checkpoint是啥 簡(jiǎn)單點(diǎn)說(shuō)急波，就是將正在運(yùn)行的任務(wù)的狀態(tài)保存下來(lái)扣猫。這個(gè)狀態(tài)包括任務(wù)中每個(gè)算子的state，緩存的數(shù)據(jù)（比如processFunction）等∠锊ǎ可以保存在...
發(fā)簡(jiǎn)信
IP屬地：浙江
-
Flink Checkpoint機(jī)制 -
花書(shū)《深度學(xué)習(xí)》《Deep Learning》學(xué)習(xí)筆記chapter 6第6章在泛泛而談，初學(xué)者感覺(jué)很難了解到實(shí)際性的東西，不過(guò)也根據(jù)章節(jié)結(jié)構(gòu)結(jié)合相關(guān)資料做下梳理豁护。 6.1 XOR ** 6.2 基于梯度的學(xué)習(xí) 參考鏈接:An overview ...
-
起風(fēng)了，歌詞改編
歸去來(lái)兮 小屋窗外微醺夜光 映著年華交叉的光芒 初進(jìn)天香的白月光 不曾想安然 雪冬里開(kāi)出的情蓮 竟放肆燦爛 花蕊的中間 盛不解的溫暖 散淡淡的柔香 四季變換冬已遠(yuǎn) 何不期待 ...
-
小記pu_learning相關(guān)鏈接
Detecting positive and negative deceptive opinions using PU-learning [實(shí)例] 特征選擇方法欲间、網(wǎng)格搜索調(diào)參...
-
-
邏輯回歸（LR）個(gè)人學(xué)習(xí)總結(jié)篇寫(xiě)作計(jì)劃： 線性模型LR(沒(méi)有考慮特征間的關(guān)聯(lián))——>LR +多項(xiàng)式模型（特征組合括改，不適用于特征稀疏場(chǎng)景腻豌，泛化能力弱）——>FM（適用于稀疏特征場(chǎng)景*，泛化能力強(qiáng)）——>FF...
-
花書(shū)《深度學(xué)習(xí)》《Deep Learning》學(xué)習(xí)筆記chapter 5 (2)待更新 5.7 監(jiān)督學(xué)習(xí)算法 5.7.1 概率監(jiān)督學(xué)習(xí) 邏輯回歸(logistic regression) 關(guān)于邏輯回歸嘱能，之前在csdn上有總結(jié)了一篇文章吝梅，鏈接如下： htt...
-
花書(shū)《深度學(xué)習(xí)》《Deep Learning》學(xué)習(xí)筆記chapter 5 (1)5.1 學(xué)習(xí)算法 5.1.1 任務(wù)，T 常見(jiàn)機(jī)器學(xué)習(xí)任務(wù)列舉：分類(lèi)惹骂，輸入缺失分類(lèi)苏携，回歸，轉(zhuǎn)錄对粪，機(jī)器翻譯右冻，結(jié)構(gòu)化輸出，異常檢測(cè)著拭，合成和采樣纱扭，缺失值填補(bǔ)，去噪儡遮，密度估計(jì)或概率分布...
-
為什么是Flink乳蛾？本篇講講Flink，主要有 基于事件時(shí)間的消息處理機(jī)制 flink的容錯(cuò)機(jī)制 都說(shuō)flink很火鄙币，那么它到底有什么過(guò)人之處呢肃叶。看了《Flink基礎(chǔ)教程》十嘿，總結(jié)一下因惭。 flin...
-
-
PU learning
PU learning (positive unlabeled learning),稱(chēng)為正樣本無(wú)標(biāo)簽學(xué)習(xí)蹦魔。樣本集中包含正例樣本集P和無(wú)標(biāo)簽樣本集Q應(yīng)用場(chǎng)景:惡意url檢測(cè)激率，致...
-
花書(shū)《深度學(xué)習(xí)》《Deep Learning》學(xué)習(xí)筆記 chapter4
4.1 上溢和下溢 下溢 (underflow):當(dāng)接近零的數(shù)被四舍五入為零 時(shí)發(fā)生下溢。上溢 (overflow):當(dāng)大量級(jí)的數(shù)被近似為 ∞ 或 ?∞ 時(shí)發(fā)生上溢版姑。 4.2...
-
花書(shū)《深度學(xué)習(xí)》《Deep Learning》學(xué)習(xí)筆記chapter3（2）3.9 常用概率分布 3.9.1 Bernoulli 分布 Bernoulli分布 (Bernoulli distribution)是單個(gè)二值型隨機(jī)變量的分布柱搜。相關(guān)性質(zhì): P...
-
花書(shū)《深度學(xué)習(xí)》《Deep Learning》學(xué)習(xí)筆記 chapter 3（1）
3.1 為什么要用概率? 幾乎所有的活動(dòng)都需要能夠在不確定性存在時(shí)進(jìn)行推理。事實(shí)上剥险，除了那些被定義為真的數(shù)學(xué)陳述聪蘸，我們很難認(rèn)定某個(gè)命題是千真萬(wàn)確的或者確保某件事一定會(huì)發(fā)生。不...
-
花書(shū)《深度學(xué)習(xí)》《Deep Learning》學(xué)習(xí)筆記 chapter 22.1 標(biāo)量表制、向量健爬、矩陣和張量 標(biāo)量(scalar):一個(gè)數(shù)向量(vector):一列數(shù)矩陣(matrix):二維數(shù)組張量(tensor):多維數(shù)組(n>=3)轉(zhuǎn)置(tran...
-
OpenCV的全稱(chēng)是：Open Source Computer Vision Library娜遵。OpenCV是一個(gè)基于BSD許可（開(kāi)源）發(fā)行的跨平臺(tái)計(jì)算機(jī)視覺(jué)庫(kù)，可以運(yùn)行在Linux壤短、Windows设拟、Android和Mac OS操作系統(tǒng)上。它輕量級(jí)而且高效——由一系列 C 函數(shù)和少量 C++ 類(lèi)構(gòu)成久脯，同時(shí)提供了Python纳胧、Ruby、MATLAB等語(yǔ)言的接口帘撰，實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺(jué)方面的很多通用算法跑慕。
-
-
講講共線性問(wèn)題多重共線性是使用線性回歸算法時(shí)經(jīng)常要面對(duì)的一個(gè)問(wèn)題。在其他算法中摧找，例如決策樹(shù)和貝葉斯核行，前者的建模過(guò)程是逐步遞進(jìn)，每次拆分只有一個(gè)變量參與蹬耘，這種建模機(jī)制含有抗多重共線性干擾的功...
