AdaBoost 算法原理及推导
AdaBoost（Adaptive Boosting）：自适应提升方法。 1、AdaBoost算法介绍 AdaBoost是Boosting方法中最优代表性的提升算法。该方法通过在每轮降低分对样例的权重，增加分错样例的权重，使得分类器在迭代过程中逐步改进，最终将所有分类器线性组合得到最终分类器 ...
原文：CELF算法原理
影响力传播模型中的独立层叠模型 independent cascading model，IC模型 ，影响力传播过程中，种子的影响力具备子模性 submodularity ，即种子的边际影响力增量会呈现递减趋势，CELF算法 Cost effective Lazy forward 利用这个发现改进了Kempe amp Kleinberg的原始的Greedy算法，使得算法的速度大幅提升。下面说说具体是 ...
2017-03-14 15:31 5 2712 推荐指数：
相关推荐
限流的原理以及常用算法
限流的原理以及常用算法 高并发的处理有三个比较常用的手段：缓存、限流和降级。 有了限流，就意味着在处理高并发的时候多了一种保护机制，不用担心瞬间流量导致系统挂掉或雪崩，最终做到有损服务而不是不服务；但是限流需要评估好，不能乱用，否则一些正常流量出现一些奇怪的问题而导致 ...
GBDT算法原理
目录 一、GBDT 二. GBDT回归树基本模版 三. GBDT的算法描述 3.1 GBDT的损失函数 3.1.1 梯度提升回归树损失函数介绍 3.1.2 梯度提升分类树损失函数介绍 3.2 GBDT回归算法描述 3.2.1 平方损失GBDT算法描述 3.2.2 绝对损失 ...
XGBoost算法原理小结
在两年半之前作过梯度提升树(GBDT)原理小结，但是对GBDT的算法库XGBoost没有单独拿出来分析。虽然XGBoost是GBDT的一种高效实现，但是里面也加入了很多独有的思路和方法，值得单独讲一讲。因此讨论的时候，我会重点分析和GBDT不同的地方。 本文主要参考 ...
Zookeeper选举算法原理
Zookeeper选举算法原理 Leader选举 Leader选举是保证分布式数据一致性的关键所在。当Zookeeper集群中的一台服务器出现以下两种情况之一时，需要进入Leader选举。 (1) 服务器初始化启动。（集群的每个节点都没有数据 → 以SID的大小为准） (2) 服务器 ...
PrefixSpan算法原理总结
前面我们讲到频繁项集挖掘的关联算法Apriori和FP Tree。这两个算法都是挖掘频繁项集的。而今天我们要介绍的PrefixSpan算法也是关联算法，但是它是挖掘频繁序列模式的，因此要解决的问题目标稍有不同。 1. 项集数据和序列数据 首先我们看看项集数据和序列数据 ...
Apriori算法原理总结
Apriori算法是常用的用于挖掘出数据关联规则的算法，它用来找出数据值中频繁出现的数据集合，找出这些集合的模式有助于我们做一些决策。比如在常见的超市购物数据集，或者电商的网购数据集中，如果我们找到了频繁出现的数据集，那么对于超市，我们可以优化产品的位置摆放，对于电商，我们可以优化商品所在 ...