Collaborative Filtering 训练节点 预测节点 Collaborative Filtering 协同过滤是经典的基于邻域的推荐算法，平台上的协同过滤算法是通过 ALS 的矩阵分解优化求解的。 训练节点 输入 数据形式：Dense 或 Libsvm 格式：| User | Item | Rating | User：Use...

1. 图算法 1.1. [2.0] LPA 输入 输出 参数说明 1.2. [2.0] PageRank 输入 输出 参数说明 1.3. [2.0] EffectiveSize 输入 输出 参数说明 1.4. [2.0] CommonFriends 输入 输出 参数说明 1.5. [2.0] HyperAnf 输入 输出 ...

1. 回归算法 1.1. [2.0] RandomForestRegressor 训练节点 预测节点 1.2. [2.0] DecisionTreeRegressor 训练节点 预测节点 1.3. [2.0] GBTRegressor 训练节点 预测节点 1.4. [2.0] IsotonicRegressor 训练节点 预测节点 ...

7.20.Dijkstra算法 7.20.Dijkstra算法 我们将用于确定最短路径的算法称为“Dijkstra算法”。Dijkstra算法是一种迭代算法，它为我们提供从一个特定起始节点到图中所有其他节点的最短路径。这也类似于广度优先搜索的结果。 为了跟踪从开始节点到每个目的地的总成本，我们将使用顶点类中的 dist 实例变量。 dist实例变量...

三、生成算法 3.1 ID3 生成算法 3.2 C4.5 生成算法 三、生成算法 决策树有两种常用的生成算法： ID3 生成算法。 C4.5 生成算法。 ID3 生成算法和 C4.5 生成算法只有树的生成算法，生成的树容易产生过拟合：对训练集拟合得很好，但是预测测试集效果较差。 3.1 ID3 生成算法 ID3 生成算...

EM 算法 EM 算法 如果概率模型的变量都是观测变量，则给定数据之后，可以直接用极大似然估计法或者贝叶斯估计法来估计模型参数。 但是当模型含有隐变量时，就不能简单的使用这些估计方法。此时需要使用EM 算法。 EM 算法是一种迭代算法。 EM 算法专门用于含有隐变量的概率模型参数的极大似然估计，或者极大后验概率估计。 EM 算法的每...

反向传播算法代码 问题 反向传播算法代码 在理论上理解了反向传播算法后，就可以理解上一章中用来实现反向传播算法的代码了。回忆一下第一章Network 类中的update_mini_batch 和backprop 方法的代码。这些代码可以看做是上面算法描述的直接翻译。具体来说，update_mini_batch 方法通过计算梯度来为当前的小批次（mi...

核心算法介绍 数据合并 数据入库算法 初步性能指标： 核心算法介绍 实际测试中，otter的同步速度相比于mysql的复制，约有5倍左右的性能提升，这取决于其同步算法的实现. 抛弃了强一致性，得到了性能提升 数据合并 1. insert + insert -> insert (数据迁移+数据增量场景) 2. insert ...

RR 调度算法实现 RR 调度算法实现 RR调度算法的调度思想 是让所有runnable态的进程分时轮流使用CPU时间。RR调度器维护当前runnable进程的有序运行队列。当前进程的时间片用完之后，调度器将当前进程放置到运行队列的尾部，再从其头部取出进程进行调度。RR调度算法的就绪队列在组织结构上也是一个双向链表，只是增加了一个成员变量，表明在此就...

页替换算法 页替换算法 操作系统为何要进行页面置换呢？这是由于操作系统给用户态的应用程序提供了一个虚拟的“大容量”内存空间，而实际的物理内存空间又没有那么大。所以操作系统就就“瞒着”应用程序，只把应用程序中“常用”的数据和代码放在物理内存中，而不常用的数据和代码放在了硬盘这样的存储介质上。如果应用程序访问的是“常用”的数据和代码，那么操作系统已经放置...