poj-->1988:Cube Stacking思路：这道题是并查集的应用，题目的意思是输入“M”的时候，再多输入两个数。表示前一个放在后一个的顶上。方法：并查集的应用。/*这道题是给每个数定义tail[max],top[max],cnt[max];max = 30000+5(这里的tail表示的是这个数的栈尾,top表示的是这个数的栈顶,cnt表示这个数下面还有几个数)我们用

Language TechnologyMeaning of Word（一个vector表示一个word）Predicting the next word给一串sequence of words，预测下一个单词 我们现在要做的就是将wi-1和wi-2描述成一个feature vector，1- of -N encoding：假设只要对着几个词汇做word2vec：lexicon = {apple,

初期:一.基本算法:(1)枚举. (poj1753,poj2965)(2)贪心(poj1328,poj2109,poj2586)(3)递归和分治法.(4)递推.(5)构造法.(poj3295)(6)模拟法.(poj1068,poj2632,poj1573,poj2993,poj2996)二.图算法:(1)图的深度优先遍历和广度优先遍历.(2)最短路径算法(d

机器学习思维导图机器学习思维导图思维导图解释需求分析与数据获取数据预处理特征工程算法模型模型评估机器学习思维导图思维导图解释需求分析与数据获取在需求分析与数据获取中，我们往往要考虑以下几个方面：确定模型目标根据目标得到所需的相关因素？特征的定义方式（比如，一周用户心情，是要取平均值还是方差呢）？这些特征该是连续的还是离散的呢？离散特征应该如何划分比较合理？对于数据...

Reinforcement Learning（强化学习）Reinforcement Learning机器学习的分支：有监督学习是机器学习任务的一种，它从有标记的训练数据中推导出预测函数。有标记的训练数据是指每个训练实例都包括输入和期望的输出。即：给定数据，预测标签。无监督学习是机器学习任务的一种，它从无标记的训练数据中推断结论。最典型的无监督学习就是聚类分析，它可以在探索性数据分析阶段用于

学习网站：https://www.tensorflow.org/versions/r0.12/tutorials/wide_and_deep/index.html#tensorflow-wide-deep-learning-tutorial对于前向反馈和后向传输进行解释的博客：http://blog.csdn.net/zhangjunhit/article/details/53501680

MLP多层感知器的使用，多层感知器，常用来做分类，效果非常好，比如文本分类，效果比SVM和bayes好多了。感知器学习算法基本介绍单层感知器：感知器（Single Layer Perceptron）是最简单的神经网络，它包含输入层和输出层，而输入层和输出层是直接相连的。上图是一个单层感知器，很简单的结构，输入层和输出层直接相连。下面介绍一下如何计算输出端：利用格式1计算输

TensorFlow的模型存储，恢复与使用在tensorflow中保存 模型 恢复模型的 类是tf.train.Saver()默认 是所有的变量当不传参数，默认就是所有的变量保存模型：#save(sess,save_path,...)save_path = saver.save(sess,"/root/alexnet.tfmodel")从文件中恢复模型（此时restore恢复

一、 分类问题KNN (距离度量)DT (ID3-信息增益, C4.5-信息增益比, CART-gini指数)RF (bootstrap抽样，CART)Adaboost (样本权值分布，分类器系数)GBDT (CART, 残差)ANN (BP, SGD, sigmod or softmax)SVM (对偶, kernel)NaiveBayes (Bayes公式)LR (sigmod

参考网站：https://www.tensorflow.org/versions/r0.12/tutorials/linear/overview.html#large-scale-linear-models-with-tensorflowhttp://www.jianshu.com/p/afe41ae17a16Large-scale Linear Models with TensorFlow：