斐波那契数列问题：如果一对兔子每月能生1对小兔子，而每对小兔在它出生后的第三个月里，又能开始生1对小兔子，假定在不发生死亡的情况下，由一对初生的兔子开始，1年后能繁殖出多少对兔子？首先手工计算来总结规律，如下表注意总数这一列1+1=21+2=32+3=53+5=85+8=13可以得出规律，第n个斐波那契数=第n-1个斐...

快速排序的基本思路是，每次选定数列中的一个基准数，将小于基准数的数字都放到基准数左边，大于基准数的数字都放到基准数右边。然后再分别对基准数左右的两个数列分别重复以上过程。仍以4362715为例。选定最左侧数字4为基准数，首先从右开始向左找小于4的数，找到第一个数1后停止。然后从左开始向右找到第一个大于4的数，即6。交换...

冒泡排序法的原理是，每次比较相邻的两个元素，如果它们的顺序错误就把它们交换过来。例如对4362715这7个数字进行从小到大的排序，从最左侧开始，首先比较4和3因为是从小到大排序，4和3的顺序显然是错误的，交换他们，得到接下来比较4和6顺序是正确的，不需要任何操作。接下来进行下一步，比较6和26显然应该排在2的后面，怎么...

 动态规划算法是通过拆分问题，定义问题状态和状态之间的关系，使得问题能够以递推（或者说分治）的方式去解决。[1] 动态规划算法的基本思想与分治法类似，也是将待求解的问题分解为若干个子问题（阶段），按顺序求解子阶段，前一子问题的解，为后一子问题的求解提供了有用的信息。在求解任一子问题时，列出各种可能的...

在调整模型更新权重和偏差参数的方式时，你是否考虑过哪种优化算法能使模型产生更好且更快的效果？应该用梯度下降，随机梯度下降，还是Adam方法？这篇文章介绍了不同优化算法之间的主要区别，以及如何选择最佳的优化方法。我们应该使用哪种优化器？在构建神经网络模型时，选择出最佳的优化器，以便快速收敛并正确学习，同时调整内部参数，最...

使用机器学习排序算法LambdaMART有一段时间了，但一直没有真正弄清楚算法中的所有细节。学习过程中细读了两篇不错的博文，推荐给大家：梯度提升树(GBDT)原理小结徐博FromRankNettoLambdaRanktoLambdaMART:AnOverview但经过一番搜寻之后发现，目前网上并没有一篇透彻讲解该算法的...

之前的博客：http://www.cnblogs.com/bentuwuying/p/6681943.html中简单介绍了LearningtoRank的基本原理，也讲到了LearningtoRank的几类常用的方法：pointwise，pairwise，listwise。前面已经介绍了pairwise方法中的RankS...

 现在我们来看看变易算法。所谓变易算法(Mutating algorithms)就是一组能够修改容器元素数据的模板函数，可进行序列数据的复制，变换等。我们现在来看看第一个变易算法：元素复制算法copy。该算法主要用于容器之间元素的拷贝，即将迭代器区间[first，last)的元素复制到由复制目标re...

首先附上官网说明 [http://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html#examples-using-sklearn-cluster-kmeans]再附上一篇翻译文档 http://blog.csd...

一、关于聚类及相似度、距离的知识点 二、k-means算法思想与流程三、sklearn中对于kmeans算法的参数四、代码示例以及应用的知识点简介（1）make_blobs：聚类数据生成器 sklearn.datasets.make_blobs(n_samples=100,n_features=2,...

计算机程序，是指为了得到某种结果而可以由计算机（等具有信息处理能力的装置）执行的代码化指令序列（或者可以被自动转换成代码化指令序列的符号化指令序列或者符号化语句序列）。通俗讲，计算机给人干活，但它不是人，甚至不如狗懂人的需要（《小羊肖恩》里的狗是多么聪明可爱又忠诚于主人）。那怎么让它干活呢，那就需要程序员用某种编程语言...

感觉狼厂有些把机器学习和数据挖掘神话了，机器学习、数据挖掘的能力其实是有边界的。机器学习、数据挖掘永远是给大公司的业务锦上添花的东西，它可以帮助公司赚更多的钱，却不能帮助公司在与其他公司的竞争中取得领先优势，所以小公司招聘数据挖掘/机器学习不是为了装逼就是在自寻死路。可是相比Java和C++语言开发来说，机器学习/数据...

GBDT算法是一种监督学习算法。监督学习算法需要解决如下两个问题：1.损失函数尽可能的小，这样使得目标函数能够尽可能的符合样本2.正则化函数对训练结果进行惩罚，避免过拟合，这样在预测的时候才能够准确。GBDT算法需要最终学习到损失函数尽可能小并且有效的防止过拟合。以样本随时间变化对某件事情发生的变化为例，如下几副图形象...

版权声明：   本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com,本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系wheeleast@gmail.com。也可以加我的微博: @leftnoteasy 前言：...

前言：决策树这种算法有着很多良好的特性，比如说训练时间复杂度较低，预测的过程比较快速，模型容易展示（容易将得到的决策树做成图片展示出来）等。但是同时，单决策树又有一些不好的地方，比如说容易over-fitting，虽然有一些方法，如剪枝可以减少这种情况，但是还是不够的。美国金融银行业的大数据算法：随机森林模型+综合模型...