John_Geek

摘要： 基于《统计学习方法》的感知机内容以及自己的理解整理如下。 应用场景 按李航老师的定义：感知机(perceptron)是二分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别(取+1 ，-1二值)，感知机对应于输入空间(特征空间)中将实例分为正负两类的分离超平面，属于判别模型。 使用场景较多， 阅读全文

摘要： knn使用场景 K近邻算法是一种基本的分类和回归方法。在分类问题中，KNN算法假设给定的训练集的实例类别已经确定，对于新来的实例，KNN算法根据其k个最近邻的训练集实例的类别，通过多数表决等方式对新实例的类别进行预测。 KNN算法的三个基本要素是：k值的选择（即输入新实例要取多少个训练实例点作为近邻 阅读全文

摘要： 背景介绍 在一些业务场景，我们需要把离线训练好的模型以微服务部署线上，如果是简单的使用sklearn pipeline，可以保存为XML格式的pmml供Java调用，在配置为4 core，8G内存的docker环境可以提供8K左右的高并发，并且这种docker可以快速大规模部署到PaaS云平台，优势 阅读全文

摘要： 此文记录一下算法实施过程中遇到的问题，整个过程基于Python技术栈，无缝集成到流式处理框架中，首先软硬件配置如下：服务器配置：64 cores,256G内存，GPU Tesla K80 (4个)； TensorFlow相关版本：tensorboard 1.6.0 tensorflow 1.6.0 阅读全文

摘要： 在二维数组grid中，grid[i][j]代表位于某处的建筑物的高度。 我们被允许增加任何数量（不同建筑物的数量可能不同）的建筑物的高度。 高度 0 也被认为是建筑物。 最后，从新数组的所有四个方向（即顶部，底部，左侧和右侧）观看的“天际线”必须与原始数组的天际线相同。 城市的天际线是从远处观看时， 阅读全文