<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[wanghai00的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/wanghai00</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; wanghai00]]></copyright><item><title><![CDATA[红墨水和蓝墨水]]></title><link>https://blog.youkuaiyun.com/wanghai00/article/details/61194052</link><guid>https://blog.youkuaiyun.com/wanghai00/article/details/61194052</guid><author>wanghai00</author><pubDate>Fri, 10 Mar 2017 11:06:22 +0800</pubDate><description><![CDATA[用钢笔把一滴红墨水滴到蓝墨水瓶里,摇匀后又把蓝墨水瓶里的混合墨水拿出一滴放到红墨水瓶从红墨水中取一克红墨水放入蓝墨水中,此时蓝墨水瓶中的混合墨水的比例为50:1.即混合墨水的应为1/51的红墨水和50/51的蓝墨水.1克混合墨水的应为1/51克的红墨水加50/51克的蓝墨水.完成两个步骤之后,红墨水瓶中的红墨水＝49克＋1/51克＝49又1/51克,蓝墨水＝50/51克.蓝墨水瓶中的蓝墨水＝50克－]]></description><category></category></item><item><title><![CDATA[核函数如何]]></title><link>https://blog.youkuaiyun.com/wanghai00/article/details/60883257</link><guid>https://blog.youkuaiyun.com/wanghai00/article/details/60883257</guid><author>wanghai00</author><pubDate>Wed, 08 Mar 2017 21:53:51 +0800</pubDate><description><![CDATA[Linear核：主要用于线性可分的情形。参数少，速度快，对于一般数据，分类效果已经很理想了。
RBF核：主要用于线性不可分的情形。参数多，分类结果非常依赖于参数。有很多人是通过训练数据的交叉验证来寻找合适的参数，不过这个过程比较耗时。我个人的体会是：使用libsvm，默认参数，RBF核比Linear核效果稍差。通过进行大量参数的尝试，一般能找到比linear核更好的效果。 
3至于到底该采用哪种核，]]></description><category></category></item><item><title><![CDATA[KD树原理]]></title><link>https://blog.youkuaiyun.com/wanghai00/article/details/60573013</link><guid>https://blog.youkuaiyun.com/wanghai00/article/details/60573013</guid><author>wanghai00</author><pubDate>Mon, 06 Mar 2017 11:21:35 +0800</pubDate><description><![CDATA[原文网址:http://blog.youkuaiyun.com/qll125596718/article/details/8426458KNN缺点实现k近邻法时，主要考虑的问题是如何对训练数据进行快速k近邻搜索，这点在特征空间的维数大以及训练数据容量大时尤其重要。k近邻法的最简单实现是线性扫描，这时要计算输入实例与每一个训练实例的距离，当训练集很大时，计算非常耗时，这种方法是不可行的。为了提高k近邻搜索的效率，]]></description><category></category></item><item><title><![CDATA[阿里算法面试题]]></title><link>https://blog.youkuaiyun.com/wanghai00/article/details/60571574</link><guid>https://blog.youkuaiyun.com/wanghai00/article/details/60571574</guid><author>wanghai00</author><pubDate>Mon, 06 Mar 2017 10:29:48 +0800</pubDate><description><![CDATA[原文网址:http://blog.youkuaiyun.com/helloeveryon/article/details/52070829]]></description><category></category></item><item><title><![CDATA[liblinear比libsvm快的原因]]></title><link>https://blog.youkuaiyun.com/wanghai00/article/details/60502343</link><guid>https://blog.youkuaiyun.com/wanghai00/article/details/60502343</guid><author>wanghai00</author><pubDate>Mon, 06 Mar 2017 00:18:50 +0800</pubDate><description><![CDATA[这个问题面试的时候挂掉了，很难过，不过现在想明白了，做个笔记。liblinear和libsvm都用线性核函数的时候liblinear也更快,具体原因是因为liblinear在求解的过程中维护者w的值，那么当前训练集每个样本的预测值就是w*x_i; 而libsvm因为考虑非线性核的情况，优化过程中不能维护w的值，根据http://blog.youkuaiyun.com/v_july_v/article/detai]]></description><category></category></item><item><title><![CDATA[面试关于CTR预测]]></title><link>https://blog.youkuaiyun.com/wanghai00/article/details/60466617</link><guid>https://blog.youkuaiyun.com/wanghai00/article/details/60466617</guid><author>wanghai00</author><pubDate>Sun, 05 Mar 2017 13:38:49 +0800</pubDate><description><![CDATA[原文网址： 
https://zhuanlan.zhihu.com/p/21479297短时间内预测CTR？ 
于是，第二个问题随之而来，如何在短时间内给新广告做一个靠谱的CTR预估？能不能直接用短时间内的点击数据除以曝光数据得到CTR的预估呢？答案是不行。通常根据广告和媒体的不同，点击率CTR一般在0.1%到1%之间浮动，那么假如一个广告在1000次曝光中产生了3次点击，估计它的点击率是0.3%显]]></description><category></category></item><item><title><![CDATA[偏差、方差、SVD、PCA、LDA]]></title><link>https://blog.youkuaiyun.com/wanghai00/article/details/59218019</link><guid>https://blog.youkuaiyun.com/wanghai00/article/details/59218019</guid><author>wanghai00</author><pubDate>Thu, 02 Mar 2017 00:21:03 +0800</pubDate><description><![CDATA[偏差和方差的概念： 
偏差：描述的是预测值（估计值）的期望与真实值之间的差距。偏差越大，越偏离真实数据，如下图第二行所示。方差：描述的是预测值的变化范围，离散程度，也就是离其期望值的距离。方差越大，数据的分布越分散，如下图右列所示。 
原文网址:https://www.zhihu.com/question/20448464SVD原文网址:http://www.cnblogs.com/LeftNotE]]></description><category></category></item><item><title><![CDATA[机器学习面试2]]></title><link>https://blog.youkuaiyun.com/wanghai00/article/details/59194607</link><guid>https://blog.youkuaiyun.com/wanghai00/article/details/59194607</guid><author>wanghai00</author><pubDate>Wed, 01 Mar 2017 23:21:35 +0800</pubDate><description><![CDATA[机器学习中正则化项L1和L2的直观理解原文网址：http://blog.youkuaiyun.com/jinping_shi/article/details/52433975L1正则化和L2正则化可以看做是损失函数的惩罚项。对于线性回归模型，使用L1正则化的模型建叫做Lasso回归，使用L2正则化的模型叫做Ridge回归（岭回归）L1正则化可以产生稀疏权值矩阵，即产生一个稀疏模型，因此可以用于特征选择 
L2正]]></description><category></category></item><item><title><![CDATA[快速排序 and 归并排序(python)]]></title><link>https://blog.youkuaiyun.com/wanghai00/article/details/59110371</link><guid>https://blog.youkuaiyun.com/wanghai00/article/details/59110371</guid><author>wanghai00</author><pubDate>Wed, 01 Mar 2017 16:26:00 +0800</pubDate><description><![CDATA[快速排序:#QuickSort by Alvindef QuickSort(myList,start,end):
    #判断low是否小于high,如果为false,直接返回
    if start < end:
        i,j = start,end
        #设置基准数
        base = myList[i]        while i < j:]]></description><category></category></item><item><title><![CDATA[PageRank]]></title><link>https://blog.youkuaiyun.com/wanghai00/article/details/59057637</link><guid>https://blog.youkuaiyun.com/wanghai00/article/details/59057637</guid><author>wanghai00</author><pubDate>Wed, 01 Mar 2017 10:35:51 +0800</pubDate><description><![CDATA[PageRank，网页排名，又称网页级别、Google左侧排名或佩奇排名，是一种由[1] 根据网页之间相互的超链接计算的技术，而作为网页排名的要素之一，以Google公司创办人拉里·佩奇（Larry Page）之姓来命名。Google用它来体现网页的相关性和重要性，在搜索引擎优化操作中是经常被用来评估网页优化的成效因素之一。Google的创始人拉里·佩奇和谢尔盖·布林于1998年在斯坦福大学发明了这]]></description><category></category></item><item><title><![CDATA[What is key=lambda in python]]></title><link>https://blog.youkuaiyun.com/wanghai00/article/details/58666138</link><guid>https://blog.youkuaiyun.com/wanghai00/article/details/58666138</guid><author>wanghai00</author><pubDate>Tue, 28 Feb 2017 21:24:55 +0800</pubDate><description><![CDATA[原文地址: 
http://stackoverflow.com/questions/13669252/what-is-key-lambdaA lambda is an anonymous function:
  
    
      f = lambda: ‘foo’ 
      print f() 
      foo 
      It is often used in functions]]></description><category></category></item><item><title><![CDATA[(动态规划)最长回文子序列、回文子序列个数]]></title><link>https://blog.youkuaiyun.com/wanghai00/article/details/58586986</link><guid>https://blog.youkuaiyun.com/wanghai00/article/details/58586986</guid><author>wanghai00</author><pubDate>Tue, 28 Feb 2017 10:27:46 +0800</pubDate><description><![CDATA[原文网址: 
http://www.cnblogs.com/AndyJee/p/4465696.html字符子串和字符子序列的区别字符子串指的是字符串中连续的n个字符；如palindrome中，pa，alind，drome等都属于它的字串而字符子序列指的是字符串中不一定连续但先后顺序一致的n个字符；如palindrome中，plind，lime属于它的子序列，而mod，rope则不是，因为它们与字符]]></description><category></category></item><item><title><![CDATA[机器学习面试]]></title><link>https://blog.youkuaiyun.com/wanghai00/article/details/57074970</link><guid>https://blog.youkuaiyun.com/wanghai00/article/details/57074970</guid><author>wanghai00</author><pubDate>Sat, 25 Feb 2017 10:40:15 +0800</pubDate><description><![CDATA[GBDT分类和回归的原理:http://www.cnblogs.com/pinard/p/6140514.html 
回归树讲解:http://idatamining.net/blog/?p=6981、无监督和有监督算法的区别？所谓的学习，其本质就是找到特征和标签间的关系（mapping）。输入数据有标签，则为有监督学习，没标签则为无监督学习。 
A、训练集有输入有输出是有监督，包括所有的回归算法分]]></description><category></category></item><item><title><![CDATA[PCA、LDA降维]]></title><link>https://blog.youkuaiyun.com/wanghai00/article/details/56866670</link><guid>https://blog.youkuaiyun.com/wanghai00/article/details/56866670</guid><author>wanghai00</author><pubDate>Fri, 24 Feb 2017 20:42:24 +0800</pubDate><description><![CDATA[原文网址: 
http://blog.youkuaiyun.com/sunmenggmail/article/details/8071502它们之间的区别就是PCA是一种unsupervised的映射方法而LDA是一种supervised映射方法 
PCA 是无监督的，它所作的只是将整组数据整体映射到最方便表示这组数据的坐标轴上，映射时没有利用任何数据内部的分类信息 
用主要的特征代替其他相关的非主要的特征，所]]></description><category></category></item><item><title><![CDATA[朴素贝叶斯 VS 逻辑回归 区别]]></title><link>https://blog.youkuaiyun.com/wanghai00/article/details/56865413</link><guid>https://blog.youkuaiyun.com/wanghai00/article/details/56865413</guid><author>wanghai00</author><pubDate>Fri, 24 Feb 2017 20:36:26 +0800</pubDate><description><![CDATA[(1)     Naive Bayes是一个生成模型，在计算P(y|x)之前，先要从训练数据中计算P(x|y)和P(y)的概率，从而利用贝叶斯公式计算P(y|x)。 
         Logistic Regression是一个判别模型，它通过在训练数据集上最大化判别函数P(y|x)学习得到，不需要知道P(x|y)和P(y)。 
(2)    Naive Bayes是建立在条件独立假设基础之上的，]]></description><category></category></item><item><title><![CDATA[连续特征的离散化]]></title><link>https://blog.youkuaiyun.com/wanghai00/article/details/56854034</link><guid>https://blog.youkuaiyun.com/wanghai00/article/details/56854034</guid><author>wanghai00</author><pubDate>Fri, 24 Feb 2017 20:13:09 +0800</pubDate><description><![CDATA[作者：知乎用户 
链接：https://www.zhihu.com/question/31989952/answer/54184582 
来源：知乎在工业界，很少直接将连续值作为逻辑回归模型的特征输入，而是将连续特征离散化为一系列0、1特征交给逻辑回归模型，这样做的优势有以下几点： 
0. 离散特征的增加和减少都很容易，易于模型的快速迭代； 
2. 离散化后的特征对异常数据有很强的鲁棒性：比如一个特]]></description><category></category></item><item><title><![CDATA[Linear SVM和LR的区别]]></title><link>https://blog.youkuaiyun.com/wanghai00/article/details/56849333</link><guid>https://blog.youkuaiyun.com/wanghai00/article/details/56849333</guid><author>wanghai00</author><pubDate>Fri, 24 Feb 2017 19:01:38 +0800</pubDate><description><![CDATA[1、LInear SVM 和LR都是线性分类器 
2、Linear SVM不直接依赖数据分布， 分类平面不受一类点影响；LR则受所有数据点的影响，类别不平衡的情况先对数据做balancing 
3、Linear SVM依赖数据表达的距离测度，所以要对数据先做normalization；LR不受其影响； 
4、Linear SVM依赖penalty的系数，实验中要做cross-validation选参]]></description><category></category></item><item><title><![CDATA[机器学习核函数理解]]></title><link>https://blog.youkuaiyun.com/wanghai00/article/details/56845057</link><guid>https://blog.youkuaiyun.com/wanghai00/article/details/56845057</guid><author>wanghai00</author><pubDate>Fri, 24 Feb 2017 16:53:21 +0800</pubDate><description><![CDATA[核函数要满足的条件称为Mercer’s condition。核函数的作用就是隐含着一个从低维空间到高维空间的映射，而这个映射可以把低维空间中线性不可分的两类点变成线性可分的。在机器学习中常用的核函数，一般有这么几类，也就是LibSVM中自带的这几类： 
1) 线性：K(v_1,v_2)=]]></description><category></category></item><item><title><![CDATA[理解bootstrap,bagging,boosting-三个概念]]></title><link>https://blog.youkuaiyun.com/wanghai00/article/details/56502390</link><guid>https://blog.youkuaiyun.com/wanghai00/article/details/56502390</guid><author>wanghai00</author><pubDate>Wed, 22 Feb 2017 21:44:06 +0800</pubDate><description><![CDATA[原文地址:http://m.blog.youkuaiyun.com/article/details?id=49765673




1 booststraping：意思是依靠你自己的资源，称为自助法，它是一种有放回的抽样方法，它是非参数统计中一种重要的估计统计量方差进而进行区间估计的统计方法。

其核心思想和基本步骤如下：

（1）采用重抽样技术从原始样本中抽取一定数量（自己给定）的样本，此]]></description><category></category></item><item><title><![CDATA[对线性回归，logistic回归和一般回归的认识]]></title><link>https://blog.youkuaiyun.com/wanghai00/article/details/56486393</link><guid>https://blog.youkuaiyun.com/wanghai00/article/details/56486393</guid><author>wanghai00</author><pubDate>Wed, 22 Feb 2017 15:34:09 +0800</pubDate><description><![CDATA[原文地址: 
http://www.cnblogs.com/jerrylead/archive/2011/03/05/1971867.html线性回归线性回归假设特征和结果满足线性关系。其实线性关系的表达能力非常强大，每个特征对结果的影响强弱可以由前面的参数体现，而且每个特征变量可以首先映射到一个函数，然后再参与线性计算。这样就可以表达特征与结果之间的非线性关系。
logistic回归本质上是线性回]]></description><category></category></item></channel></rss>