mini-batch learning batch with
【scikit-learn基础】--『监督学习』之 支持向量机回归
在机器学习中，支持向量机（Support Vector Machine）算法既可以用于回归问题，也可以用于分类问题。 支持向量机（SVM）算法的历史可以追溯到1963年，当时前苏联统计学家弗拉基米尔·瓦普尼克（Vladimir N. Vapnik）和他的同事阿列克谢·切尔沃宁基斯（Alexey Ya ......
Applied Statistics - 应用统计学习 - numpy array交换两行 ？ How to Swap Two Rows in a NumPy Array (With Example)
https://www.statology.org/qualitative-vs-quantitative-variables/ https://www.statology.org/numpy-swap-rows/ How to Swap Two Rows in a NumPy Array (Wit ......
【五期李伟平】CCF-B（TFS'23）Consensus Reaching Process With Multiobjective Optimization for Large-Scale Group Decision Making With Cooperative Game
Peng Wu, Fengen Li, Jie Zhao, et al. Consensus Reaching Process With Multiobjective Optimization for Large-Scale Group Decision Making With Cooperativ ......
【HBase】:Could not start ZK with 3 ZK servers in local mode deployment.
Could not start ZK with 3 ZK servers in local mode deployment. Aborting as clients (e.g. shell) will not be able to find this ZK quorum. 控制台报错： 这个错误表明 ......
this is incompatible with sql_mode=only_full_group_by
MySQ：mysql-5.7.30-linux-glibc2.12-x86_64 生未知异常.org.springframework.jdbc.BadSqlGrammarException: ### Error querying database. Cause: java.sql.SQLSyntax ......
机器学习Machine Learning
附件5：课程教学大纲参考模板 （注：各学院可采用该模板，也可自设模板，但每个学院需使用统一模板） 《机器学习》教学大纲 Teaching（Course）Outline of Machine Learning 第一部分 大纲说明（宋体，四号加粗，居中） 1．课程代码：329021003 2．课程类型： ......
OS-Ubuntu-Server-Connect to Wi-Fi From Terminal on Debian 11/10 with WPA Supplicant
Connect to Wi-Fi From Terminal on Debian 11/10 with WPA Supplicant Last Updated: November 8th, 2022 Xiao Guoan (Admin) 31 Comments Debian This tutoria ......
E2. Game with Marbles (Hard Version)
E2. Game with Marbles (Hard Version) The easy and hard versions of this problem differ only in the constraints on the number of test cases and $n$. In ......
Supervised Machine Learning : Regression and Classification
The course is available at : Supervised Machine Learning: Regression and Classification - Week 1: Introduction to Machine Learning - Week 1 | Coursera ......
SQL Server with(nolock) 学习
1. with(nolock) 使用方法 问题：由于数据量过大，会产生数据锁死问题 解决方法：目的就是查询是不锁定表,从而达到提高查询速度的目的。 SELECT CONVERT ( VARCHAR ( 100 ), VW_BaoBiaoShuJu.LsTime, 23 ) AS DateNow, C ......
【scikit-learn基础】--『监督学习』之 LASSO回归
LASSO（Least Absolute Shrinkage and Selection Operator）回归模型一般都是用英文缩写表示，硬要翻译的话，可翻译为 最小绝对收缩和选择算子。 它是一种线性回归模型的扩展，其主要目标是解决高维数据中的特征选择和正则化问题。 1. 概述 在LASSO中，通 ......
【五期李伟平】CCF-A（TMC'22）Enabling Long-Term Cooperation in Cross-Silo Federated Learning: A Repeated Game Perspective
Zhang, Ning , Q. Ma , and X. Chen . "Enabling Long-Term Cooperation in Cross-Silo Federated Learning: A Repeated Game Perspective." (2022). 针对重复执行跨筒仓联 ......
InstructGPT《InstructGPT: Training language models to follow instructions with human feedback》解读
背景 GPT-3 虽然在各大 NLP 任务以及文本生成的能力上令人惊艳，但是他仍然还是会生成一些带有偏见的，不真实的，有害的造成负面社会影响的信息，而且很多时候，他并不按人类喜欢的表达方式去说话。在这个背景下，OpenAI 提出了一个概念“Alignment”，意思是模型输出与人类真实意图对齐，符合 ......
B. Make Almost Equal With Mod
原题链接 题解，看完你对最大公约数，求余一定有更深的认识 事实1.当序列中有奇数又有偶数时，2就是那个k 事实2.当 \(a[i] \ mod \ b = c,i\in[1,n]\)时\(a[i] \ mod \ 2b = c \ or \ c+b \ (2*b<a[i])\) 事实3.如上，对非有 ......
Cold Brew: Distilling Graph Node Representations with Incomplete or Missing Neighborhoods
目录概符号说明Cold Brew代码 Zheng W., Huang E. W., Rao N., Katariya S., Wang Z., Subbian K. Cold brew: Distilling graph node representations with incomplete or ......
rust call sqlite3 error: linking with `link.exe` failed: exit code: 1181
rust call sqlite3 error: linking with link.exe failed: exit code: 1181 声明：本文禁止csdn.net及所有所有子网站转载。禁止以营利性为目的的转载。 报错 error: linking with `link.exe` faile ......
【五期李伟平】CCF-A（S&P'20）The Value of Collaboration in Convex Machine Learning with Differential Privacy
Nan W., et al. “The Value of Collaboration in Convex Machine Learning with Differential Privacy.” 2020 IEEE Symposium on Security and Privacy. 304-317 ......
某宝上搞来的电子书，经典的量化投资书籍，《Advances in Financial Machine Learning》—— 《金融机器学习的进展》、《量化投资与机器学习》、《金融机器学习研究进展》
英文书名： 《Advances in Financial Machine Learning》 经典的量化投资书籍，某宝上6元搞来的电子版： ......
【scikit-learn基础】--『监督学习』之 岭回归
岭回归（Ridge Regression）是一种用于处理共线性数据的线性回归改进方法。和上一篇用基于最小二乘法的线性回归相比，它通过放弃最小二乘的无偏性，以损失部分信息、降低精度为代价来获得更实际和可靠性更强的回归系数。 1. 概述 岭回归的模型对于存在大量相关特征（这些特征之间存在很高的相关性）的 ......
AtCoder Regular Contest 168 E Subsegments with Large Sums
洛谷传送门 AtCoder 传送门 尝试二分答案，问题变为要求恰好选 \(x\) 段 \(\ge s\)，最大化选的段数。 发现我们不是很会算段数的 \(\max\)，因为要求段不重不漏地覆盖 \([1, n]\)。考虑给每个 \(\ge s\) 段 \([l, r]\) 一个 \(r - l\) ......
【scikit-learn基础】--『监督学习』之 线性回归
线性回归是一种用于连续型分布预测的机器学习算法。其基本思想是通过拟合一个线性函数来最小化样本数据和预测函数之间的误差。 1. 概述 常见的线性回归模型就是：\(f(x) = w_0+w_1x_1+w_2x_2+...+w_nx_n\)这样的一个函数。其中 \((w_1,w_2,...w_n)\)是模 ......
Quake recovery starts with a bowl of hot beef noodles 地震恢复从一碗热牛肉面开始
In freezing temperatures, a simple bowl of beef noodles brings hope to thousands of residents who lost their homes in the magnitude-6.2 earthquake in ......
强化学习研究方向(研究领域）现有的不足（短板、无法落地性） —— Why You (Probably) Shouldn’t Use Reinforcement Learning
外文原文： Why You (Probably) Shouldn’t Use Reinforcement Learning 地址： https://towardsdatascience.com/why-you-shouldnt-use-reinforcement-learning-163bae193 ......
关于cin，cout的 I/O 性能优化【ios::sync_with_stdio(false);】
遇到大数据量（cin、cout 数据量级达到 1e5、1e6 ），因为考虑 IO 性能会报错 TLE，一般选择 scanf、printf 替代 cin、cout 但是加上这两段代码，它们之间的速度就相差无几了 ios::sync_with_stdio(false); cin.tie(nullptr) ......
FLAC: Federated Learning with Autoencoder Compression and Convergence Guarantee-2022
目的：减少通信量(成本)，例如VGGNet架构具有大约1.38亿个参数（4264 Mb） 方法：具有自动编码器压缩（Autoencoder Compression）且具有收敛保证（Convergence Guarantee）；利用冗余信息（the redundant information）和FL的 ......
Configuration 'compile' is obsolete and has been replaced with 'implementati解决方案
Android Studio更新到3.1.2编译之前的项目直接抛出下面的异常，这让我很是头疼，经过一翻查找发现是我们配置文件中的API已经过期，我对过期的API进行修改就Over了 1、异常显示 Configuration ‘compile’ is obsolete and has been rep ......
A novel local-global dependency deep learning model for soil mapping
程哥的一区文章 “A novel local-global dependency deep learning model for soil mapping” (Li 和 Zhang, 2022, pp. -) (pdf) 研究问题：“工 程 “ discrete” 特征不能反映环境协变量 之间 的相 ......
[论文阅读] Learning Component-Level and Inter-Class Glyph Representation for few-shot Font Generation
Pre title: Learning Component-Level and Inter-Class Glyph Representation for few-shot Font Generation accepted: ICME 2023 paper: https://ieeexplore.ie ......
How to Master the Popular DBSCAN Clustering Algorithm for Machine Learning
Overview DBSCAN clustering is an underrated yet super useful clustering algorithm for unsupervised learning problems Learn how DBSCAN clustering works ......
【scikit-learn基础】--『预处理』之 缺失值处理
数据的预处理是数据分析，或者机器学习训练前的重要步骤。通过数据预处理，可以 提高数据质量，处理数据的缺失值、异常值和重复值等问题，增加数据的准确性和可靠性 整合不同数据，数据的来源和结构可能多种多样，分析和训练前要整合成一个数据集 提高数据性能，对数据的值进行变换，规约等（比如无量纲化），让算法更加 ......