前言 使用情形 情形一:二阶导全为正(或负),就能判断一阶导的增(或减),且一阶导的零点刚好在给定区间的端点处,这样一阶导就是全为正(或全为负)的,原函数就是单调函数; 【改编】已知函数 \(f(x)=\cfrac{2\ln x}{x}+\cfrac ...
作者前言 在 年还在整理XGB的算法,其实已经有点过时了。。不过,主要是为了学习算法嘛。现在的大数据竞赛,XGB基本上已经全面被LGB模型取代了,这里主要是学习一下Boost算法。之前已经在其他博文中介绍了Adaboost算法和Gradient boost算法,这篇文章讲解一下XGBoost。 Adaboost和XGBoost无关,但是Gradient boost与XGBoost有一定关系。 一文 ...
2020-06-22 20:58 0 829 推荐指数:
前言 使用情形 情形一:二阶导全为正(或负),就能判断一阶导的增(或减),且一阶导的零点刚好在给定区间的端点处,这样一阶导就是全为正(或全为负)的,原函数就是单调函数; 【改编】已知函数 \(f(x)=\cfrac{2\ln x}{x}+\cfrac ...
在今天做总结时发现这个题目当时做的时候划了重点,然后准备随便看看时发现做不出来,于是网上搜了一番理解了一下,分享一下经验。 ...
一文入门Redis 目录 一文入门Redis 一、Redis简介 二、常用数据类型 1、String(字符串) 2、Hash(哈希) 3、List(列表) 4、Set(集合 ...
NodeJS¶ 1.环境配置¶ 之前讲ES6的时候有提过一部分Node的知识,简单回顾下:一文读懂ES6 1.1.NPM国内镜像¶ npm国内镜像:https://npm.taobao.org 配置国内源:npm ...
例:给区间[L,R]加首项为s,公差为d的等差数列 a[ ]表示原数组,b[ ]表示a的差分数组,c[ ]表示b的差分数组 a[i] = a[i]+s+(i-L)*d , L<=i<= ...
1.HTML5 上节回顾:一文读懂ES6(附PY3对比) | 一文入门NodeJS 演示demo:https://github.com/lotapp/BaseCode/tree/master/javascript/0.H5_C3/H5 参考文档:https ...
Docker提供一种安全、可重复的环境中自动部署软件的方式,拉开了基于与计算平台发展方式的变革序幕。如今Docker在互联网公司使用已经非常普遍。本文用十分钟时间,带你快速入门Docker。 Docker是什么 Docker是什么? 官网首页的介绍: Enterprise ...
期望的公式扩展 一阶矩就是期望值,换句话说就是平均数(离散随机变量很好理解,连续的可以类比一下)。举例:xy坐标系中,x取大于零的整数,y1, y2, ...,yn 对应x=1, 2,..., n的值,现在我要对y求期望,就是所有y累加除以n,也就是y的均值。 此时y的均值我可以在坐标系中画一 ...