lily19

摘要： GCC 4.4.x or later CMake 2.6 or higher Git GTK+2.x or higher, including headers (libgtk2.0 dev) 控制opencv GUI pkg config Python 2.6 or later and Numpy 阅读全文

摘要： 创建一个新的用户： 安装SSH，配置SSH无密码登陆： 安装JAVA环境 输出路径应当是 /usr/lib/jvm/java 8 openjdk amd64/bin/javac， 不知道为什么没有输出，但是可以从本机中查找到。 编辑用户的环境变量： JAVA_HOME注意设置在hadoop/etc/ 阅读全文

摘要： uname a 查看先在所用的内核 ls /boot 查看boot空间的内容 sudo apt get purge linux image ... generic 删除无用的内核 sudo apt autoremove 自动删除无用的安装包。 阅读全文

摘要： 冷启动问题：1、用户冷启动；2、物品冷启动；2、系统冷启动。 解决问题方法： 用户冷启动 提供非个性化推荐。 1、利用用户的注册信息，针对用户注册信息获取用户的特征，根据特征粒度选择当前特征范围内最热门的商品进行推荐。一般而言，特征粒度越细，召回率，准确率和覆盖率都会越高。 用户注册信息：1、人口统 阅读全文

摘要： 基于邻域的方法：协同过滤 用户协同过滤物品协同过滤User-co-filtering and ItemCF：推荐算法的评价标准实现，UserCF和ItemCF的实现 隐形语义模型： Latent factor model(LFM) 在LFM当中，分类来自于对用户行为的统计，并且对物品的类采用软分类， 阅读全文

摘要： 最常见的插值方法是mean imputation（也叫mean substitution）实际上，这个方法不推荐使用，在大部分情况下，没有其他方法的时候可以采取这个方法。原因：1： mean imputation没有保持变量之间的关系（因为是观察值的均值，如果说缺失数据是随机缺失的，那么这个均值估计 阅读全文

摘要： 概率密度估计最基本任务是为了估计在给定X下，会产生类似于X的输入的概率。 一般的估计方法： 1、柱状图估计： $P(X) = \frac{1}{N}*\frac{N(x)}{V} $ 这里，$ \frac{1}{N}$是归一化参数，$\frac{N(x)}{V} $表示数据的密度，V是超立方体，是设 阅读全文

摘要： 贝叶斯模型： 在给定数据的情况下，选择最有可能的假设。 通过学习在任意类别下(x,y)的分布情况，通过先验概率p(c)（即处于该类的概率）来判断P(c|x,y)。 最难的地方：先验概率未知。 在通常的判定学习方法当中，类别的先验概率式不需要知道的。 但是当先验概率已知的时候，贝叶斯式可行的。并且通常 阅读全文