加载中…
个人资料
哥本草根
哥本草根
  • 博客等级:
  • 博客积分:0
  • 博客访问:532,385
  • 关注人气:91
  • 获赠金笔:0支
  • 赠出金笔:0支
  • 荣誉徽章:
访客
加载中…
博文

Spectral Clustering

  谱聚类()是最广泛使用的聚类算法之一。通常分析数据前,我们想获取对数据的第一直观印象,初步识别数据中的某种相似性。本文

阅读  ┆ 评论  ┆ 转载 ┆ 收藏 
分类: 数据挖掘
寻路推荐

来源:http://www.wentrue.net/blog/

两年多前,我在

阅读  ┆ 评论  ┆ 转载 ┆ 收藏 
分类: 数据挖掘

Collaborative Filtering主要包含两个分支,最早是Memory based(包括user-based和item-based),netflix 2006年的竞赛之后发展出来 一系列基于矩阵分解Matrix Factorization的协同过滤算法,统称为Model based CF。

1. Memory based CF

阅读  ┆ 评论  ┆ 转载 ┆ 收藏 
(2016-11-29 22:44)
分类: 社会人生

那天看到一封告别世界的信,心里五味杂陈,

这首歌终于写完了,写给南方陌生的少年,盼望他早点走出来。

Key: 1=C

C            G

南方陌生的少年

F            C​

一天悄无声息的离开

C           Em​

带着他对未来的迷茫

Dm        G​

带着他对生活的绝望


C           G

少年曾有很多的憧憬

F           C​

小心翼翼孤单的前行

C           Em​

抗拒着阶层背的枷锁

Dm        G​

​抗拒着人们心的冷漠


             C             G

回来吧,妈妈在等你​

            Am         &nbs

阅读  ┆ 评论  ┆ 转载 ┆ 收藏 
分类: 社会人生

                  生 · 活

key 1=G

Em      Em              Em    Em ​

活着, 生活难免有许多,坎坷

C              C ​           G           G

所谓理想,就像城市边缘的灯火

C             C             G            G​

你曾追逐的,坚持的,虔诚的信仰

       Am     Am &nbs

阅读  ┆ 评论  ┆ 转载 ┆ 收藏 
分类: 编程技术
阅读  ┆ 评论  ┆ 转载 ┆ 收藏 
(2016-06-14 13:28)
分类: 数据挖掘
http://maider.blog.sohu.com/306392863.html
http://blog.csdn.net/sweetrryy/article/details/6436358
阅读  ┆ 评论  ┆ 转载 ┆ 收藏 
(2016-04-12 11:31)
分类: 社会人生
任何痛苦与经历都会变成财富,加油。
阅读  ┆ 评论  ┆ 转载 ┆ 收藏 
标签:

情感

​    《从0到1》这本书里把从0到1称为科技,把从1到n称为全球化,质变和量变的区别。在工业界做探索性的工作其实风险是很大的,一个坑挖不好就把自己埋进去了。从0到1是高风险收益不确定;从1到n往往是低风险高收益,而且容易做;所以呢,大家都愿意做从1到n的事儿,其实我也是。我也不知道从什么时候起就开始和创新干上了,至于挖的是坑还是矿,有很大的不确定性。 公司是要实际效果的,所以比发paper更难。锲而不舍。
       如果你开始每天早晨不到7点自然醒,那就是快接近真理的时候。                                  
阅读  ┆ 评论  ┆ 转载 ┆ 收藏 
(2015-07-14 16:03)
标签:

股票

分类: 数据挖掘

http://blog.csdn.net/llp1992/article/details/45114421

求解推导,写的很详细: http://blog.csdn.net/star_liux/article/details/39666737

statistical learning turtorial: http://www.autonlab.org/tutorials/

阅读  ┆ 评论  ┆ 转载 ┆ 收藏 
  

新浪BLOG意见反馈留言板 电话:4000520066 提示音后按1键(按当地市话标准计费) 欢迎批评指正

新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 会员注册 | 产品答疑

新浪公司 版权所有