backsnow
- 浏览: 130935 次
- 性别:
- 来自: 广州
-
最新评论
-
saieuler：
最近想学，标记一下
Programming.Collective.Intelligence中对常用机器学习算法的总结 -
backsnow：
Primal中，显式计算Hessian矩阵的复杂度为nd^2, ...
svm的复杂度 -
backsnow：
调试运行时报~/workspace/mahout/exampl ...
mahout在eclipse下的开发环境 -
backsnow：
真见鬼，之前中文论文用latex打开变成乱码，把编码改一下再改 ...
Latex简历模板下载位置 -
backsnow：
我在将当前用户加入hadoop组的时候发现原来所属的组不见了， ...
ubuntu中用户组的问题
文章列表
康奈尔大学做笔记的方法，从此学习工作效率提高100%
5R笔记法，又叫做康乃笔记法，是用产生这种笔记法的大学校名命名的。这一方法几乎适用于一切讲授或阅读课，特别是对于听课笔记，5R笔记法应是最佳首选。这种方法是记与学，思考与运用相结合的有效方法。具体包括以下几个步骤： 1.记录（Record）。在听讲或阅读过程中，在主栏（将笔记本的一页分为左大右小两部分，左侧为主栏，右侧为副栏）内尽量多记有意义的论据、概念等讲课内容。
2.简化（Reduce）。下课以后，尽可能及早将这些论据、概念简明扼要地概括（简化）在回忆栏，
1、日常用语类 sporting house 妓院（不是“体育室”） dead president 美钞（上印有总统头像）（并非“死了的总统”） lover 情人（不是“爱人”）busboy 餐馆勤杂工（不是“公汽售票员”）busybody 爱管闲事的人（不是“大忙人”）dry g ...
作者:刘大鹏
大数据量的问题是很多面试笔试中经常出现的问题，比如baidu google 腾讯 这样的一些涉及到海量数据的公司经常会问到。 下面的方法是我对海量数据的处理方法进行了一个一般性的总结，当然这些方法可能并不能 ...
fail 原来还可以做辜负的意思, levee system failed the city. 大坝系统辜负了这座城市(新奥尔良).
shut down businesses 停掉业务
arm oneselves 武装自己
money exchanger 外币兑换商
He died a hero 他是烈士
committed Christian 虔诚的基督徒
In the wake of 尾随
文章首先针对adarank, svm-map提出它们的共同点:均是优化IR measure的上界, 但是前者的界 是基于IR measure,
后者的界是基于最优排序和非最优排序的对,形式为:
仔细观察发现,将PERMU-rank写成类似(9)的形式,和SVMMAP的区别仅仅是把max变成了求和! 这篇文章太扯蛋了...
permurank利用了第二种bound的构造形式,说白了就是仿照SVM-MAP的loss来构造,构造出对第i个查询的loss形式为
对它进行优化.该形式中的B_i和C_i是最大违反约束集,实质是大PI_i*和大PI_i的子集.
这篇文 ...
listwise类方法的一些想法
- 博客分类：
- 机器学习
Inf. Retr. 2010, tendency correlation for direct optimization of evaluation measure in information retrieval.
svm-map与svm-ndcg的区别;
lambdarank仅仅是weighted pairwise的方法,从chappelle09年设计的listwise方法中找寻答案;
softrank和ndcgboost两者似乎只有两个区别,一个区别是两者对rank position的期望近似方法不同,另一个区别是求解技术不同,前者用gradient descent,后者用b ...
链接: http://shirt.woot.com/Blog/ViewEntry.aspx?Id=14093
链接至： http://www.web20share.com/2010/08/2010-times-best-50.html
《时代》每年都会评选当年度的最佳的50网站，前两天也评选出了本年度的最佳的50个网站。
这次评选出的最佳网站分为十个大类，分别为：分10大类别，分别为音乐视频 ...
colt2010上: Adaptive Bound Optimization for Online Convex Optimization ：http://www.colt2010.org/papers/104mcmahan.pdf
colt2010上: Adaptive Subgradient Methods for Online Learning and Stochastic Optimization:
http://www.colt2010.org/papers/023Duchi.pdf
nips2009上: adaptive regularization of w ...
Regularized Boost for Semi-Supervised Learning, study/ML/NIPS目录下: 这篇文章沿用了Functional Gradient technique的框架. 在原框架中, 每轮得到的base learner需要使得<-\delta C(F),f> 最大化,这样保证每一轮得到的f都能使C(F)尽可能减小. 文章中找base learner时, 最大化<-\delta C(F),f>+\sum_i \beta_i R_i, 后一项是不同的地方,是regularizer.
文章discussion部分说它与grap ...
Chapter 2 Overview of Supervised learning 2.1 几个常用且意义相同的术语: inputs在统计类的文献中,叫做predictors, 但经典叫法是independently variables,在模式识别中,叫做feature. outputs,叫做responses, 经典叫法是dependently variables. 2.2 给出了回归和分 ...
原始问题的时间复杂度为O（d^3+n*d^2),但是如果不显示求解Hessian矩阵,时间复杂度为O(nd+P), 随机次梯度的时间复杂度是TO(d),对偶的时间解法时间复杂度为O(n_sv^3+n*n_sv^2)
1、首先利用rails depot建立rails应用，进入depot目录
//2、在depot目录下建立数据库 mysqladmin -u root create depot_development
配置应用时，可直接利用命令ranlis --database mysql depot，同时生成与depot应用相关的数据库depot_development
2、测试配置是否无误：
rake db:migrate
检查是否能连到数据库，在MySQL下，用mysql -u root depot_development
检查是否能建表：mysql> create table ...
Google的工程师为了方便内部人员使用MapReduce，研发了一种名为Sawzall的DSL，同时Hadoop也推出了类似Sawzall的Pig语言，但在语法上面有一定的区别。今天就给大家贴一下Sawall的论文，值得注意的是其第一作者是UNIX大师之一（Rob Pike） ...
Google的十大核心技术
作者：互联网的那点事
本系列是基于公开资料对Google App Engine是如何实现的这个话题进行深度探讨。而且在切入Google App Engine之前，首先会对Google的核心技术和其整体架构进行分析，以帮助大家之后更好地理 ...