机器学习中非均衡数据集的处理方法? 主要包括四大类方法,1Sampling 2Cost Sensitive Methods 3Kernal-Based Methods and Active Learning Methods 4One-Class Learning or Novelty Detecti ...
分类:
其他好文 时间:
2021-06-02 18:45:33
阅读次数:
0
一、linux模型 Linux系统一般有4个主要部分 内核、shell、文件系统和应用程序。内核、shell和文件系统一起形成了基本的操作系统结构,它们使得用户可以运行程序、管理文件并使用系统。 1.linux内核 内核(Kernal)是整个操作系统的核心,管理着整个计算机的软硬件资源。内核控制整个 ...
分类:
其他好文 时间:
2020-07-09 19:26:06
阅读次数:
83
一、linux模型 Linux系统一般有4个主要部分 内核、shell、文件系统和应用程序。内核、shell和文件系统一起形成了基本的操作系统结构,它们使得用户可以运行程序、管理文件并使用系统。 1.linux内核 内核(Kernal)是整个操作系统的核心,管理着整个计算机的软硬件资源。内核控制整个 ...
分类:
其他好文 时间:
2020-07-08 23:14:08
阅读次数:
91
cross-correlation(互相关、交叉相关): Coutj 第j个输出Channel(或由第j个Filter输出) 对于每个Coutj (或每个Filter)和Ni个Kernal构成的滑动窗口来说: 输出点(neural)(为Kernal滑动位置和Filter的函数)s值为: 该Filte ...
分类:
其他好文 时间:
2020-06-02 00:14:44
阅读次数:
157
[toc] 卷积 说到卷积,就不得不提互相关$cross orrelation$。卷积实质就是一种互相关运算,只不过要在进行互相关运算前,要把$kernal$上下左右进行翻转。即$cross correlation$的计算顺序是从左到右,从上到下,而$convolution$的顺序是从右到左,从下到 ...
分类:
其他好文 时间:
2020-04-19 17:44:30
阅读次数:
256
摘要:图卷积网络在图结构数据的半监督学习中取得了显著的成功。基于图的半监督学习的关键是捕获由图结构施加于节点上的标签或特征的平稳性。之前的方法,谱方法和空间方法,致力于将图卷积定义为相邻节点的加权平均,然后学习图卷积核,利用平滑性来提高基于图的半监督学习的性能。如何确定合适的邻域来反映图结构中所表现 ...
分类:
Web程序 时间:
2020-04-01 11:19:38
阅读次数:
208
python2,python3两个kernel共存 引入:事情的起因是公司需要用pyspark,而将pyspark封装到jupyter中。而公司spark集群上都是py2的解释器。因此jupyter上运行时需要使用py2的kernel 环境:使用conda3自带的jupyter,已装py3解释器,非 ...
分类:
其他好文 时间:
2019-12-29 12:57:28
阅读次数:
73
刚开始学习大数据的时候并没有注意shell脚本的重要性,但是随着工作的深入,以及大部分朋友的反馈,发现shell脚本是每个大数据开发人员都必须整我的技能!!!今天我们一起探索一下shell脚本吧! 1、shell脚本是什么? Linux操作系统的核心是kernal(内核)! 当应用程序在执行时,需要 ...
分类:
系统相关 时间:
2019-12-21 15:30:30
阅读次数:
141
sklearn监督学习的各个模块 neighbors近邻算法,svm支持向量机,kernal_ridge核岭回归,discriminant_analysis判别分析,linear_model广义线性模型 ensemble集成方法,tree决策树,native_bayes朴素贝叶斯,cross_dec ...
分类:
编程语言 时间:
2019-10-31 17:52:59
阅读次数:
98
Redis架构 1.1.问题 redis是单线程,单实例,为什么并发那么多,依旧很快呢? 回答:因为调用了系统内核的epoll 1.2.Linux的早期版本 Linux有Linux kernal,我们的客户端,进行连接,首先到达的是Linux kernal,在Linux的早期版本,只有read和wr ...
分类:
其他好文 时间:
2019-09-13 01:49:52
阅读次数:
120