【数据挖掘 & 机器学习 | 时间序列】时间序列必备工具箱: 自相关与偏相关检验 作者： 计算机魔术师 版本： 1.0 （ 2023.11.18 ）
聚类的目标是使同一类对象的相似度尽可能地小；不同类对象之间的相似度尽可能地大。目前聚类的方法很多，根据基本思想的不同，大致可以将聚类算法分为五大类：层次聚类算法、分割聚类算法、基于约束的聚类算法、机器学习中的聚类算法和用于高维度的聚类算法。以下内容摘自《数据挖掘中的聚类分析研究综述》。 1、层次聚类算法 1.1 聚合聚类 1.1.1相似度依据距离不同：Single-Link:最近距离、Complete-Link：最远距离、Average-Link：平均距离 1.1.2 最具代表性算法 1）CUR
上述等式对应于WALS算法的迭代操作：用户的embedding向量保持固定，系统得到该项目的embedding向量。
波动率是一个重要的概念，在金融和交易中有许多应用。这是期权定价的基础。波动率还使您可以确定资产分配并计算投资组合的风险价值（VaR）。甚至波动率本身也是一种金融工具，例如CBOE的VIX波动率指数。但是，与证券价格或利率不同，波动不能直接观察到。
【深度学习 | 核心概念】那些深度学习路上必经的核心概念，确定不来看看？ （一） 作者： 计算机魔术师 版本： 1.0 （ 2023.8.27 ）
数据分析(工程)师/数据科学家能力测评表 模块知识点问题示例概率和统计线性回归和正则化写出不同正则化的线性回归损失函数，R2, 参数估计概率分布写出高斯分布的概率密度函数统计检验t检验，什么是P_value，卡方检验采样Gibbs采样，MCMC 分层采样,分组采样贝叶斯公式写出贝叶斯公式。两个盒子分别有r1, r2个红球， b1,b2个蓝色球，现在小明抽到一个红球，问这个红球来自第一个盒子的概率是多少？参数估计矩估计，最大似然估计的理论基础，区间估计中随机区间及相应概率的理解。数据清洗与可视化缺失值处理列举
🙋♂️声明：本人目前大学就读于大二，研究兴趣方向人工智能&硬件（虽然硬件还没开始玩，但一直很感兴趣！希望大佬带带）
什么是协同过滤 协同过滤是利用集体智慧的一个典型方法。要理解什么是协同过滤 (Collaborative Filtering, 简称 CF)，首先想一个简单的问题，如果你现在想看个电影，但你不知道具体看哪部，你会怎么做？大部分的人会问问周围的朋友，看看最近有什么好看的电影推荐，而我们一般更倾向于从口味比较类似的朋友那里得到推荐。这就是协同过滤的核心思想。 协同过滤一般是在海量的用户中发掘出一小部分和你品位比较类似的，在协同过滤中，这些用户成为邻居，然后根据他们喜欢的其他东西组织成一个排序的目录作为推荐给你。
在很多信号处理系统中，并没有信号的先验统计特性，不能使用某一固定参数的滤波器来处理，比如信道均衡、回声消除以及其他因素之间的系统模型等，均采用了调整系数的滤波器，称为自适应滤波器。这样的滤波器结合了允许滤波器系数适应于信号统计特性的算法。
风格迁移这一想法与纹理生成的想法密切相关，在 2015 年开发出神经风格迁移之前，这一想法就已经在图像处理领域有着悠久的历史。但事实证明，与之前经典的计算机视觉技术实现相比，基于深度学习的风格迁移实现得到的结果是无与伦比的，并且还在计算机视觉的创造性应用中引发了惊人的复兴。
维纳滤波（wiener filtering) 一种基于最小均方误差准则、对平稳过程的最优估计器。这种滤波器的输出与期望输出之间的均方误差为最小，因此，它是一个最佳滤波系统。它可用于提取被平稳噪声污染的信号。
https://github.com/DmitryUlyanov/deep-image-prior
【数据挖掘 & 机器学习 | 时间序列】时间序列必学模型: ARIMA超详细讲解 作者： 计算机魔术师 版本： 1.0 （ 2023.8.27 ）
聚类就是按照某个特定标准(如距离准则)把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大。即聚类后同一类的数据尽可能聚集到一起，不同数据尽量分离。
波动率是一个重要的概念，在金融和交易中有许多应用。它是期权定价的基础。波动率还可以让您确定资产配置并计算投资组合的风险价值 (VaR)
二、对于决策树，数据的准备往往是简单或者是不必要的.其他的技术往往要求先把数据一般化，比如去掉多余的或者空白的属性。
欢迎大家通过博客浏览我的历史文章，博客园包含了目前为止所有的文章，浏览效果更佳，并且有评论留言功能，有任何问题都可以给我留言，微信后台留言可能回复得不及时。 博客地址为：https://www.cnblogs.com/icparadigm/ 兼珏 乐鑫 一面 自我介绍，简历相关 你如何看待某之前面过我们公司的同学？ 你为什么选择做IC验证 通过什么方式自学SV和UVM 是否接触过脚本 100MHz的时钟发生器 阻塞赋值和非阻塞赋值的区别 OOP多态 独热码约束 pre_randomize和post_rand
用于作业调度时，考虑的是哪个作业先到达后备队列；用于进程调度时，考虑的是哪个进程先到达就绪队列
导语：高中的时候，班主任让我们每学完一个章节，整理出这个章节的关键词和一份问题列表。现在回想起来，其实是很有用的，这让我们可以从另外一个视角来审视所学习的内容，而不是单纯的填鸭式的记忆；最近在复习机器学习相关内容，也从问题的视角来回顾机器学习知识体系，对于机器学习方向同学可以作为考察，看看里面的内容是否都能回答上来；而对于想学习机器学习的同学来说，应该可以作为一个方向，把这些内容一个个解决了，在各大厂算法岗面试中应该可以横着走了啦啦啦！
最近在看Apache pulsar这个被誉为下一代消息队列的相关的，我之前其实已经写过很多kafka,rocketmq相关的文章，本来以为消息队列的技术大体花样都差不多，但是当我看到了pulsar的确被他的一些设计给惊艳到了。这篇文章是我看pulsar的时候觉得不错的一篇英文文章，在网上找了一下译文，直接转载给大家看。
自注意力机制是一种在神经网络中实现信息自相关性的方法。它通过计算输入信息之间的相关性，对输入数据的重要性进行加权处理。在传统的神经网络中，信息从输入层逐层传递，每个神经元只能接收来自上一层的信息。而自注意力机制则打破了这一限制，允许每个神经元同时接收来自所有层次的信息，从而更有效地捕捉输入数据的内在联系。
集体智慧 (Collective Intelligence) 并不是 Web2.0 时代特有的，只是在 Web2.0 时代，大家在 Web 应用中利用集体智慧构建更加有趣的应用或者得到更好的用户体验。集体智慧是指在大量的人群的行为和数据中收集答案，帮助你对整个人群得到统计意义上的结论，这些结论是我们在单个个体上无法得到的，它往往是某种趋势或者人群中共性的部分。
标记-清扫式垃圾回收器是一种直接的全面停顿算法。简单的说，它们找出所有不可达的对象，并将它们放入空闲列表Free。
极高并发下HashTable和ConcurrentHashMap哪个性能更好，为什么，如何实现的。
【玩转 GPU】AI绘画、AI文本、AI翻译、GPU点亮AI想象空间-腾讯云开发者社区-腾讯云 (tencent.com)
将非平稳时间序列转化成平稳时间序列，包含三种类型：结构变化、差分平稳、确定性去趋势。本文脉络框架如下：
3、HashMap，HashTable，ConcurrentHashMap的区别。
最近我们被客户要求撰写关于波动率的研究报告。 波动率是一个重要的概念，在金融和交易中有许多应用。它是期权定价的基础。波动率还可以让您确定资产配置并计算投资组合的风险价值 (VaR)。
Created with Raphaël 2.2.0 开始 选择正交变换，把时域信号转变为变换域信号 变换后的信号用其能量的平方根归一化 采用某一自适应算法进行滤波 结束
GitHub：https://github.com/Teichlab/ SpatialDE
1、时间序列分析之前，需要进行序列的预处理，包括纯随机性和平稳性检验。根据检验结果可以将序列分为不同的类型，采取不同的分析方法。
本文主要回顾下几个常用算法的适应场景及其优缺点！（提示：部分内容摘自网络）。 机器学习算法太多了，分类、回归、聚类、推荐、图像识别领域等等，要想找到一个合适算法真的不容易，所以在实际应用中，我们一般都是采用启发式学习方式来实验。通常最开始我们都会选择大家普遍认同的算法，诸如SVM，GBDT，Adaboost，现在深度学习很火热，神经网络也是一个不错的选择。假如你在乎精度（accuracy）的话，最好的方法就是通过交叉验证（cross-validation）对各个算法一个个地进行测试，进行比较，然后调整参数确
原文地址：http://www.csuldw.com/2016/02/26/2016-02-26-choosing-a-machine-learning-classifier/ 本文主要回顾下几个常用算法的适应场景及其优缺点！ 机器学习算法太多了，分类、回归、聚类、推荐、图像识别领域等等，要想找到一个合适算法真的不容易，所以在实际应用中，我们一般都是采用启发式学习方式来实验。通常最开始我们都会选择大家普遍认同的算法，诸如SVM，GBDT，Adaboost，现在深度学习很火热，神经网络也是一个不错的选择。假如
适配器模式将一个类的接口适配成用户所期待的。一个适配器通常允许因为接口不兼容而不能一起工作的类能够在一起工作，做法是将类自己的接口包裹在一个已存在的类中。
多元线性回归模型是通过对多变量进行线性组合的方式来预测目标变量；而自回归模型是利用目标变量的历史数据来预测目标变量。
写个总结，回馈牛客~ 给自己也给未来面试的同学，少走弯路，命中率更高点~ 祝大家满意的offer多多（迟来的总结 [算法岗-机器学习方向]） 直接上干货 前期准备 理论：统计学习（李航）+ 机器学习（周志华） + 推荐系统实战（项亮）+ 深度学习（那本花书）+ 数据挖掘导论 + 编程之美 + 剑指offer [书籍] 台大 林轩田（个人觉得很赞）[视频] 牛客网 leetcode [网站] 项目：可以做做kaggle（感觉这个才是真正提升之道，大牛们很乐意分享技术，可以学到很多）或者国内的一些比赛（天池/
欧氏距离是两个点在 n 维空间中直线距离的度量。它是最常见的距离度量方法之一，用于计算两个向量之间的距离。欧氏距离的公式如下：
线性回归是一种统计方法，用于研究因变量 𝑌 和一个或多个自变量 𝑋 之间的线性关系。其理论依据主要基于以下几个方面：
找工作时（IT行业），除了常见的软件开发以外，机器学习岗位也可以当作是一个选择，不少计算机方向的研究生都会接触这个，如果你的研究方向是机器学习/数据挖掘之类，且又对其非常感兴趣的话，可以考虑考虑该岗位，毕竟在机器智能没达到人类水平之前，机器学习可以作为一种重要手段，而随着科技的不断发展，相信这方面的人才需求也会越来越大。 纵观IT行业的招聘岗位，机器学习之类的岗位还是挺少的，国内大点的公司里百度，阿里，腾讯，网易，搜狐，华为（华为的岗位基本都是随机分配，机器学习等岗位基本面向的是博士）等会有相关职位，另外一
Andrew Ng. 的新书终于出完了。薄薄一百多页的小册子，翻下来其实是一堆实操经验集合。感觉还是有一定借鉴意义的，按照我自己的理解简单地整理如下，也不展开说了。有过实际经验的肯定心里有数。
自动化的管理内存资源，垃圾回收机制必须要有一套算法来进行计算，那些是有效的对象，那些是无效的对象，对于无效的对象 就要进行回收处理。 常见的垃圾回收算法有 ：引用计数法、标记清除法、标记压缩法、复制算法、分代算法等。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
