KK4SBB - 博客园

网页用户行为的埋点设计

摘要：用户在访问网页时，每打开一次网页相当于是浏览器向网站后端的服务器发送一次http请求。借助chrome浏览器，我们能看到每个请求的header，其中包含了Cookie/Referer/User-agent等，还有用户的IP地址。后台的日志收集系统会记录这些请求日志，根据这些日志我们已经能够简单地统计阅读全文

posted @ 2016-03-05 16:02 KK4SBB 阅读(21867) 评论(0) 推荐(0)

妙哉，十八岁！

摘要： 18，一个属于青春的数字，一个人生的新起点。依稀记得2013年的夏天，你们刚踏入二中的样子，你们的朝气和活力让百十年的二中充满勃勃生机。作为校长，非常有幸见证了你们的青春，也非常高兴分享了你们的活力。你们用诗歌向青春举杯，你们用话剧向艺术致敬，你们在运动跑道上刷新纪录，你们在... 阅读全文

posted @ 2015-12-28 22:10 KK4SBB 阅读(334) 评论(0) 推荐(0)

数据挖掘中如何处理缺失数据

摘要：最近遇到了这个问题，这里想到了几种方法。第一种，用均值、中位数、众数等数值补充。如果数据近似于normal distribution，可以用mean来代替，如果数据是skewed distribution的，则用median来替代。不过，这相当于是人为给数据增加了噪音，最终的效果是正向还是负向也不得... 阅读全文

posted @ 2015-12-28 22:08 KK4SBB 阅读(538) 评论(0) 推荐(0)

Backtracking line search的理解

摘要：使用梯度下降方法求解凸优化问题的时候，会遇到一个问题，选择什么样的梯度下降步长才合适。假设优化函数为，若每次梯度下降的步长都固定，则可能出现左图所示的情况，无法收敛。若每次步长都很小，则下降速度非常慢，需要很多轮的迭代，如右图所示。所以步长的选择和收敛速度是一个取舍关系。于是，有了一种可调节步长的... 阅读全文

posted @ 2015-12-05 15:15 KK4SBB 阅读(5789) 评论(0) 推荐(0)

国外火车模型杂志列表

摘要：国外火车模型杂志列表阅读全文

posted @ 2015-10-27 18:18 KK4SBB 阅读(886) 评论(0) 推荐(0)

通过SSH远程使用ipython notebook

摘要：本文讲述如何在本地用浏览器运行远程服务器上的iPython notebook服务。在远程机器上，启动IPython notebooks服务：remote_user@remote_host$ ipython notebook --no-browser --port=8889在本地机器上，打开一个可以S... 阅读全文

posted @ 2015-10-16 19:26 KK4SBB 阅读(2545) 评论(0) 推荐(0)

MXNet设计笔记之：深度学习的编程模式比较

摘要：市面上流行着各式各样的深度学习库，它们风格各异。那么这些函数库的风格在系统优化和用户体验方面又有哪些优势和缺陷呢？本文旨在于比较它们在编程模式方面的差异，讨论这些模式的基本优劣势，以及我们从中可以学到什么经验。我们主要关注编程模式本身，而不是其具体实现。因此，本文并不是一篇关于深度学习库相互比较的文... 阅读全文

posted @ 2015-10-16 19:07 KK4SBB 阅读(665) 评论(0) 推荐(0)

无需输入密码的scp/ssh/rsync操作方法

摘要：一般使用scp/ssh/rsync传输文件时，都需要输入密码。下面是免密码传输文件的方法。假设要在两台主机之间传送文件，host_src & host_dst。host_src是文件源地址所在的机器，host_dst是目的地址所在的机器。1. 在host_src机器上，用执行scp/ssh/rsyn... 阅读全文

posted @ 2015-09-24 00:19 KK4SBB 阅读(401) 评论(0) 推荐(0)

distributed 以及 distributional 语义表达的区别

摘要：昨天在审核资讯翻译的时候遇到这两个单词，文章里讲的也不清楚，感觉翻译的也不到位。今天就单独拿出来比较一下吧。尽管这两个单词相似，它们的具体实现方法还是有很大区别的。Distributional word representation主要是基于Distributional假说："linguistic ... 阅读全文

posted @ 2015-09-15 23:37 KK4SBB 阅读(746) 评论(0) 推荐(0)

nvcc fatal : Cannot find compiler 'cl.exe' in PATH解决方法

摘要：我在测试安装的deep learning工具theano。按照官网Baby Steps - Algebra一步步输入。>>> import theano.tensor as T>>> from theano import function>>> x = T.dscalar('x')>>> y = T... 阅读全文

posted @ 2015-09-10 09:44 KK4SBB 阅读(23085) 评论(0) 推荐(0)

导航

2016年3月5日

2015年12月28日

2015年12月5日

2015年10月27日

2015年10月16日

2015年9月24日

2015年9月15日

2015年9月10日