相关概念：稳定：如果a原本在b前面，而a=b，排序之后a仍然在b的前面。不稳定：如果a原本在b的前面，而a=b，排序之后a可能会出现在b的后面。时间复杂度：对排序数据的总的操作次数。反映当n变化时，操作次数呈现什么规律。空间复杂度：是指算法在计算机内执行时所需存储空间的度量，它也是数据规模n的函数先选择第一个数字作为标...

　　ApacheThrift是Facebook开源的跨语言的RPC通信框架，目前已经捐献给Apache基金会管理，由于其跨语言特性和出色的性能，在很多互联网公司得到应用，有能力的公司甚至会基于thrift研发一套分布式服务框架，增加诸如服务注册、服务发现等功能。　　RPC即RemoteProcedureCall，翻译为...

name_scope是给op_name加前缀variable_scope是给get_variable()创建的变量的名字加前缀。tf.train.Saver函数用于保存模型，以后再用就可以直接导入模型进行计算tf.global_variables_initializer()将所有全局变量的初始化器汇总，并对其进行初始化...

1.前言　　多任务学习（Multi-tasklearning）是和单任务学习（single-tasklearning）相对的一种机器学习方法。在机器学习领域，标准的算法理论是一次学习一个任务，也就是系统的输出为实数的情况。复杂的学习问题先被分解成理论上独立的子问题，然后分别对每个子问题进行学习，最后通过对子问题学习结果...

20190131经验总结：如何编译sqlalchemy的文档www.sqlalchemy.org官网上不去了，不管是直接上，还是用代理都不行。sqlalchemy属于常用工具，看不到官方的文档很不方便。源码路径在github上找到sqlalchemy的官方地址，这里有文档的源码，位于路径：sqlalchemydocu...

 1）flask-migrate的官网：https://flask-migrate.readthedocs.io/en/latest/ 2）获取帮助，在pycharm的控制台中输入flaskdb --help，或者flaskdbmigrate --help，这样就可以了解各个命令...

20180821Python学习笔记：如何获取当前程序路径启动的脚本的路径为：D:WORKgitbaseShenzhenHouseInfoCrawlermain.py当前脚本的路径为：D:WORKgitbaseShenzhenHouseInfoCrawlersrcNewHouseMonitor.pyos.getcwd(...

　　在CNN模型中，卷积就是拿**kernel**在图像上到处移动，每移动一次提取一次特征，组成featuremap，这个提取特征的过程，就是卷积。　　接下来，我们看看YoonKim的paper：[ConvolutionalNeuralNetworksforSentenceClassification]([1408.5...

　　dropout是指在深度学习网络的训练过程中，对于神经网络单元，按照一定的概率将其暂时从网络中丢弃。注意是暂时，对于随机梯度下降来说，由于是随机丢弃，故而每一个mini-batch都在训练不同的网络。　　dropout是CNN中防止过拟合提高效果的一个大杀器。Dropout如何工作Dropout以概率p舍弃神经元并...

Endtoend：指的是输入原始数据，输出的是最后结果，应用在特征学习融入算法，无需单独处理。end-to-end（端对端）的方法，一端输入我的原始数据，一端输出我想得到的结果。只关心输入和输出，中间的步骤全部都不管。　　端到端指的是输入是原始数据，输出是最后的结果，原来输入端不是直接的原始数据，而是在原始数据中提取的...

1.粗糙集属性约简算法仅仅选出属性重要度大的条件加入约减中，没有考虑约简中条件属性相互之间的冗余性，得到的约简往往不是都必要的，即含有冗余属性。2.mRMR算法则除了考虑特征与类别之间的相关性，还考虑特征与特征之间的冗余度，约束特征与类别最大相关，特征与特征最小冗余。3.根据mRMR算法，将粗糙集约简算法改进为最小相关...

        DBSCAN(Density-BasedSpatialClusteringofApplicationswithNoise)是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，...

EM的算法流程：初始化分布参数θ；重复以下步骤直到收敛：       E步骤：根据参数初始值或上一次迭代的模型参数来计算出隐性变量的后验概率，其实就是隐性变量的期望。作为隐藏变量的现估计值：    ...

　　将样本分成K个类，其实说白了就是求一个样本例的隐含类别y，然后利用隐含类别将x归类。由于我们事先不知道类别y，那么我们首先可以对每个样例假定一个y吧，但是怎么知道假定的对不对呢？怎样评价假定的好不好呢？　　我们使用样本的极大似然估计来度量，这里就是x和y的联合分布P（x,y）了。如果找到的y能够使P(x,y)最大，...

 判别式模型（discriminativemodel）产生式模型（generativemodel） 特点寻找不同类别之间的最优分类面，反映的是异类数据之间的差异对后验概率建模，从统计的角度表示数据的分布情况，能够反映同类数据本身的相似度区别(假定输入x, 类别标签y)估计的是条件概率分布(...