附件是计算机领域的学术会议等级排名情况，分为A+, A, B, C, L 共5个档次。其中A+属于顶级会议，基本是这个领域全世界大牛们参与和关注最多的会议。国内的研究者能在其中发表论文的话，是很值得骄傲的成就。A类也是非常好的会议了，尤其是一些热门的研究方向，A类的会议投稿多录用率低，部分A类会议影响力逐步逼近A+类会议。B类的会议分两种，一种称为盛会级，参与的人多，发表的论文

pipeline在数据挖掘领域中，决策树是对数据进行建模的一种很有效的手段。当数据集被清洗好后，数据集就是样本的集合，每一个样本都是有一样多的属性，但属性值可能不同（也有可能不存在即属性值缺失）。每一个样本，分为属性（也可称为特征）和label两部分，我们运用决策树处理数据就是为了从样本的这些属性里面找出规则，来建立模型可以去预测样本中label，而样本中的原label我们称之为ground ..

记得前一篇博文写过关于K-MEANS的内容，K-MEANS顾名思义K-均值，通过计算一类记录的均值来代表该类，但是受异常值或极端值的影响比较大，这里介绍另外一种算法K-medodis。看起来和K-means比较相似，但是K-medoids和K-means是有区别的，不一样的地方在于中心点的选取，在K-means中，我们将中心点取为当前cluster中所有数据点的平均值，在 K-medoid

首先说下要有的软件，Xming（用来支持X11-forwarding的，不懂自己查）Xshell（ssh的一种客户端）pycharm（python项目的开发环境）首先把Xming安装好，记住Display number就好！！！然后把Xshell打开，在连接服务器之前进行如下设置先把x11转移勾上，选中X DISPLAY，后面的参数填localhost:0（因为我安装Xming时Display n

方法一：临时修改# 在pip后指定源pip install ipython -i http://mirrors.aliyun.com/pypi/simple/方法二：永久修改# 找到~/.pip/pip.conf,如果不存在就创建# 加入[global]timeout = 10 # 设置超时，单位sindex-url =http://mirrors.aliyun.com...

作者：Erik Hallström机器之心编译参与：机器之心编辑部一般而言，大型的神经网络对硬件能力有着较高的需求——往往需要强劲的 GPU 来加速计算。但是你也许还是想拿着一台笔记本坐在咖啡店里安静地写 TensorFlow 代码，同时还能享受每秒数万亿次的浮点运算（teraFLOPS）速度？其实这个目标不难实现，使用 PyCharm 中的一个远程解释器，你就能通过远程的

方法一：临时修改# 在pip后指定源pip install ipython -i http://mirrors.aliyun.com/pypi/simple/方法二：永久修改# 找到~/.pip/pip.conf,如果不存在就创建# 加入[global]timeout = 10 # 设置超时，单位sindex-url =http://mirrors.aliyun.com...

下面是配置文件，建议单独弄一个文件，可以随时改。#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time: 2018/4/6 23:05# @Author: Zehan Song# @Site:# @File: configs.py# @Software: PyCharmimport warningscla...

主要是为了写出pipeline，至于模型啥的都可以自己改的，有什么问题可以评论，不多说了，放代码#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time: 2018/4/7 16:18# @Author: Zehan Song# @Site:# @File: cnn.py# @Software: PyCharm...

1..中文tf.nn.top_k(input, k, name=None)解释：这个函数的作用是返回 input 中每行最大的 k 个数，并且返回它们所在位置的索引。#!/usr/bin/env python# -*- coding: utf-8 -*-import tensorflow as tfimport numpy as npinput