1.if表达式 基本语法结构(和java，c++类似): if (表达式){ 语句块1 } else if (表达式){ 语句块2 } .. .. else{ 语句块n } 但有一点不同，Scala中if表达式会有一个返回值，和C++，java的三目运算符(表达式?表达式/变量:表达式/变量)有些类似，看下面例子: scala> var a = if (6>0) 1 else -1 a:Int = 1 2.while循环 循环结构和C++，java一样： while(表达式){ 循环体 } 或者 do{ 循环体 }while(表达式) 3.for循...

参考博客： https://www.jianshu.com/p/9d3033d1b26f   ubuntu安装了python2.X和python3.X版本,默认版本是2.x.   python -V //查看python的所有版本 python2 -V //查看python2 python3 -V //查看python3 whereis python3 //查看python3的路径 1.首先删除python2.x rm /usr/lib/python 2.建立指向python3.x的软连接（首先查看python3是否安装好） ln -s /us...

参考博客: https://www.cnblogs.com/chenglee/p/7476852.html   博主在安装hbase的时候，修改了bashrc，导致ubuntu指令丢失 解决方案:重新赋予环境变量PATH就行 export PATH=/sbin:/bin:/usr/sbin:/usr/bin:/usr/local/bin  

1.切换到root sudo su root 2.修改/etc/hosts文件： sudo vi /etc/hosts 3.在127.0.0.1       localhost下面添加 127.0.0.1 localhost 报错的主机名 4.按Esc，输入 :wq 保存文件并退出。   博客参考: https://yq.aliyun.com/articles/495245 https://blog.csdn.net/hhtnan/article/details/79551969 https://blog.csdn.net/feosun/article/d...

由于博主经常写C++，又不想每次都写一遍C++的基本步骤. 然后就想添加个代码块模板，直接快捷方式引入。   1.准备所需要的代码模块 #include<bits/stdc++.h> int main() { return 0; } 2.点击setting->Editer 3.然后选择Abbreviations 4.点击左下角的add，输入你要的代码块关键字 5.将代码复制粘贴，然后点击ok保存。   测试一下，首先输入1（我的关键字为1） 再按Ctrl+J 圆满完成任务，敲代码方便了许多。

点击window->show view->Console (懒得不想截图)

1.编码 正数 负数 原码 0本体 1本体 补码 0本体 按位取反+1(符号位始终为1) 反码 0本体 按位取反(符号位始终为1) 2.分类 有符号: 无符号: 3. 位运算 3.1 与 、或、异或 与(&) 0&0=0 1&0=0 1&1=1 ...

若用户的数量为m,物品的数量为n,那么需要学习的参数的规模为m*n. 将用户和物品分别用k维的低维向量表示(k<<m,k<<n) Y = s i g m ...

迁移学习 对于大部分图像分类任务,并不需要从头开始训练模型,而是借用一个在大规模数据集上训练好的模型,并在针对目标任务的小数据集上微调(fit-tune). 生成对抗网络 图像处理 一定程度的随机旋转,平移,缩放,裁剪,填充,左右反转. 对图像中的像素添加噪声扰动,比如椒盐噪声,高斯白噪声. 颜色变换 改变图像的亮度,清晰度,对比度,锐度, 上采样技术 数据扩充

编码 用途 序号编码 通常用于处理类别间具有大小关系的数据 独热编码 通常用于处理类别间不具有大小关系的特征 二进制编码 先用序号编码给每个类别赋予一个类别ID,然后将类别ID对应的二进制编码作为结果 Helmert Contrast Sum Contrast Polynomial Cotrast Backward Difference Contrast ...

迁移学习 对于大部分图像分类任务,并不需要从头开始训练模型,而是借用一个在大规模数据集上训练好的模型,并在针对目标任务的小数据集上微调(fit-tune). 生成对抗网络 图像处理 一定程度的随机旋转,平移,缩放,裁剪,填充,左右反转. 对图像中的像素添加噪声扰动,比如椒盐噪声,高斯白噪声. 颜色变换 改变图像的亮度,清晰度,对比度,锐度, 上采样技术 数据扩充

若用户的数量为m,物品的数量为n,那么需要学习的参数的规模为m*n. 将用户和物品分别用k维的低维向量表示(k<<m,k<<n) Y = s i g m ...

CBOW Skip-gram 根据上下文出现的单词来预测当前次生成的频率 根据当前词来预测上下文中各词的生成频率 Word2Vec LDA隐狄利克雷模型 对"上下文-单词"矩阵进行学习,其中上下文由周围的几个单词构成,由此得到的词向量表示更多的融入了上下文共现的特征 利用文档中单词的共现关系来对单词按主题聚类

词袋模型(Bag of Words) 将每篇文章看成一袋子词,并忽略每个词出现的顺序. 具体来说,就是将整段文本以词为单位切分开,然后每篇文章可以表示成一个长向量,向量中的每一维表示一个单词,而该维对应的权重则反应了这个词在原文章中的重要程度.常用TF-IDF计算权重,公式为: T F − I ...