本熊本 - 简书

IP属地：北京

从cart决策树到XGBoost
一. cart决策树简述我们知道决策树算法有ID3、C4.5和cart三种，ID3和C4.5是基于信息增益和信息增益比率做特征选择的，存在大量...

1586 0 0
Flask+gunicorn+nginx部署python
1. 目标由于Flask是一个轻量级的Web框架，自带app.run()方法能够提供http接口服务，测试环境下测试非常方便，但是如果在生产环...

0.2 7031 2 4

Spark2.0.0与Elasticsearch6.5的jar包冲突问题
1. 问题在工作中，多次遇到了jar包冲突的情况，就以这个为例，整理下解决思路。现有某Spark程序，从Elasticsearch中读取数据...

1764 0 0
大量短文本聚类效果优化：余弦相似度，Spark，Mini Batch Kmeans
1. 背景 1.1 问题概述有10万+条短文本，均是用户反馈的问题（每条文本长度大概在200字左右），需要对这些文本进行主题聚类，看下用户反馈...

0.2 9004 3 4
采用栈解析包含&|()的关键词规则表达式
1. 需求例如用户给定一个包含与或关系的关键词匹配规则： (G20&中国&(互联网|人工智能|AI)&(腾讯|阿里|阿里巴巴|百度|京东)) ...

526 0 0
SimHash文档去重
1. 首先SimHash的算法生成图如下图所示：生成步骤如下：对于每篇文章，选择分词作为该篇文章的特征，获取去掉噪音的词做为文档特征，为每个...

726 0 0 1
TF-IDF笔记
1. TFIDF介绍 1.1 基本概念 TF(Term Frequency)：代表词频，表示词在某篇文章中出现的频次，一般情况下词频越大，代表该...

2685 0 1 2

总结一下Java容器类
1、分类 Collection接口 List，按照插入顺序保存元素 Set，插入元素不能重复且无序 Queue，先进先出 Map接口键值对的一...

1767 0 1