探索技术本身

摘要： 猜想之前 在考虑使用什么模型之前，我们先看评分标准和数据特点 Kaggle给的评测标准是用"均方根误差"，可以联想到，可能是一个线性回归问题。 看一下数据情况 从常识上考虑，这些数据基本都是跟房屋价格线性相关的，其中决定性的可能是房屋面积和装修好坏 猜想 我觉得地皮面积可能跟房价有关系 为了显示地皮 阅读全文

摘要： 环境搭建 1.打开Kaggle相关比赛的地址，找到Data一栏，下载数据，需要train.csv和test.csv 2.用cmd在创建的目录下打开notebook，指令：jupyter notebook 3.测试读取数据 import numpy as np import pandas as pd 阅读全文

摘要： 示例代码 .circle-container { position: relative; width: 25rpx; /* 圆形的直径 */ height: 25rpx; /* 圆形的直径 */ background-color: red; /* 红色背景 */ border-radius: 50% 阅读全文

摘要： 一、AutoRec AutoRec适合作为深度学习推荐模型的入门模型来学习 二、Deep Crossing 是深度学习在推荐系统的完整应用 三、Wide & Deep 该模型能快速处理并记忆大量历史行为特征，并且有强大的表达能力，有比较大的影响力 阅读全文

摘要： 一、安装基本环境 Java 下载jdk8的tar.gz文件，用指令安装即可 MySQL 注意，只能安装mysql8。虽然我自认为安装的就是mysql8，但是负责部署的人说安装的实际上是5.7，从而导致后续java项目无法启动。 Redis apt安装即可 链接：https://blog.csdn.n 阅读全文

摘要： 基础知识 1.Smith and Waterman 2.Needleman-Wunsch 3.Myers bit vector algorithm 4.Myers and Miller 5.Landau-Vishkin 进阶知识 1.Fast gap-affine pairwise alignmen 阅读全文

摘要： 一、为什么要使用Mockito 1.实际案例 1.1 遇到的问题 对于经常维护的项目，经常遇到一个实际问题：需求不停改变，导致架构经常需要修改某些概念的定义。 对于某些十分基础又十分常用的概念，常常牵一发而动全身。 此时，"重构-测试"循环将会消耗比较多的费用。 1.2 解决方法1 可以通过领域驱动 阅读全文

摘要： Needleman and Wunsch Landau-Vishkin 博客链接 Smith and Waterman 打分阶段分数不为负非常重要，这使得Smith and Waterman算法支持对序列进行局部比对。 当任何一个位置的分数低于0时，代表之前的序列没有相似性，达到了“重设”的效果，让 阅读全文

摘要： 基础算法 假设我们有两个字符串：，每个字符串由A C G T四个字母组成。 在两个字符串上，都有三种可能的编辑操作（突变）： 删除某个字符 在某个位置插入字符 改变某个字符 每一个编辑操作都有惩罚值。用D(R,B)表示字符串R和B的最小编辑距离(总惩罚值)。 在这里，我们将三种编辑操作的惩罚值都设为 阅读全文

摘要： 解决方法：把CUDA的bin目录下的dll文件全部复制到libmxnet.dll所在的目录 问题原因：libmxnet.dll引用了一些CUDA的dll，但是找不到路径。 阅读全文