hive 不是數(shù)據(jù)倉(cāng)庫(kù)啊
數(shù)倉(cāng)--Hive-面試之Hive與HBase的區(qū)別需要從組件作用、架構(gòu)設(shè)計(jì)多個(gè)方面進(jìn)行學(xué)習(xí)，理論指導(dǎo)實(shí)踐 從使用方面講 Hive是一個(gè)構(gòu)建在Hadoop平臺(tái)上的數(shù)據(jù)倉(cāng)庫(kù)，可以將結(jié)構(gòu)化的數(shù)據(jù)文件映射為一張數(shù)據(jù)庫(kù)表。通過Hive...
你好，樓主，在11.png的第二個(gè)等號(hào)怎么得來(lái)啊
xgboost的原理沒你想像的那么難xgboost 已然火爆機(jī)器學(xué)習(xí)圈，相信不少朋友都使用過。要想徹底掌握xgboost，就必須搞懂其內(nèi)部的模型原理。這樣才能將各個(gè)參數(shù)對(duì)應(yīng)到模型內(nèi)部，進(jìn)而理解參數(shù)的含義，根據(jù)需...
net = slim.conv2d(inputs,16,[3,3],scope='conv1') 的scope='conv1'是什么意思啊
TensorFlow之slimslim就是TensorFlow的簡(jiǎn)潔版。本篇就是介紹如何使用slim，因?yàn)樽约阂彩莿傞_始接觸TensorFlow，slim更是用得少，因此，本篇就當(dāng)做是slim的學(xué)習(xí)記錄，...
@milter 哈哈哈，面試的阿里，其他的答得也不好，我太菜啦
現(xiàn)在在惡補(bǔ)各種
機(jī)器學(xué)習(xí)面試之歸一化與標(biāo)準(zhǔn)化在機(jī)器學(xué)習(xí)的面試中，數(shù)據(jù)是否需要?dú)w一化和標(biāo)準(zhǔn)化是個(gè)常見問題。之所以常見，是因?yàn)樗泻芏喟悼?，每個(gè)暗坑都可以考察應(yīng)聘者機(jī)器學(xué)習(xí)基礎(chǔ)是否扎實(shí)。 1、先說是什么，再說為什么 歸一化...
棒，我之前面試問過這個(gè)問題，感覺自己回答的不好，看了這個(gè)已經(jīng)理清楚了
機(jī)器學(xué)習(xí)面試之歸一化與標(biāo)準(zhǔn)化在機(jī)器學(xué)習(xí)的面試中，數(shù)據(jù)是否需要?dú)w一化和標(biāo)準(zhǔn)化是個(gè)常見問題。之所以常見，是因?yàn)樗泻芏喟悼樱總€(gè)暗坑都可以考察應(yīng)聘者機(jī)器學(xué)習(xí)基礎(chǔ)是否扎實(shí)。 1、先說是什么，再說為什么 歸一化...
@milter 很期待，謝謝回復(fù)
機(jī)器學(xué)習(xí)面試之有必要手推SVM嗎（1）？1 單刀直入，先回答有必要嗎？ 最近和許多朋友交流，發(fā)現(xiàn)當(dāng)前機(jī)器學(xué)習(xí)應(yīng)聘時(shí)，手推SVM這道題已經(jīng)越來(lái)越像快速排序一樣，成為必點(diǎn)菜了。 那么，手推SVM是不是必要的呢？正反雙方...
棒棒棒，看了樓主的很多文章，很有用，想問一下，最大熵模型和邏輯回歸的聯(lián)系和區(qū)別，感覺最大熵模型不好理解
機(jī)器學(xué)習(xí)面試之有必要手推SVM嗎（1）？1 單刀直入，先回答有必要嗎？ 最近和許多朋友交流，發(fā)現(xiàn)當(dāng)前機(jī)器學(xué)習(xí)應(yīng)聘時(shí)，手推SVM這道題已經(jīng)越來(lái)越像快速排序一樣，成為必點(diǎn)菜了。 那么，手推SVM是不是必要的呢？正反雙方...
