如果你現(xiàn)在所處環(huán)境不能靜下心來閱讀，不妨點個收藏/關注回頭再看，這篇文章對你肯定有影響的。下一篇也是。 一、配一臺臺式電腦需要購買哪些硬件？ 鼠標、鍵盤、顯示器、音箱、機箱、...
發(fā)簡信
IP屬地：江蘇
-
臺式電腦硬件怎么挑？進來按需求對號入座 -
(推薦閱讀)H264, H265硬件編解碼基礎及碼流分析
需求 在移動端做音視頻開發(fā)不同于基本的UI業(yè)務邏輯工作,音視頻開發(fā)需要你懂得音視頻中一些基本概念,針對編解碼而言,我們必須提前懂得編解碼器的一些特性,碼流的結構,碼流中一些重...
-
解決：Plugin 'maven-compiler-plugin:3.1' not found遇到的問題： 首先，確認 idea 的 jdk 版本 和 pom.xml 中指定的版本一致然后，確認 idea 使用的 maven 是自己的，不是 idea 自帶的最后，發(fā)現(xiàn)...
-
常用正則表達式
一、校驗數(shù)字的表達式 數(shù)字：^[0-9]*$ n位的數(shù)字：^\d{n}$ 至少n位的數(shù)字：^\d{n,}$ m-n位的數(shù)字：^\d{m,n}$ 零和非零開頭的數(shù)字：^(0|[...
-
-
專注量化投資十年。
-
-
Grafana全面瓦解1.概述--美觀、強大的可視化監(jiān)控指標展示工具 grafana 是一款采用 go 語言編寫的開源應用，主要用于大規(guī)模指標數(shù)據(jù)的可視化展現(xiàn)，是網(wǎng)絡架構和應用分析中最流行的時序數(shù)...
-
京東數(shù)據(jù)分析崗面試題目整理
1，怎么做惡意刷單檢驗 分類問題用機器學習方法建模解決，特征有： 1）商家特征：商家歷史銷量、信用、產品類別、發(fā)貨快遞公司等 2）用戶行為特征：用戶信用、下單量、轉化率、下單...
-
公眾號ID：深度學習黑板報
-
[推薦系統(tǒng)讀書筆記]好的推薦系統(tǒng)
什么是推薦系統(tǒng) information overload信息過載時代： 信息爆炸。 在這個時代,無論是信息消費者還是信息生產者都遇到了很大的挑戰(zhàn):作為信息消費者,如何從大量信...
-
共享單車項目分析項目來源：Bike Sharing Demand | Kaggle 一、提出問題 在本項目中，參與者被要求將歷史使用模式與天氣數(shù)據(jù)相結合，以便預測華盛頓特區(qū)的自行車租賃計劃中...
-
SVM面試題序 SVM的面試題目相對有章可循，本次記錄一下常見的幾個面試題 一句話介紹SVM SVM是一種二分類模型，他的基本模型是定義在特征空間上的間隔最大的線性分類器，間隔大使它有別...
-
吃透GBDT(2019-05-26)1. N問GBDT 怎樣設置單棵樹的停止生長條件？ 如何評估特征的權重大?。?如何人工去干預某列特征的權重？ 當增加樣本數(shù)量時，訓練時長是線性增加嗎？ 當增加樹的棵樹時，訓練...
-
【轉】隨機森林（Random Forest）作者：Poll的筆記博客：http://www.cnblogs.com/maybe2030/p/4585705.html 1、什么是隨機森林 作為新興起的、高度靈活的一種機器...
-
特征工程1、特征工程是什么 有這么一句話在業(yè)界廣泛流傳：數(shù)據(jù)和特征決定了機器學習的上限，而模型和算法只是逼近這個上限而已。那特征工程到底是什么呢？顧名思義，其本質是一項工程活動，目的...
-
十大經(jīng)典數(shù)據(jù)挖掘算法詳解
【十大經(jīng)典數(shù)據(jù)挖掘算法詳解】 以下是個人覺得算法講解比較清晰易懂的博客！ C4.5 K-Means SVM Apriori使用Apriori進行關聯(lián)分析（一）使用Aprior...
-
機器學習之旅---如何評價一個模型的好壞2019/11/13 Caesar 前言 ??上一篇文章我們初探了機器學習領域的第一個算法-kNN算法，今天我們就kNN算法來討論，如何來評價一個模型是好是壞。...
-
Nobody will believe in you unless you do it !!!
-
基于tensorflow+CNN的新浪新聞文本分類2018年10月4日筆記 tensorflow是谷歌google的深度學習框架，tensor中文叫做張量，flow叫做流。CNN是convolutional neural n...
