SparkMLlib分类算法之决策树学习 （一） 决策树的基本概念 决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的 ...
分类：
编程语言 时间：
2017-05-21 12:53:29
阅读次数：
395
IT行业的创新包括哪些方面： 1、创新的迷思 1.1、迷思之一：灵光一闪现，伟大的创新就紧随其后 1.2、迷思之二：大家都喜欢创新 1.3、迷思之三：好的想法会赢 1.4、迷思之四：创新者都是一马当先 1.5、迷思之五：要成为领域的专家，才能创新 1.6、迷思之六：技术创新是关键 1.7：迷思之七： ...
分类：
其他好文 时间：
2017-05-17 14:03:23
阅读次数：
136
一般求期望类题目都是倒着来做的，dp[i]表示i状态下要达到要求状态的期望值，于是dp[0]就是我们要找的答案，我们可以通过此来推状态转移方程，可以得到dp[i]=Σ（dp[k>i]*p[k]）+ 1，由于由k状态转移到i状态会多一步操作，这多的一步乘以每种概率再求和刚好等于1，所以转移公式后面有一 ...
分类：
其他好文 时间：
2017-05-17 13:52:07
阅读次数：
160
近年来，CMDB在IT运维管理中的价值逐步得到认可，使用CMDB的期望值也日益增长。然而，CMDB实施和维护的高成本却一直是建设者们的痛点。那么今天，我们来探讨一下如何通过消费来持续驱动CMDB的逐步完善。 消费驱动是指依托用户消费的收益，吸引研发者、销售者，逐步围绕该产业开展建设并延伸拓展其发展范 ...
分类：
数据库 时间：
2017-05-17 12:03:20
阅读次数：
216
将权值用二进制表示，由于到达n就立即停止，我们定义f[i]表示从i到达n的期望值。 那么显然f[n]=0,对于其他情况,我们列出其转移方程: f[i]+=f[x]/deg[i] 若两边连边当前位为0 f[i]+=(1-f[x])/deg[i] 若两边连边当前位为1 然后就有n-1个方程，高斯消元求解 ...
分类：
其他好文 时间：
2017-05-16 23:22:54
阅读次数：
193
小结： 1、软件工程的第一阶段终于结束了，说实话，每个人的课程都很紧张，在这么紧张的时期我们都每周抽出一些时间来开个小会总结或者计划软件工程的相关任何非常难得，大家的态度都诚恳认真，我亦是如此，只是我的能力有限，感觉自己是在抱其他五位成员的大腿，而自己所贡献的简直微不足道。我早早的就选定好了自己的学 ...
分类：
其他好文 时间：
2017-05-15 22:37:38
阅读次数：
227
lms算法跟Rosenblatt感知器相比，主要区别就是权值修正方法不一样。lms采用的是批量修正算法，Rosenblatt感知器使用的是单样本修正算法。两种算法都是单层感知器，也只适用于线性可分的情况。详细代码及说明如下：‘‘‘
算法：最小均方算法(lms)
均方误差：样本预测输出值与实际..
分类：
编程语言 时间：
2017-05-07 21:13:20
阅读次数：
665
1. 萌芽阶段 以跳舞为例，两人刚刚认识，拘谨而彬彬有礼。这一阶段的现象：两人刚刚相互认识，这时大家都有礼貌，一般交流不少，每个人都想得到对方的接纳，试图避免冲突和容易引起挑战的观点。对即将进行的舞蹈，有不同的期望值，但是双方彼此并不了解。 2. 磨合阶段 开始跳舞，开始踩脚。解除之后，才感到手足无 ...
分类：
其他好文 时间：
2017-05-07 13:57:18
阅读次数：
199
题意：进行K次染色，每次染色会随机选取一个以(x1,y1),(x2,y2)为一组对角的子矩阵进行染色，求K次染色后染色面积的期望值(四舍五入)。 析：我们可以先求出每个格子的期望，然后再加起来即可。我们可以把格子进行划分，然后再求概率。 代码如下： ...
分类：
其他好文 时间：
2017-04-29 22:08:09
阅读次数：
199
【POJ1141】括号序列【POJ1191】棋盘分割【SPOJ196】决斗【AOA】跳舞机【AOA】积木游戏【AOA】艺术馆的火灾【AOA】机器人的名字【UVa10559】方块消除【AOA】公路巡逻【POJ1074】并行期望值【AOA】高性能计算机【AOA】模板匹配【AOA】不可解码的编码【AOA】 ...
分类：
其他好文 时间：
2017-04-27 10:14:41
阅读次数：
175
