丁里个当--数据挖掘

摘要： 美团面试，出了一道题，只想到暴力解法，分治硬是没想出来。。。。FROM：http://www.cnblogs.com/xdruid/archive/2012/05/27/CP.html（好吧。。。第一篇blog，之前没有写的习惯，现在还是开始慢慢记录下来吧~） 所谓最近点对呢，就是平面上给你一堆点，然后求出这堆点中相距最小的距离。 假如数据量比较小的话，那肯定是枚举所有点对求出各自距离再比较更方便了。很明显，枚举的时间复杂度是O（n²）。不过一般不会给你这样的问题，点的个数往往很多，那就必然不能用枚举了。 这里要使用一种O（nlog（n））的算法。 这个算法主要思想就是分治， 算法描 阅读全文

摘要： 前几天我有幸收到亚马逊在线笔试邀请，于是今天上午准时参加了笔试。共2道算法编程题，由于是第一次参加这种笔试，即便是在线，由于时间限制，难免会紧张。总共限时为2.5h，完成第一道题就花了2h，第2道题因此也没有完成了，遗憾+惭愧！下面给出第一道题的解答。题目如下：Question:Given an array with positive integers and another integer for example{7 2 4} 9, you are required to generate an equation, by inserting operator add ("+&quo 阅读全文

摘要： 文章来源：http://kenby.iteye.com/blog/1025599KMP算法曾被我戏称为看毛片算法，当时笑喷......大三那个时候硬着头皮把算法导论的kmp算法啃完，弄懂了kmp算法 的原理，甚至还写出了代码，这几天再次温习的时候，发现忘得比较彻底。我总结，学算法不能只对着书本学理论，而应该用自己的理解去看清算法的本质，最好用文字把你的理解记录下来，这样才能做到活学活用，而且不容易忘。写这篇博客就是想把自己这几天的思路记下来。一 kmp算法为什么比传统的字符串匹配算法快假设文本T = y1y2y3....yn， 模式 P = p1p2p3...pm， 传统的匹配算法把位移为0, 阅读全文

摘要： 版本作者联系日期1.0周巍然weiran.chow@gmail.com201207232.0严 程supersteven198701@gmail.com201208213.0严 程supersteven198701@gmail.com20120831摘要： 本文以2011年举办的第一届数据挖掘邀请赛的"世纪佳缘会员推荐"赛题为例，尝试了5种排序方法来为新注册会员推荐容易受到亲睐的老会员。 先看5种排序方法的测试结果，以便朋友们有针对性地浏览本文。 基于5倍交叉验证 NDCG@10基于training set验证 NDCG@10随机模型0.08659561709415893基 阅读全文

摘要： 本文为"How Reddit ranking algorithms work”的译文，可对照参考原文译者： Tiezhen WANG这篇是 Hacker News 评级算法的工作原理 一文的姊妹篇。这回主要讲的是 Reddit 是如何对话题和回复进行排序的。Reddit 的评级算法本身是非常容易理解和实现的，这里我想做深入一些的探讨。第一部分主要是对话题排名的讨论，比如 Reddit 是如何对话题进行排名的。接下来是评论排名的讨论，Reddit 对话题和评论使用了不同的评级算法 (这一点跟 Hacker News 不太一样), Reddit 的评论排名算法是很值得玩味的，它由 Ran 阅读全文

摘要： 这篇文章介绍了Reddit的排名算法，今天继续上一篇文章，需要学习的是Reddit的评论排名算法。与文章新闻类排名不同的是，评论类的算法可能发表时间没有什么关系。 目前很多网站采用的评论排名主要有两种，即绝对好评数（好评减去差评）和好评率（好评/总评）。这两种评价方式 都存在很明显的缺陷，以下为事例：●A:好评550;　差评450●B:好评60；差评40●C:好评1；差评0●D:好评9，差评1 首先是A与B比较，A的绝对好评数是550-450=100，B的绝对好评数是60-40=20，从绝对好评数比较，A的排名应该在B的前面；A的好评率为550/（450+550）=55%，B的好评率为60/. 阅读全文

摘要： 本文所有权归 阮一峰 老师所有！目录 基于用户投票的排名算法（一）：Delicious和Hacker News 基于用户投票的排名算法（二）：Reddit 基于用户投票的排名算法（三）：Stack Overflow 基于用户投票的排名算法（四）：牛顿冷却定律 基于用户投票的排名算法（五）：威尔逊区间 基于用户投票的排名算法（六）：贝叶斯平均 基于用户投票的排名算法（一）：Delicious和Hacker News 互联网的出现，意味着"信息大爆炸"。 用户担心的，不再是信息太少，而是信息太多。如何从大量信息之中，快速有效地找出最重要的内容，成了互联网的一大核心问题。 各种. 阅读全文

摘要： 版本作者联系日期1.0周巍然weiran.chow@gmail.com201207232.0严 程supersteven198701@gmail.com20120821前言 背景：Amazon的数百万图书，Netflix的10万部电影，淘宝的8亿件在线商品，以及数以亿万计用户的资料和行为记录……互联网公司最近十年的迅猛发展伴随着海量数据的积累。然而，在线用户常常面对过多的选择而显得无所适从。心理学研究证实这类情境下的用户有时做出放弃交易的决定，从而造成大量潜在的用户流失。统计技术的发展能够为在线服务商提供更有效的推荐算法，在帮助用户走出信息过载困境、改善用户体验的同时，还能够挖掘商品长尾、提. 阅读全文

摘要： 多线程概述　　进程和线程都是操作系统的概念。进程是应用程序的执行实例，每个进程是由私有的虚拟地址空间、代码、数据和其它各种系统资源组成，进程在运行过程中创建的资源随着进程的终止而被销毁，所使用的系统资源在进程终止时被释放或关闭。　　线程是进程内部的一个执行单元。系统创建好进程后，实际上就启动执行了该进程的主执行线程，主执行线程以函数地址形式，比如说main或WinMain函数，将程序的启动点提供给... 阅读全文

摘要： http://www.iteer.net/modules/doc/article.php?storyid=724&page=0 阅读全文