xd_xumaomao

摘要： KD 树的缺点： 1. kd 树适合实例数远大于向量维度的情况，当实例数和向量维度相当时，查询复杂度几乎是线性的 2. kd 树划分的区域是一个个矩形其余，而在查找最近节点时是以球形区域判断的，导致查找效率有损 Ball tree改进了区域划分方法，直接用球形区域去划分 Ball tree 构建 1 阅读全文

摘要： 相似向量的召回是推荐系统中召回阶段中非常重要的一个步骤，便利所有向量的召回方法性能太差，KD树先对向量空间进行了切分，只需要检索部分向量空间就可以获得检索结果，大大加快了检索效率。 如果实例点是随机分布的，kd树的时间复杂度是O(logN) KD 树的构造 1. 选择切分向量空间的维度，常用的有两种 阅读全文

摘要： FTRL优化算法是专们针对LR算法设计的优化算法，传统的优化算法无法在保证算法精度的同时得到稀疏解 FTRL优化算法的权重更新公式： 伪代码： 参考资料 https://www.cnblogs.com/EE-NovRain/p/3810737.html https://www.jianshu.com 阅读全文

摘要： 01背包问题 问题描述 有一个容量为 V 的背包，和一些物品。这些物品分别有两个属性，体积 w 和价值 v（都大于0），每种物品只有一个。要求用这个背包装下价值尽可能多的物品，求该最大价值。 1. 背包可以不被装满 for (int i=0; i<N; i++) { for (int j=v[i]; 阅读全文

摘要： 后验概率与条件概率区别 后验概率就是一种条件概率，但是与其它条件概率的不同之处在于，它限定了目标事件为隐变量取值，而其中的条件为观测结果。 一般的条件概率，条件和事件都可以是任意的。 贝叶斯公式就是由先验概率求后验概率的公式 举例区分普通条件概率与后验概率的区别： 1）那么如果我们出门之前我们听到新 阅读全文

摘要： 背景 在广告或推荐中，用户的行为序列是一类非常重要的特征（如用户最近购买的商品序列），在以往的工作中我们一般是直接对序列特征求sumpooing（如下图base model），这个方案存在两个缺点： 1. 假设当前候选广告为上衣，用户的历史购买序列包含了裤子、帽子、洗衣机、电视等，直观上可以看出裤子 阅读全文

摘要： 中心极限定理 定义 简单理解 我们重复的从均值为μ的分布中抽取n个样本（n要足够大），那么每次抽取的n个样本的均值服从均值为μ的正太分布 大数定理 随着样本容量n的增加，样本平均数将接近于总体平均数(期望 μ)，所以在统计推断中，一般都会使用样本平均数估计总体平均数的值。 阅读全文

摘要： 左值和右值 C++对于左值和右值没有标准定义，但是有一个被广泛认同的说法： 可以取地址的，有名字的，非临时的就是左值； 不能取地址的，没有名字的，临时的就是右值； 可见立即数，函数返回的值等都是右值；而非匿名对象(包括变量)，函数返回的引用，const对象等都是左值。 从本质上理解，创建和销毁由编译 阅读全文

摘要： UDP协议 相较于TCP而言，UDP通信的形式更像是发短信。不需要在数据传输之前建立、维护连接。只专心获取数据就好。省去了三次握手的过程，通信速度可以大大提高，但与之伴随的通信的稳定性和正确率便得不到保证。因此，我们称UDP为“无连接的不可靠报文传递”。 那么与我们熟知的TCP相比，UDP有哪些优点 阅读全文

摘要： 代码： #include <stdlib.h> #include <pthread.h> #include <unistd.h> #include <assert.h> #include <stdio.h> #include <string.h> #include <signal.h> #inclu 阅读全文