• 文章
    • 问答
  • 作者专栏
    • 输入昵称
    • 文艺青年一枚
    • 本人很懒,还没有填写任何信息
    • jack
    • 文艺青年一枚
    • 本人很懒,还没有填写任何信息
    • yeyou
    • 文艺青年一枚
    • 本人很懒,还没有填写任何信息
    • banana
    • 文艺青年一枚
    • 本人很懒,还没有填写任何信息
    • xxlznb
    • 文艺青年一枚
    • 本人很懒,还没有填写任何信息
    • 沫忆失忆
    • 文艺青年一枚
    • 本人很懒,还没有填写任何信息
    • yuyuyu
    • 文艺青年一枚
    • 本人很懒,还没有填写任何信息
    • 归鸿
    • 文艺青年一枚
    • 本人很懒,还没有填写任何信息
  • 热门专题
    • 机器学习
    • 机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。
    • 旅游
    • “旅”是旅行,外出,即为了实现某一目的而在空间上从甲地到乙地的行进过程;“游”是外出游览、观光、娱乐,即为达到这些目的所作的旅行。二者合起来即旅游。所以,旅行偏重于行,旅游不但有“行”,且有观光、娱乐含义。
    • 历史
    • 历史,简称史,一般指人类社会历史,它是记载和解释一系列人类活动进程的历史事件的一门学科,多数时候也是对当下时代的映射。如果仅仅只是总结和映射,那么,历史作为一个存在,就应该消失。历史的问题在于不断发现真的过去,在于用材料说话,让人如何在现实中可能成为可以讨论的问题。
  • 三余活动
    • 1 写优质文章
    • 写10篇文章,每篇文章点赞量超过浏览次数的30%,都有机会获得一本书籍
    • 2 勤于发问
    • 发问是思想的初步,研究的动机。一切知识的获得,大都从发问而来
    • 3 答疑解惑
    • 回答20个问题,平均采纳率超过50%,都有机会获得一本书籍
      • 推荐算法一些疑问的个人理解
      •          1.svd算法如何实现 传统svd算法将矩阵表示为 A*a=λ*a,λ就是矩阵的一个特征值,λ就是一个特征值,多次之后就能得到一个U左奇异矩阵,UA=UΣ;然后A=UΣV,V是U的逆矩阵,之后取Σ的前10%——矩阵降维。改进的svd是假定用户特征值矩阵p和物品特征值矩阵q,预测评分就等于p·q,为了防止过拟合或者欠拟合情况,加入函数λ(p^2+q^2)控制,然后对函数(r-p·q)^2+λ(p^2+q^2)求p和q的偏导,之后进行迭代p=p*f(p,q)_p和q=q*f(p,q)_q,最后当预测...
    • xxlznb 26
      1
      • Tomcat启动的时候读取web.xml中元素的加载过程
      •          首先,在启动Web项目时,Tomcat会读web.xml配置文件中的两个节点和。 然后,接着容器会创建一个ServletContext(上下文),应用范围内即整个WEB项目都能使用这个上下文。 再接着容器会将读取到转化为键值对,并交给ServletContext。 之后容器创建中的类实例,即创建监听(备注:listener定义的类可以是自定义的类但必须需要继承ServletContextListener)。 在监听的类中会有一个contextInitialized(ServletCont...
    • 输入昵称 22
      1
      • 现在说下在学习ssm时注意到的一些细节
      •          1,springmvc中存在一个日期问题,ajax提交json数据的时候,日期使用yyyy/mm/dd的格式是不行的, 这里需要使用的是yyyy-MM-DD这样的格式就能够用传输成功。当然写配置文件也是一种方式。 2,接下来要说下jsp文件中的问题,对于jsp文件中的el表达式是需要在web.xml中配置命名空间的,只有这样才能够完美的运行。 3,Failed to start component [StandardEngine[Tomcat].StandardHost[localhost...
    • 输入昵称 21
      1
      • ajax
      •          首先是js的实现, function testajax1() { var h; //alert("aaaa"); if(window.XMLHttpRequest){ h = new XMLHttpRequest(); } else { h = new ActiveXObject("Microsoft.XMLHTTP"); } h.onreadystatechange=function() ...
    • 输入昵称 24
      0
      • 协同过滤SVD
      •          一、奇异值与特征值基础知识: 特征值分解和奇异值分解在机器学习领域都是属于满地可见的方法。两者有着很紧密的关系,我在接下来会谈到,特征值分解和奇异值分解的目的都是一样,就是提取出一个矩阵最重要的特征。先谈谈特征值分解吧: 1)特征值: 如果说一个向量v是方阵A的特征向量,将一定可以表示成下面的形式: 这时候λ就被称为特征向量v对应的特征值,一个矩阵的一组特征向量是一组正交向量。特征值分解是将一个矩阵分解成下面的形式: 其中Q是这个矩阵A的特征向量...
    • jack 52
      0
      • SVD 算法
      •          SVD 算法 输入:矩阵 R 输出:矩阵 U、S、V 步骤: 1)将矩阵 R 中的缺失值用对应列的平均值Ri代替; 2)用Rij−Ri 代替矩阵 R 中的元素Rij ,得到矩阵 R' ;将 R' 进行奇异值分解,得到三个矩阵 U'、 S'、V'; 3)简化 S' ,将其对角线上小于 1 的值用 0 代替,而后将对应的全为 0 的行或者列删除,得到一个 k 维的对角矩阵 S ; 4)利用矩阵 S 简化U' 、V&#39...
    • jack 46
      2
      • 协同过滤推荐算法的工作内容
      •          工作任务安排: 1、协同过滤推荐技术的原理,实现,常用算法与应用情况对比,优缺点对比,适用场景对比; 2、相似性计算的算法原理,实现,存在的问题和改进思路以及实际应用情况。 3、KNN算法的相关知识,算法的原理,实现,存在的问题和改进思路以及实际应用情况。 4、SVD矩阵分解的知识,算法的思想,实现过程,存在的问题和改进思路。 5、结合改进的算法,进行实验对比,和传统的算法对比,和现在已有的改进算法对比。学习了解推荐系统性能度量标准。
    • jack 37
      2
      • 切入点表达式
      •          切入点表达式是在aspectj包下的方法,对于面向切面的全自动管理非常有用。 我用一个例子来说: execution(* com.sample.service.impl..*.*(..)) 整个表达式可以分为五个部分: 1、execution(): 表达式主体。 2、第一个*号:表示返回类型,*号表示所有的类型。 3、包名:表示需要拦截的包名,后面的两个句点表示当前包和当前包的所有子包,com.sample.service.impl包、子孙包下所有类的方法。(这里注意下,包之后又个..*,...
    • 输入昵称 47
      2
      • 为什么说Babel将推动JavaScript的发展
      •          Babel是一个转换编译器,它能将ES6转换成可以在浏览器中运行的代码。Babel由来自澳大利亚的开发者Sebastian McKenzie创建。他的目标是使Babel可以处理ES6的所有新语法,并为它内置了React JSX扩展及Flow类型注解支持。 据codemix创始人Charles Pick介绍,Babel是所有ES6转换编译器中与ES6规范兼容度最高的,甚至超过了谷歌创建已久的Traceur编译器。Babel允许开发者使用ES6的所有新特性,而且不会影响与老版本浏览器的兼容性。此外...
    • yuyuyu 31
      2
      • 机器学习2
      •          最小均方算法   我们想通过选择参数 θ 来调整 J ( θ ) 达到最小值。为了达到这个目的,通过使用一种查询算法,以某一预测的初始值 θ 开始,然后不断地改变 θ 值使 J ( θ ) 不断减小,直到 J ( θ ) 收敛。   这里介绍一下梯度下降法,同样也是以某一初始值 θ 开始,然后不断地执行如下过程达到最小化的目的   此处的 α 被称为学习速度。这个算法重复着向J下降最陡的方向行走的步骤。     
    • jack 40
      2
      • 机器学习1
      •          监督学习 监督学习案例:某地房屋价格的统计 通过学习来预测房屋价格的问题是监督学习的例子。我们为这个算法提供了标准答案,希望输入房屋面积或其他特征时,输出的结果更接近于正确答案。整个过程都是我们在“监督”问题的算法 案例解析  假设我们有47组关于房屋面积与房屋价格的数据样本,数据如下:   得到这些数据,我们又该如何根据它们来预测这片区域其他房屋的价格呢? 符号/变量定义 函数定义   我们的目的是根据现有的房屋数据,预测新的房屋数据的价格,尽量靠近真实值,...
    • jack 36
      2
      • 理解jdbc
      •          public class Jdbc { public static void main(String[] args) throws SQLException { try { Class.forName("com.mysql.jdbc.Driver");//加载一下Driver,这样就不用导包。当然也可以直接new Driver /* 这里贴出Driver的代码,只要加载到这个类就会运行静态代码块,将驱动注册到Dr...
    • 输入昵称 24
      0
      • 数据库的事务
      •          1,事务就是在进行数据库操作时的一个原子操作,要么整个执行,要么都不执行的一个整体。 2,在事务具有4个特性,原子性,一致性,隔离性,持久性。 3,在事务执行过程存在3个隔离问题: 脏读,一个事务读到另一个事务没有提交的数据。 不可重复读:一个事务读到另一个事务已提交的数据(update) 虚读(幻读):一个事务读到另一个事务已提交的...
    • 输入昵称 35
      0
      • c#和java大致的异同点
      •          1.C#和Java语言的编译结果是独立于计算机和编程语言的,可执行 文件可以在受管理的执行环境中执行。 2.C#和Java语言都是采用了自动的垃圾回收机制; 3、C#和Java语言都取消了指针操作; 4、C#和Java语言都没有头文件; 5C#和Java语言都只支持单重继承,要实现与多重继承类似的功能,必须通过接口来实现 6、类都是从Object类派生而来,类的对象通过关键字new生成; 7、C#和Java语言都支持线程; 8、C#和Java语言都没有全局变量和全局函数,所有的变量和函数都属于某...
    • yeyou 23
      1
      • 矩阵分解(MATRIX FACTORIZATION)在推荐系统中的应用
      •          最近一段时间隐语义模型(Latent Factor Model,LFM)在推荐系统中的应用越来越广泛,本文所介绍的矩阵分解方法也是基于这个隐语义模型。 这里需要说明的一点是,这里所说的矩阵分解并不是SVD,之前在这个问题纠结了很久,因为网上很多人还有周围的人都把矩阵分解就当成了SVD,实际上SVD也是矩阵分解的一种技术(SVD在推荐系统中的应用见 http://blog.csdn.net/wuyanyi/article/details/7964883 ,这篇才是真正的SVD推荐的方法,而其他很多...
    • jack 31
      1