AdaBoost 算法原理及推導
AdaBoost（Adaptive Boosting）：自適應提升方法。 1、AdaBoost算法介紹 AdaBoost是Boosting方法中最優代表性的提升算法。該方法通過在每輪降低分對樣例的權重，增加分錯樣例的權重，使得分類器在迭代過程中逐步改進，最終將所有分類器線性組合得到最終分類器 ...
原文：CELF算法原理
影響力傳播模型中的獨立層疊模型 independent cascading model，IC模型 ，影響力傳播過程中，種子的影響力具備子模性 submodularity ，即種子的邊際影響力增量會呈現遞減趨勢，CELF算法 Cost effective Lazy forward 利用這個發現改進了Kempe amp Kleinberg的原始的Greedy算法，使得算法的速度大幅提升。下面說說具體是 ...
2017-03-14 15:31 5 2712 推薦指數：
相關推薦
限流的原理以及常用算法
限流的原理以及常用算法 高並發的處理有三個比較常用的手段：緩存、限流和降級。 有了限流，就意味着在處理高並發的時候多了一種保護機制，不用擔心瞬間流量導致系統掛掉或雪崩，最終做到有損服務而不是不服務；但是限流需要評估好，不能亂用，否則一些正常流量出現一些奇怪的問題而導致 ...
GBDT算法原理
目錄 一、GBDT 二. GBDT回歸樹基本模版 三. GBDT的算法描述 3.1 GBDT的損失函數 3.1.1 梯度提升回歸樹損失函數介紹 3.1.2 梯度提升分類樹損失函數介紹 3.2 GBDT回歸算法描述 3.2.1 平方損失GBDT算法描述 3.2.2 絕對損失 ...
XGBoost算法原理小結
在兩年半之前作過梯度提升樹(GBDT)原理小結，但是對GBDT的算法庫XGBoost沒有單獨拿出來分析。雖然XGBoost是GBDT的一種高效實現，但是里面也加入了很多獨有的思路和方法，值得單獨講一講。因此討論的時候，我會重點分析和GBDT不同的地方。 本文主要參考 ...
Zookeeper選舉算法原理
Zookeeper選舉算法原理 Leader選舉 Leader選舉是保證分布式數據一致性的關鍵所在。當Zookeeper集群中的一台服務器出現以下兩種情況之一時，需要進入Leader選舉。 (1) 服務器初始化啟動。（集群的每個節點都沒有數據 → 以SID的大小為准） (2) 服務器 ...
PrefixSpan算法原理總結
前面我們講到頻繁項集挖掘的關聯算法Apriori和FP Tree。這兩個算法都是挖掘頻繁項集的。而今天我們要介紹的PrefixSpan算法也是關聯算法，但是它是挖掘頻繁序列模式的，因此要解決的問題目標稍有不同。 1. 項集數據和序列數據 首先我們看看項集數據和序列數據 ...
Apriori算法原理總結
Apriori算法是常用的用於挖掘出數據關聯規則的算法，它用來找出數據值中頻繁出現的數據集合，找出這些集合的模式有助於我們做一些決策。比如在常見的超市購物數據集，或者電商的網購數據集中，如果我們找到了頻繁出現的數據集，那么對於超市，我們可以優化產品的位置擺放，對於電商，我們可以優化商品所在 ...