07 2018 档案
摘要：1.什么是泛化能力？ 在机器学习方法中，泛化能力通俗来讲就是指学习到的模型对未知数据的预测能力。在实际情况中，我们通常通过测试误差来评价学习方法的泛化能力。 2.泛化误差的定义 大家马上应该发现，这个不是损失函数的期望吗？？ 没错，泛化误差就是所学习到的模型的损失函数期望（期望误差）
阅读全文
摘要：1.梯度下降法 (1)需要选择学习率a (2)需要多次迭代 优点：梯度下降法在特征变量很多的情况下也能运行地相当好 2.正规方程法 (1)不需要选择学习率a (2)不需要迭代 (3) 正规方程法不需要做特征缩放 缺点：当正规方程法的特征矩阵维度比较大时，会慢很多 总结：当n维比较小时，正规方程法比较
阅读全文
摘要：梯度下降法公式： 求 就是找到一个 能够最小化代价函数J() 如何确保梯度下降正常工作？如何选择学习率a (learning rate )？ 今天就给大家总结一下学习率有关的知识 当学习率a选择过大可能出现随着迭代次数的增加，代价函数J() 越来越大，不会收敛。 这个时候就需要减小学习率。 数据家已
阅读全文
摘要：梯度下降法 既然在变量空间的某一点处，函数沿梯度方向具有最大的变化率，那么在优化目标函数的时候，自然是沿着负梯度方向去减小函数值，以此达到我们的优化目标。 如何沿着负梯度方向减小函数值呢？既然梯度是偏导数的集合，如下： 同时梯度和偏导数都是向量，那么参考向量运算法则，我们在每个变量轴上减小对应变量值
阅读全文
摘要：1. linear regression algorithm 线性回归算法 2.cost function 代价函数 3. gradient descent algorithm 梯度下降法("Batch") 4. 奇异矩阵：没有逆矩阵的矩阵叫奇异矩阵（退化矩阵） 回归问题（Regression Pr
阅读全文
摘要：1. 用户相似度评价 （1）欧几里德距离 （2）皮尔逊相关度评价 （3）jaccard 系数 （4）曼哈顿距离算法
阅读全文
摘要：一般做机器学习应用的时候大部分时间是花费在特征处理上，其中很关键的一步就是对特征数据进行归一化，为什么要归一化呢？ 很多同学并未搞清楚，维基百科给出的解释： 1）归一化后加快了梯度下降求最优解的速度, 主要是加快梯度下降法收敛速度。 2）归一化有可能提高精度。下面我简单扩展解释下这两点。 1.什么是
阅读全文
摘要：1.常用三种推荐方法 （1）社会化推荐——向朋友咨询 （2）基于内容的推荐——通过搜素引擎搜素关键字 （3）基于协同过滤——基于排行榜和自己兴趣相似的一群用户 2.联系用户和物品的常用方式 （1）用户——好友 （2）用户——历史兴趣 （3）用户——注册信息 3.推荐系统构建三大方法： （1）基于内容
阅读全文
摘要：通过docker logs命令可以查看容器的日志。 docker logs -f -t --tail 100 datacenter 命令格式： $ docker logs [OPTIONS] CONTAINER Options: --details 显示更多的信息 -f, --follow 跟踪实时
阅读全文
摘要：1. ES 基础 1.1 ES定义 ES=elaticsearch简写， Elasticsearch是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储、检索数据；本身扩展性很好，可以扩展到上百台服务器，处理PB级别的数据。 Elasticsearch也使用Java开发并使用Lucene作为
阅读全文
摘要：1. 在/etc/sysconfig/network-scripts/下创建ifcfg-eth0配置文件, 并填入以下内容:
阅读全文
摘要：1.ls [选项] [目录名 | 列出相关目录下的所有目录和文件 -a 列出包括.a开头的隐藏文件的所有文件-A 通-a，但不列出"."和".."-l 列出文件的详细信息-c 根据ctime排序显示-t 根据文件修改时间排序 color[=WHEN] 用色彩辨别文件类型 WHEN 可以是'never
阅读全文
