颛顼

可以看到上面的方法在预估条件概率时，使用的是统计值，即数据量足够多时，统计值接近去真实概率值。 k阶的语言模型受限于模型复杂度，当样本特别大时，为了解决计算成本，我们只能减小k，而为了打破马尔科夫假设，现在有了注意力模型，能够对更多的前序单词进行建模。 统计出来的值等于真实概率…

作为一个程序猿，对造轮子这事情可以说是情有独钟，几乎程序猿内心都存在一个梦想是去将开源的技术都实现一遍，所有从本篇开始，我会开一个造轮子系列。 上面每一条都涉及好多轮子，每一个都是精通，如果真能做到。那这个人可以说是码农中的战斗机。 那我们现在目标就是去做这个战斗机。而这个方法…

作为一个程序猿，对造轮子这事情可以说是情有独钟，几乎程序猿内心都存在一个梦想是去将开源的技术都实现一遍，所有从本篇开始，我会开一个造轮子系列

使用ssh打个隧道，是我一直想做的事情。出发点是：在公司内部经常有些机器访问不到，只能通过公司提供的开发机，但是开发机我们可以在内网访问到，这个 远程主机收到用户的登录请求，把自己的公钥发给用户。 用户使用这个公钥，将登录密码加密后，发送回来。 远程主机用自己的私钥，解密登录密…

本次分享的主题是：内存管理。 首先讲下为什么做这次分享，之前自己看过很多东西，但是呢，由于工作中没有用到，看完后呢就都忘了，就拿redis来说，相信很多人都看过《redis设计与实现》这本书，记得当时自己也一边看书一边看源码，但是现在也不记得什么了。所以呢，我就想有什么方法能够…

矩阵分解上一篇介绍了协同过滤，其重点就是在人-物品矩阵上，其中心思想是去对人或者物品进行聚类，从而找到相似人或者相似物品，用群体的智慧为个人进行推荐，但是，这种近邻模型也存在好多问题：随着人和物品的增

之前的两篇文章 adaboost 原理 和 boosting原理 写完后，感觉还是没有特别弄明白boost，所有就有了本文。 集成学习是通过训练弱干个弱学习器，并通过一定的结合策略，从而形成一个强学习器。 其中用的比较多的是同质学习器。同质学习器按照个体学习器之间是否存在依赖关…

首先之前我写过一篇关于boosting原理的文章，可以关注头条号查看的，那篇文章对于adaboost的介绍不是很清楚，所以有了本文。adaboost原理首先我们需要知道：Boosting是将弱学习器组

Hadoop的master和slave分别运行在不同的Docker容器中，其中hadoop-master容器中运行NameNode和ResourceManager，hadoop-slave容器中运行D