ylxn

摘要： 摘自： https://pengfoo.com/post/machine-learning/2017-01-24 一、简介 在ARMA/ARIMA这样的自回归模型中，模型对时间序列数据的平稳是有要求的，因此，需要对数据或者数据的n阶差分进行平稳检验，而一种常见的方法就是ADF检验，即单位根检验 二、 阅读全文

摘要： 一、滑动平均 公式（窗口为7）： 也就是说7个数做一次平均 二、指数平均 公式： 其中 因此 也就是说离本点越近，考虑的权重也越大。 python code： # author: adrian.wu import numpy as np from matplotlib import pyplot a 阅读全文

摘要： 里面的内容不知道怎么写，没深扣，就把字典放进来吧^_^。 绝对零度：所能达到的最低的温度，在这温度下物体不包含热能。 加速度：物体速度改变的速率。 人择原理：我们之所以看到宇宙是这个样子，只是因为如果它不是这样，我们就不会在这里去观察它。 反粒子：每个类型的物质粒子都有与其相对应的反粒子。当一个粒子 阅读全文

摘要： 一、损失函数 1、0~1损失 $$L(y_{i},f(x_{i}))=\begin{Bmatrix}1 & y_{i}\neq f(x_{i})\\ 0& y_{i}=f(x_{i})\end{Bmatrix}$$ 0~1损失简单易于理解，用于分类，如果预测的标签和数据标注的标签一致，那么就为0，否 阅读全文

摘要： 一、时间序列分析 北京每年每个月旅客的人数，上海飞往北京每年的游客人数等类似这种顾客数、访问量、股价等都是时间序列数据。这些数据会随着时间变化而变化。时间序列数据的特点是数据会随时间的变化而变化。 随机过程的特征值有均值、方差、协方差等。如果随机过程的特征随时间变化而变化，那么数据是非平稳的，相反， 阅读全文

摘要： 首先看几个问题 1、实现参数的稀疏有什么好处？ 一个好处是可以简化模型、避免过拟合。因为一个模型中真正重要的参数可能并不多，如果考虑所有的参数作用，会引发过拟合。并且参数少了模型的解释能力会变强。 2、参数值越小代表模型越简单吗？ 是。越复杂的模型，越是会尝试对所有的样本进行拟合，甚至包括一些异常样 阅读全文

摘要： 1、ACF y(t,s)=E(Xt-µt)(Xs-µs) 定义ρ(t,s)为时间序列的自相关系数，为ACF ρ(t,s)=y(t,s)/sqrt(DXt * DXs) E为期望，D为方差 2、PACF 自相关系数ρ(t,s)并不是只有两个点t和s的数据决定的。而是还包含了t-1 ~ s+1时间段值的 阅读全文

摘要： 1、模型的信息提取 1 # 节点信息提取 2 config = model.get_config() # 把model中的信息，solver.prototxt和train.prototxt信息提取出来 3 model = Model.from_config(config) # 还回去 4 # or, 阅读全文

摘要： 摘自推荐系统 一、描述 有一些指标是可以通过近邻算法给出的 二、指标 1、预测用户u对新物品i的评分rw。 跟用户u相似的用户称为近邻，挑选出足够多的对物品i都评分的近邻用户，然后对新物品进行评分。公式： w代表其它用户和u的相似度，r代表用户v对商品i的评分。用|w|对公式进行标准化，防止负的评分 阅读全文

摘要： 摘自Apache官网 一、State的基本概念 什么叫State？搜了一把叫做状态机制。可以用作以下用途。为了保证 at least once, exactly once，Flink引入了State和Checkpoint 某个task/operator某时刻的中间结果 快照（snapshot） 程序 阅读全文