矩阵

本文从深度学习卷积神经网络入手，基于 Github 的开源项目来完成 MovieLens 数据集的电影推荐系统。 什么是推荐系统呢？ 什么是推荐系统呢？首先我们来看看几个常见的推荐场景。 如果你经常通过豆瓣电影评分来找电影，你会发现下图所示的推荐： 如果你喜欢购物，根据你的选择和购物行为，平台会给你推荐相似商品： 在互联网的很多场景下都可以看到推荐的影子。因为推荐可以帮助用户和商家满足不同的需求： 对用户而言：找到感兴趣的东西，帮助发现新鲜、有趣的事物。 对商家而言：提供个性化服务，提高信任度和粘性，增加营收。 常见的推荐系统主要包含两个方面的内容，基于用户的推荐系统（UserCF）和基于物品的推荐系统（ItemCF）。两者的区别在于，UserCF 给用户推荐那些和他有共同兴趣爱好的用户喜欢的商品，而 ItemCF 给用户推荐那些和他之前喜欢的商品类似的商品。这两种方式都会遭遇冷启动问题。 下面是 UserCF 和 ItemCF 的对比： CNN 是如何应用在文本处理上的？ 提到卷积神经网络（CNN），相信大部分人首先想到的是图像分类，比如 MNIST 手写体识别，CAFRI10 图像分类。CNN 已经在图像识别方面取得了较大的成果，随着近几年的不断发展，在文本处理领域，基于文本挖掘的文本卷积神经网络被证明是有效的。 首先，来看看 CNN 是如何应用到 NLP 中的

来源：https://ww2.mathworks.cn/help/matlab/ref/colormap.html?searchHighlight=colormap&s_tid=doc_srchtitle#buc3wsn-1-map 查看并设置当前颜色图 全页折叠 语法 colormap map colormap(map) colormap(target,map) cmap = colormap cmap = colormap(target) 说明 示例 colormap map 将当前图窗的颜色图设置为预定义的颜色图之一。如果您为图窗设置了颜色图，图窗中的坐标区和图将使用相同的颜色图。新颜色图的长度（颜色数）与当前颜色图相同。当您使用此语法时，不能为颜色图指定自定义长度。有关颜色图的详细信息，请参阅 什么是颜色图？ 。 示例 colormap( map ) 将当前图窗的颜色图设置为 map 指定的颜色图。 示例 colormap( target , map ) 为 target 指定的图窗、坐标区或图形设置颜色图，而不是为当前图窗设置颜色图。 示例 cmap = colormap 返回当前图窗的颜色图，形式为 RGB 三元组组成的三列矩阵。 示例 cmap = colormap( target ) 返回 target 指定的图窗、坐标区或图的颜色图。 示例 全部折叠

给定一个 n × n 的二维矩阵表示一个图像。 将图像顺时针旋转 90 度。 说明： 你必须在原地旋转图像，这意味着你需要直接修改输入的二维矩阵。请不要使用另一个矩阵来旋转图像。 示例 1: 给定 matrix = [ [1,2,3], [4,5,6], [7,8,9] ], 原地旋转输入矩阵，使其变为: [ [7,4,1], [8,5,2], [9,6,3] ] 示例 2: 给定 matrix = [ [ 5, 1, 9,11], [ 2, 4, 8,10], [13, 3, 6, 7], [15,14,12,16] ], 原地旋转输入矩阵，使其变为: [ [15,13, 2, 5], [14, 3, 4, 1], [12, 6, 8, 9], [16, 7,10,11] ] 解答： public void rotate(int[][] matrix) { transpose(matrix); reverse(matrix); } public static void transpose(int[][] matrix){ int length=matrix.length; for(int i=0;i<length;i++){ for(int j=i;j<length;j++){ int tmp=matrix[j][i]; matrix[j][i]=matrix[i][j];

系列博客，原文在笔者所维护的github上： https://aka.ms/beginnerAI ， 点击star加星不要吝啬，星越多笔者越努力。 第4章 单入单出的单层神经网络 4.0 单变量线性回归问题 4.0.1 提出问题 在互联网建设初期，各大运营商需要解决的问题就是保证服务器所在的机房的温度常年保持在23摄氏度左右。在一个新建的机房里，如果计划部署346台服务器，我们如何配置空调的最大功率？ 这个问题虽然能通过热力学计算得到公式，但是总会有误差。因此人们往往会在机房里装一个温控器，来控制空调的开关或者风扇的转速或者制冷能力，其中最大制冷能力是一个关键性的数值。更先进的做法是直接把机房建在海底，用隔离的海水循环降低空气温度的方式来冷却。 通过一些统计数据（称为样本数据），我们得到了表4-1。 表4-1 样本数据 样本序号 服务器数量(千台)X 空调功率(千瓦)Y 1 0.928 4.824 2 0.469 2.950 3 0.855 4.643 ... ... ... 在上面的样本中，我们一般把自变量X称为样本特征值，把因变量Y称为样本标签值。 这个数据是二维的，所以我们可以用可视化的方式来展示，横坐标是服务器数量，纵坐标是空调功率，如图4-1所示。 图4-1 样本数据可视化 通过对上图的观察，我们可以判断它属于一个线性回归问题，而且是最简单的一元线性回归。于是

R语言数据类型 通常，在使用任何编程语言进行编程时，您需要使用各种变量来存储各种信息。 变量只是保留值的存储位置。 这意味着，当你创建一个变量，你必须在内存中保留一些空间来存储它们。 您可能想存储各种数据类型的信息，如字符，宽字符，整数，浮点，双浮点，布尔等。基于变量的数据类型，操作系统分配内存并决定什么可以存储在保留内存中。 与其他编程语言（如C中的C和java）相反，变量不会声明为某种数据类型。 变量分配有R对象，R对象的数据类型变为变量的数据类型。尽管有很多类型的R对象，但经常使用的是： 矢量 列表 矩阵 数组 因子 数据帧 这些对象中最简单的是向量对象，并且这些原子向量有六种数据类型，也称为六类向量。 其他R对象建立在原子向量之上。 数据类型 例 校验 Logical（逻辑型） TRUE, FALSE v <- TRUE print(class(v)) 它产生以下结果 - [1] "logical" Numeric（数字） 12.3，5，999 v <- 23.5 print(class(v)) 它产生以下结果 - [1] "numeric" Integer（整型） 2L，34L，0L v <- 2L print(class(v)) 它产生以下结果 - [1] "integer" Complex（复合型） 3 + 2i v <- 2+5i print(class(v))

宽度学习（Broad Learning System） 2018-09-27 19:58:01 颹蕭蕭 阅读数 10498 收藏 文章标签： 宽度学习 BL BLS 机器学习 陈俊龙 更多 分类专栏： 机器学习 版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 本文链接： https://blog.csdn.net/itnerd/article/details/82871734 一、宽度学习的前世今生 宽度学习系统（BLS） 一词的提出源于澳门大学科技学院院长 陈俊龙 和其学生于2018年1月发表在 IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS，VOL. 29, NO. 1 的一篇文章，题目叫 《Broad Learning System: An Effective and Efficient Incremental Learning System Without the Need for Deep Architecture 》 。文章的主旨十分明显，就是提出了一种可以和深度学习媲美的宽度学习框架。 为什么要提出宽度学习？ 众所周知，深度学习中最让人头疼之处在于其数量庞大的待优化参数，通常需要耗费大量的时间和机器资源来进行优化。

1. 决定再重新读一遍sv论文。 2.MMD： https://blog.csdn.net/a1154761720/article/details/51516273 3.pytorch学习 中 torch.squeeze() 和torch.unsqueeze()的用法 https://blog.csdn.net/xiexu911/article/details/80820028 4.中位数 https://blog.csdn.net/zhang20072844/article/details/13372753 https://blog.csdn.net/z84616995z/article/details/18909475 5.贝叶斯因子 https://www.zhihu.com/question/29620591 6. Benjamini-Hochberg Procedure https://wenku.baidu.com/view/fcc64d9af61fb7360b4c6575.html 7. 读完了似乎也并没有什么新的理解啊。 8. 缺失值处理汇总。一直对impute这个单词的意思都不太理解，你应该早就直接百度数据impute，能够出现好多相关的博客啊，你就一直用网易翻译查看单词的意思，然后就被迷惑了。。。不懂的别瞎猜，多百度。 https://www.jianshu

题目描述 在一个二维数组中（每个一维数组的长度相同），每一行都按照从左到右递增的顺序排序，每一列都按照从上到下递增的顺序排序。请完成一个函数，输入这样的一个二维数组和一个整数，判断数组中是否含有该整数。 题解： public static void find(int target,int[][]array){ if(array == null || array.length == 0 || array[0].length == 0) return false; int rows = array.length; int cols = array[0].length; int row = 0,col = cols - 1; while(row >= 0 && row < rows && col >=0 && col < cols){ if(array[row][col] == target){ return true; }else if(array[row][col] < target){ row++; }else{ col--; } } return false; } 牛客网地址： https://www.nowcoder.com/practice/abc3fe2ce8e146608e868a70efebf62e?tpId=13&tqId=11154&tPage=1&rp=1&ru=

特征值分解 如果一个向量v是方阵A的特征向量，可以表示成如下形式： 其中λ称为特征向量v对应的特征值，一个矩阵的一组特征向量是一组正交向量。 需要注意的是：只有方阵才能进行特征分解。 特征值分解是将一个矩阵分解成下面的形式： 其中Q是这个矩阵A的特征向量组成的矩阵，Σ是一个对角阵，每一个对角线上的元素就是一个特征值。 特征值的性质 设n阶矩阵A=(aij) 的特征值为λ1,λ2,...λn λ1+λ2+...+λn = a11+ a22+…+ann，trail(A)=特征值的和； λ1λ2… λn =|A|，特征值的乘积=A的行列式； 如果A是实对称矩阵，则特征向量两两正交，任意两个向量的叉积(np.cross)等于第三个特征向量； 如果A是实对称矩阵，则特征向量构成的矩阵Q有：Q的转置等于Q的逆，即 Q.T = np.linalg.inv(Q); 如果A是实对称矩阵，则特征向量构成的矩阵Q单位正交阵，即np.dot(Q, Q.T) = E; 代码实现 python： # 方阵A 此处为实对称矩阵 dataA = np.array([[0.00178, -0.00296, 0.000427], [-0.00296, 0.00704, -0.00093], [0.00043, -0.00093, 0.000197]]) # 求特征值和特征向量 #

0.展示PTA总分 1.本章学习总结 1.1 学习内容总结 1.2 本章学习体会 2.PTA实验作业 2.16 -7 输出月份英文名 2.1.1 伪代码 char* getmonth(int n) { char* month[12] = { ... }利用指针数组储存每个月份的英文名 if(n为1到12月份) 返回对应月份地址month[n-1]//需注意的是这里的下标应该是n-1，而不是n else 返回空指针 } 2.1.2 代码截图 2.1.3 总结本题的知识点 知识点：//该题知识点较简单，但也最为基础经典 该题反映了如何使用指针数组来记录多个字符串 char* month[12] = { ... }; 在主函数中，记录多个字符串也可以利用二维数组定义，如: char month[12][20];//12个月份，每个英文字符串最多20个字节 总结： 通常，要记录多个字符串时，利用二维数组和指针数组均可。 比较：利用指针数组的好处是不用考虑每个字符串的长度，而二维数组则一一对应更为直观好理解 需要注意的是！** 该题是函数接口，因此应当返回有效的指针地址，因此只能利用指针数组来做，不能直接用二维数组定义** ** 拓展**//老师上课拓展的笔记 返回指针的函数一般都返回** 全局数据对象** ，** 堆区的指针** ，** 指向字符串常量的地址** ，**