaiyun.com/u014313009/article/details/39802295</link><guid>https://blog.youkuaiyun.com/u014313009/article/details/39802295</guid><author>u014313009</author><pubDate>Sun, 05 Oct 2014 12:08:09 +0800</pubDate><description><![CDATA[最大似然估计是一种非常有效的参数估计的数学方法，常用于在主题建模等领域。其思想是，对于已知的样本，假设它服从某种模型，估计模型中未知的参数，使该模型出现这些样本的概率最大。]]></description><category></category></item><item><title><![CDATA[贝叶斯球（Bayes ball）]]></title><link>https://blog.youkuaiyun.com/u014313009/article/details/39780847</link><guid>https://blog.youkuaiyun.com/u014313009/article/details/39780847</guid><author>u014313009</author><pubDate>Sat, 04 Oct 2014 17:26:54 +0800</pubDate><description><![CDATA[贝叶斯球是贝叶斯网络中判断两个变量条件独立的方法。这个方法非常直观，在LDA（隐狄利克雷分布）主题建模中使用到。]]></description><category></category></item><item><title><![CDATA[经典的观点挖掘算法（文本挖掘系列）]]></title><link>https://blog.youkuaiyun.com/u014313009/article/details/38958113</link><guid>https://blog.youkuaiyun.com/u014313009/article/details/38958113</guid><author>u014313009</author><pubDate>Sun, 31 Aug 2014 09:15:57 +0800</pubDate><description><![CDATA[最近阅读了美国伊利诺伊大学教授刘兵的一篇关于观点挖掘的KDD论文（Mining and Summarizing Customer Reviews），其观点挖掘算法非常经典，特此做记录，互相探讨。]]></description><category></category></item><item><title><![CDATA[NDCG、AUC介绍]]></title><link>https://blog.youkuaiyun.com/u014313009/article/details/38944687</link><guid>https://blog.youkuaiyun.com/u014313009/article/details/38944687</guid><author>u014313009</author><pubDate>Sat, 30 Aug 2014 15:41:15 +0800</pubDate><description><![CDATA[最近在]]></description><category></category></item><item><title><![CDATA[EFM (Explicit Factor Models)显因子模型]]></title><link>https://blog.youkuaiyun.com/u014313009/article/details/38440437</link><guid>https://blog.youkuaiyun.com/u014313009/article/details/38440437</guid><author>u014313009</author><pubDate>Fri, 08 Aug 2014 15:46:10 +0800</pubDate><description><![CDATA[一、概述
       EFM ( Explicit Factor Models，显因子模型），是针对LFM (Latent Factor Models，隐因子模型) 的不足而设计的。
LFM的特点如下：
       a. 通过分类抽象出隐因子空间。在分类过程中，我们不需要关心分类的角度，结果都是基于用户打分自动聚类的。分类的粒度通过设置LFM的最终分类数来控制。
       b. 对]]></description><category></category></item><item><title><![CDATA[Hadoop学习笔记（五）：MapReduce的类型与格式]]></title><link>https://blog.youkuaiyun.com/u014313009/article/details/38132917</link><guid>https://blog.youkuaiyun.com/u014313009/article/details/38132917</guid><author>u014313009</author><pubDate>Fri, 25 Jul 2014 23:55:37 +0800</pubDate><description><![CDATA[在MapReduce中，map和reduce函数的输入和输出都是键值对（key/value）。


1. MapReduce函数的常规格式
MapReduce的函数一般遵循以下常规格式：
map：（K1, V1）—> list（K2，V2）
combine：（K2，list(V2)）—> list（K2，V2）
partition：（K2，V2）—> integer
reduce：]]></description><category></category></item><item><title><![CDATA[Hadoop学习笔记（四）：Shuffle阶段]]></title><link>https://blog.youkuaiyun.com/u014313009/article/details/38072269</link><guid>https://blog.youkuaiyun.com/u014313009/article/details/38072269</guid><author>u014313009</author><pubDate>Wed, 23 Jul 2014 23:19:12 +0800</pubDate><description><![CDATA[1. 定义
       shuffle是指map任务输出到reduce任务输入的过程。


2. 目的
       在Hadoop集群中，大部分map任务与reduce任务在不同的节点执行。因此，reduce任务在执行时需要跨节点去获取map的输出结果。如果集群上有很多作业，那么网络资源消耗会很严重，需要最大化减少不必要的资源。另外，如果map的输出和reduce的输入只是简单的磁盘]]></description><category></category></item><item><title><![CDATA[Hadoop学习笔记（三）：作业调度器]]></title><link>https://blog.youkuaiyun.com/u014313009/article/details/38064215</link><guid>https://blog.youkuaiyun.com/u014313009/article/details/38064215</guid><author>u014313009</author><pubDate>Wed, 23 Jul 2014 14:55:17 +0800</pubDate><description><![CDATA[早期的作业调度使用FIFO（First In First Out）调度算法，可以设置属性mapred.job.priority或者JobClient的setJobPriority( )方法来设定作业优先级，可配置的优先级有5个：VERY_HIGH, HIGH, NORMAL, LOW, VERY_LOW。
       除了FIFO调度器之外，还有两个多用户调度器，分别是Fair Schedul]]></description><category></category></item><item><title><![CDATA[Hadoop学习笔记（二）：MapReduce的进度和状态]]></title><link>https://blog.youkuaiyun.com/u014313009/article/details/38045435</link><guid>https://blog.youkuaiyun.com/u014313009/article/details/38045435</guid><author>u014313009</author><pubDate>Tue, 22 Jul 2014 17:01:05 +0800</pubDate><description><![CDATA[MapReduce的状态和进度]]></description><category></category></item><item><title><![CDATA[Hadoop学习笔记（一）：MapReduce工作机制]]></title><link>https://blog.youkuaiyun.com/u014313009/article/details/38021255</link><guid>https://blog.youkuaiyun.com/u014313009/article/details/38021255</guid><author>u014313009</author><pubDate>Mon, 21 Jul 2014 17:54:28 +0800</pubDate><description><![CDATA[MapReduce的运行过程如下图所示：]]></description><category></category></item><item><title><![CDATA[解决Hbase的几个常见bug]]></title><link>https://blog.youkuaiyun.com/u014313009/article/details/37728553</link><guid>https://blog.youkuaiyun.com/u014313009/article/details/37728553</guid><author>u014313009</author><pubDate>Sat, 12 Jul 2014 20:01:06 +0800</pubDate><description><![CDATA[1. 在Eclipse中使用hbase和hadoop时遇到以下bug：]]></description><category></category></item><item><title><![CDATA[Hadoop2.2.0 + HBase0.96 伪分布式安装]]></title><link>https://blog.youkuaiyun.com/u014313009/article/details/29187401</link><guid>https://blog.youkuaiyun.com/u014313009/article/details/29187401</guid><author>u014313009</author><pubDate>Sat, 07 Jun 2014 13:30:48 +0800</pubDate><description><![CDATA[本文详细介绍Hadoop2.2.0和HBase0.96的伪分布式安装。在开始安装之前，先看Hadoop和HBase对应的版本支持，帮助入门的朋友少走弯路，避免版本不同导致安装失败的问题。]]></description><category></category></item></channel></rss>