geoHash的問題這篇博客（http://www.itdecent.cn/p/7332dcb978b2）里已經(jīng)寫得非常完善了， 本文從數(shù)學(xué)方面來解釋一下它的一些缺陷。明白...
發(fā)簡信
IP屬地：北京
-
geoHash的數(shù)學(xué)局限 -
@摘星怪咖 多謝
玩轉(zhuǎn)蒙古國，8天狩獵之旅
在我心中狩獵并非殘忍地屠殺，而是考驗智慧和耐心的活動，更多的靠配合而不是武器。在我國人多動物少，很多動物都是保護(hù)品種，而在蒙古國是動物多人少，狩獵存在必要性。羚羊成群的啃光草...
-
大神 求教最后全部花了多少??？
玩轉(zhuǎn)蒙古國，8天狩獵之旅
在我心中狩獵并非殘忍地屠殺，而是考驗智慧和耐心的活動，更多的靠配合而不是武器。在我國人多動物少，很多動物都是保護(hù)品種，而在蒙古國是動物多人少，狩獵存在必要性。羚羊成群的啃光草...
-
玩轉(zhuǎn)蒙古國，8天狩獵之旅在我心中狩獵并非殘忍地屠殺，而是考驗智慧和耐心的活動，更多的靠配合而不是武器。在我國人多動物少，很多動物都是保護(hù)品種，而在蒙古國是動物多人少，狩獵存在必要性。羚羊成群的啃光草...
-
『SNAPSHOT ENSEMBLES: TRAIN 1, GET M FOR FREE』論文筆記一 為什么讀這篇 算是一個通用trick，kaggle上不少solution都有用到，從原文出發(fā)，看看為什么這個trick會有效。 二 截止閱讀時這篇論文的引用次數(shù) 2019...
-
學(xué)習(xí)=信息接收+信息內(nèi)化+信息再生產(chǎn)學(xué)習(xí)應(yīng)該有三個環(huán)節(jié)組成，第一個環(huán)節(jié)是信息的傳遞或者是信息的接收，第二個環(huán)節(jié)是信息的內(nèi)化，第三個環(huán)節(jié)是信息的再生產(chǎn)，也就是知識生產(chǎn)。 我們一般只做了第一個環(huán)節(jié)，我們上課、讀書、...
-
干貨：關(guān)于Git的超贊講解注：看到掘金上有一篇關(guān)于Git的寫的很好的文章，轉(zhuǎn)載一下，希望能幫助到大家。若有任何問題，可與本人聯(lián)系，如侵必刪，謝謝。文章出處：一篇文章，教你學(xué)會Git作者：Ruheng ...
-
【呆鳥譯Py】2018年8月，GitHub上的Python數(shù)據(jù)科學(xué)明星項目：自動化機(jī)器學(xué)習(xí)、自然語言處理、可視化、機(jī)器學(xué)習(xí)工作流原文作者：Matthew Mayo原文地址：GitHub Python Data Science Spotlight: AutoML, NLP, Visualization,...
-
打造好用的ubuntu開發(fā)平臺我認(rèn)為對于貧困的開發(fā)人員來說，Linux可能是比Windows更好的操作系統(tǒng)（土豪出門右轉(zhuǎn)是蘋果店），而在眾多Linux發(fā)行版中，Ubuntu是一個比較好的選擇。Ubuntu...
-
一文帶你暢游視覺關(guān)系檢測(Visual Relationship Detection)Visual Relationship相關(guān)論文整理 Visual Relationship Problem 視覺關(guān)系識別/檢測任務(wù)不僅需要識別出圖像中的物體以及他們的位置（d...
-
Batch Normalization
今兒調(diào)模型大佬又給支了一招，叫Batch Normalization(下面簡稱BN)，雖然還沒有深刻理解這玩意是什么，但是是真的挺有效的，哈哈。因此本文只是總結(jié)一下BN的具體...
-
機(jī)器學(xué)習(xí)面試之各種混亂的熵請聽題:什么是熵？什么是交叉熵？什么是聯(lián)合熵？什么是條件熵？什么是相對熵？它們的聯(lián)系與區(qū)別是什么？ 如果你感到回答這些問題有些吃力，對這些概念似乎清楚，似乎又沒有那么明白，那...
-
【機(jī)器學(xué)習(xí)】防止過擬合的方法
什么是過擬合？ 從訓(xùn)練樣本中盡可能學(xué)出適用于所有潛在樣本的“普遍規(guī)律”，這樣才能在遇到新樣本時做出正確的判別。然而，當(dāng)學(xué)習(xí)器把訓(xùn)練樣本學(xué)得“太好”了的時候，很可能已經(jīng)把訓(xùn)練樣...
-
機(jī)器學(xué)習(xí)與時間序列預(yù)測前言 在所有的預(yù)測問題里面，時間序列預(yù)測最讓我頭疼。 做時間序列預(yù)測，傳統(tǒng)模型最簡便，比如Exponential Smoothing和ARIMA。但這些模型一次只能對一組時間...
-
TreNet：預(yù)測時序趨勢TreNet：預(yù)測時序趨勢 時序趨勢Trend指的是時間序列未來是上升還是下降趨勢，通常包括趨勢的幅度和持續(xù)時間。預(yù)測趨勢可以用在資源分配，負(fù)載調(diào)度（如預(yù)測負(fù)載會變大時，提前...