逐点互信息(PIM)：用来衡量两个事物的相关性 定义如下： 在概率论中，我们知道，如果x跟y不相关，则 P(x,y) = P(x)P(y)。二者相关性越大，则 P(x,y) 就相比于 P(x)P(y) 越大。根据条件概率公式，你还可以写成 这也很好理解，在y出现的情况下x出现的条件概率 p(x|y) ...
分类：
其他好文 时间：
2020-07-10 09:46:42
阅读次数：
91
逐点互信息(PIM)：用来衡量两个事物的相关性 定义如下： 在概率论中，我们知道，如果x跟y不相关，则 P(x,y) = P(x)P(y)。二者相关性越大，则 P(x,y) 就相比于 P(x)P(y) 越大。根据条件概率公式，你还可以写成 这也很好理解，在y出现的情况下x出现的条件概率 p(x|y) ...
分类：
其他好文 时间：
2019-10-03 10:21:48
阅读次数：
105
之前的博客：http://www.cnblogs.com/bentuwuying/p/6681943.html中简单介绍了Learning to Rank的基本原理，也讲到了Learning to Rank的几类常用的方法：pointwise，pairwise，listwise。前面已经介绍了pai ...
分类：
编程语言 时间：
2019-08-18 19:40:10
阅读次数：
97
轻量级网络 Inception, Pointwise Conv, Group Conv, Depthwise Conv, Bottleneck, Xception, MobileNet, ShuffeNet, ResNeXt, SqueezeNet, EfficientNet, MixConv
1. Abstract 本文旨在简单介绍下各种轻量级网络，纳尼？！好吧，不限于轻量级 2. Xception 2.1 Extreme Inception 2.2 Xception 3. MobileNet 3.1 MobileNet V1 3.2 MobileNet V2 3.3 MobileNet ...
分类：
Web程序 时间：
2019-08-10 00:03:24
阅读次数：
274
goal: Reference https://github.com/pointwise/ArrayCopyRotate ...
分类：
其他好文 时间：
2019-03-05 21:09:29
阅读次数：
170
两种对比： 1.深度学习CNN提特征+RankSVM 之前的博客：http://www.cnblogs.com/bentuwuying/p/6681943.html中简单介绍了Learning to Rank的基本原理，也讲到了Learning to Rank的几类常用的方法：pointwise，p ...
分类：
其他好文 时间：
2017-11-09 22:20:21
阅读次数：
167
学习排序算法（一）：单文档方法 Pointwise 1. 基本思想 这样的方法主要是将搜索结果的文档变为特征向量，然后将排序问题转化成了机器学习中的常规的分类问题，并且是个多类分类问题。 2. 方法流程 Pointwise方法的主要流程例如以下： 我们能够看出。整个流程分为三部分：提取特征做训练；分 ...
分类：
编程语言 时间：
2017-08-15 12:40:05
阅读次数：
170
之前的博客：http://www.cnblogs.com/bentuwuying/p/6681943.html中简单介绍了Learning to Rank的基本原理，也讲到了Learning to Rank的几类常用的方法：pointwise，pairwise，listwise。这篇博客就很多公司在 ...
分类：
编程语言 时间：
2017-04-09 12:58:35
阅读次数：
607
1 用回归来做分类 到目前为止，我们学习了线性分类，线性回归，逻辑回归这三种模型。以下是它们的pointwise损失函数对比（为了更容易对比，都把它们写作s和y的函数，s是wTx，表示线性打分的分数）： 把这几个损失函数画在一张图上： 如果把逻辑回归的损失函数ce做一个适当的放缩，则可以得到下图： ...
分类：
其他好文 时间：
2017-01-21 20:26:21
阅读次数：
220
全球依靠PointWise.18.0.R1.build.20160823网格计算分析高质量 自1984年以来被全球的工程师和科学家能够可靠地生成高质量的网格CFD。它可以生成高精度的网格以使 得分析结果更加准确。同时它还可以分析并不完美的CAD模型，同时不需要人工清理模型。PointWise.18. ...
分类：
其他好文 时间：
2016-09-12 12:29:28
阅读次数：
205
