本文内容来自：1，Michael Nielsen的《Neural Networks and Deep Learning》中文翻译2，http://www.cnblogs.com/pinard/p/6494810.html3，http://blog.csdn.net/yunpiao123456/article/details/52437794卷积神经网络基础：首先看一下全连接网络，即神经元

本文参考自：http://blog.csdn.net/heyongluoyao8/article/details/49408131，有删改。什么是数据不均衡？在分类中，训练数据不均衡是指不同类别下的样本数目相差巨大。举两个例子：①在一个二分类问题中，训练集中class 1的样本数比上class 2的样本数的比值为60:1。使用逻辑回归进行分类，最后结果是其忽略了class 2，将所有的训练样本都分

本文内容来自：Michael Nielsen的《Neural Networks and Deep Learning》中文翻译神经网络基础神经元是一个类似感知器的东西，有多个输入。每个输入有权重w，最后有一个总的偏置b。输出不再是感知器那样的0或1，而是经过激活函数计算后的值。常用激活函数比如sigmoid函数，也叫logistic函数，如下所示，其中z=wx+b：关于激活函数：它其实就是一

本文内容来自：1，Michael Nielsen的《Neural Networks and Deep Learning》中文翻译2，http://www.cnblogs.com/pinard/p/6494810.html3，http://blog.csdn.net/yunpiao123456/article/details/52437794卷积神经网络基础：首先看一下全连接网络，即神经元

本文转载自：http://blog.csdn.net/dbanote/article/details/8897599LSM树是Hbase里非常有创意的一种数据结构，它和传统的B+树不太一样，下面先说说B+树。1 B+树相信大家对B+树已经非常的熟悉，比如Oracle的普通索引就是采用B+树的方式，下面是一个B+树的例子：根节点和枝节点很简单，分别记录每个叶子节点的最小值，并用一个指针指向叶

分类器评价指标主要有：1，Accuracy2，Precision3，Recall4，F1 score5，ROC 曲线6，AUC7，PR 曲线混淆矩阵混淆矩阵是监督学习中的一种可视化工具，主要用于比较分类结果和实例的真实信息。矩阵中的每一行代表实例的预测类别，每一列代表实例的真实类别。真正(True Positive , TP)：被模型预测为正的正样本。假正(Fal

本文参考自：莫烦Python - Tensorflow 教程系列TensorFlow入门：使用图 (graph) 来表示计算任务.在被称之为 会话 (Session) 的上下文 (context) 中执行图.使用 张量(tensor) 表示数据.通过 变量 (Variable) 维护状态.使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从

此题是美团2017春招实习生在线笔试题，题目是“如何判断有向图有没有回路”，这里给出两种解法以供参考。解法一：深度遍历假设图以邻接矩阵表示，一条深度遍历路线中如果有结点被第二次访问到，那么有环。我们用一个变量来标记某结点的访问状态（未访问，访问过，其后结点都被访问过），然后判断每一个结点的深度遍历路线即可。因为采用邻接矩阵存储，一般至少需要将矩阵中元素的一半给过一下，由于矩阵元素个数为n^2，因