Delta

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From RankNet to LambdaRank to LambdaMART: An Overview 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文章，所以希望这篇文章能够达到此目的。 本文主要参考微软研究院2010年发表的文章 From RankNet to LambdaRank to LambdaMART: An Overview $^1$，并结合自己的理解，试图将RankNet、LambdaRank和LambdaMART这三种算法的所有算法细节讲解透彻。 1. 概述 RankNet、LambdaRank和LambdaMART是三个关系非常紧密的机器学习排序算法。简而言之，RankNet是最基础，基于神经网络的排序算法；而LambdaRank在RankNet的基础上修改了梯度的计算方式，也即加入了lambda梯度；LambdaMART结合了lambda梯度和MART（另称为GBDT，梯度提升树）。这三种算法在工业界中应用广泛，在BAT等国内大厂和微软谷歌等世界互联网巨头内部都有大量应用，还曾经赢得“Yahoo！Learning To Rank Challenge(Track 1)

作者：Michael Armanious 翻译：欧阳锦 校对：阿笛 本文 约3400字 ，建议阅读 8 分钟 本文通过一个A/B测试的实例，介绍了贝叶斯方法的各种优点和具体的实现方法，同时也将贝叶斯推断方法与传统的频率推断估计进行了对比。 标签：数据科学，A/B测试，贝叶斯统计，机器学习 本文以一种直观的方式介绍了A/B测试、贝叶斯方法的优点以及它的具体实现方法。 “批判性思维是一个活跃而持续不断的过程。它要求我们所有人都像贝叶斯主义者那样思考，随着新信息的到来更新我们的知识。” —— Daniel J. Levitin，说谎的实地指南：信息时代的批判性思维 绪论 在深入研究使用贝叶斯估计方法之前，我们需要了解一些概念。这些概念包括： 推论统计 贝叶斯主义者与频率主义者 A / B测试 概率分布 推论统计是什么？ 推论统计是指根据人口总体样本推断某个总体人口的某些信息，而不是描述整个人口总体的描述性统计信息。 当涉及推理统计时，主要有两种哲学：频率推断和贝叶斯推断。众所周知，频率推断方法是更传统的统计推断方法，因此在大多数统计课程（尤其是入门课程）中都进行了更多的研究。然而，许多人认为贝叶斯方法更接近于人类自然地认识概率的方式。 贝叶斯方法包含了根据新证据去改变一个人的想法。例如，你去看医生是因为你感觉不适，并且认为自己患有某种疾病。几个医生对你进行检查

ISODATA聚类算法的matlab程序 作者：凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 参考： Kmeans及ISODATA算法的matlab实现 算法简介： 聚类算法：ISODATA算法 数据见： MATLAB实例：PCA降维 中的iris数据集，保存为：iris.data，最后一列是类标签。 demo_isodata.m clear clc data_load=dlmread('iris.data'); [~,dim]=size(data_load); x=data_load(:,1:dim-1); K=3; theta_N=1; theta_S=1; theta_c=4; L=1; I=5; ISODATA(x,K,theta_N,theta_S,theta_c,L,I) ISODATA.m function ISODATA(x,K,theta_N,theta_S,theta_c,L,I) %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%input parameters%%%%%% % x : data % K : 预期的聚类中心数 % theta_N : 每一聚类中心中最少的样本数，少于此数就不作为一个独立的聚类 % theta_S

如需转载，请注明出处： Flutter学习笔记（33）--GestureDetector手势识别 这篇随笔主要记录的学习内容是GestureDetector手势识别，内容包括识别单击、双击、长按、组件拖拽和缩放处理。 单击、双击、长按 先看下demo，很简单，GestureDetector本身也是一个组件，GestureDetector识别其内部子组件的手势动作，GestureDetector的构造方法内给我们提供了onTap单击、onDoubleTap双击、onLongPress长按的是回调方法。 识别到用户的手势操作后会执行对应的回调方法，demo的处理就是简单的更新一下text的文案。 import ' package:flutter/material.dart ' ; class GestureDetectorDemo extends StatefulWidget { @override State <StatefulWidget> createState() { return _GestureDetectorDemo(); } } class _GestureDetectorDemo extends State { String _operation = " No Gesture detected! " ; // 保存事件名 @override Widget build

最近时间都忙于参加阿里天池的全国社会保险大数据应用创新大赛，终于结束，最终全国排名第7，总共是1336只队伍参加，还是很激动进了前10，今天想把一些体悟写一下，希望对后来参加的人有用。这个比赛是完成数据算法模型的开发设计，实现对各类医疗保险基金欺诈违规行为的准确识别，根据给出的数据情况，最开始有两个思路，1.从就诊记录入手，找到可疑的就诊记录，然后拼接到人上 2.直接构造人的可疑程度的行为特征。两者都试过，最终选择了后者，因为题目给出的欺诈标签主要是人的欺诈标签，并没有给出某次就诊行为的欺诈标签。另外，此次的评测指标是F1值，这个非常重要，你要知道你最终排名都是看的这个值。下面我从三个方面讲一下这次比赛的心得。 一、特征 可能没参加比赛前很难理解 特征决定上限 的这个真理，特征特征才是最重要的！ 一定要看特征重要度，要不断尝试，有些组合到一起反而降低，有些特征看着不重要，你把他去了 可是结果却会出现下降的情况，因为特征和特征之间是有关系的。 在重要特征做深入处理的收益远大于在次要特征中继续做。 汇总信息有些时候会丢失信息，比如我们最开始将医院数据进行了汇总，计算每个人去一级医院，二级医院，三级医院的个数，反而没有把所有医院的维度扩充好。 观察和了解你的数据很重要。观察数据发现患者同一天在同一个医院有药费，有治疗费分别出现不同的就诊id，包括挂号的费用也是不同的id

RTKLIB源码解析（一）——单点定位(pntpos.c) 标签： GNSS RTKLIB 单点定位 前段时间一直忙着写毕业论文，所以也没有太多时间来阅读 RTKLIB源码，最近好歹把 pntpos中的相关代码看了一遍，知道了 RTKLIB是如何实现单点伪距定位的。这里把每一个函数都做成了小卡片的形式，每个函数大都包含函数签名、所在文件、功能说明、参数说明、处理过程、注意事项和我的疑惑这几个部分，介绍了阅读代码时我自己的看法和疑惑。所以希望诸位看官能帮忙解答我的疑惑，与我交流，也希望能帮助后来也有需要阅读 RTKLIB源码的人，给他们多提供一份思路。总而言之，既为人，也为己。 这份文档是使用 Cmd Markdown完成的，在作业部落上其格式显式的非常完整，但是在博客园中 目录 、 代码块 和 流程图 似乎都没有显示出来，所以这里也贴上本文在作业部落上的链接 RTKLIB源码解析（一）——单点定位(pntpos.c) ，对格式“零容忍”的同学请移步那里。 目录 RTKLIB源码解析（一）——单点定位(pntpos.c) pntpos satposs estpos raim_fde estvel ephclk satpos satsys seleph eph2clk ephpos eph2pos rescode lsq valsol matmul dops ecef2enu

eureka源码系列 - 续租流程 @Author：zxw @email： 502513206@qq.com @school：吉首大学 1.前言 在eureka中有3个定时任务，分别为心跳检测heartbeatExecutor，注册表拉取cacheRefreshExecutor，实例信息更新instanceInfoReplicator。 2.拉取注册中心服务 起点是由 CacheRefreshThread 线程进行调用 DiscoveryClient.refreshRegistry() 该方法的主要作用就是在拉取注册表前后进行一些操作。 void refreshRegistry () { try { boolean isFetchingRemoteRegionRegistries = isFetchingRemoteRegionRegistries (); ​ boolean remoteRegionsModified = false ; // 确保对远程区域进行动态更改以获取数据。 String latestRemoteRegions = clientConfig . fetchRegistryForRemoteRegions (); if ( null != latestRemoteRegions ) { String currentRemoteRegions =

通过 QPainter 绘画实现,以本地图片985*740为例 如下图所示: 效果如下所示: 实现原理 主要通过以下函数实现: void QPainter::drawTiledPixmap ( int x, int y, int w int h const QPixmap & pixmap, int sx = 0 , int sy = 0 ); 　　　　　　 // 平铺显示pixmap 　　　　　　 // x y w h :表示绘画区域 　　　　　　 // sx sy :表示Qpixmap绘画起始位置 只要算出x y w h sx sy就能实现超出窗口不显示的效果 举个例子,如下图所示,居中显示 1200*1200 时： 当图片左偏移600时,也就是 offset=-600 时,则只能在窗口上 显示一半 的图片： 代码实现 widget.h: #ifndef WIDGET_H #define WIDGET_H #include <QWidget> #include <QtGui> class Widget : public QWidget { Q_OBJECT private : QPixmap * pix; int action; // 动作(放大,缩小,移动...) int pixW; // 图片宽 int pixH; // 图片高 QRect Paint; // 绘画区域