比较决策树，GBDT，XGBOOST和LightGBM 一、决策树 决策树是一个树结构的分类器，其中每个非叶子节点表示一个特征属性上的测试条件。在决策树构建过程中，最重要的部分就是决定分类特征和分类值，特征既可以是离散值也可以是连续值。 特征的选择一般有两种算法ID3和C4.5，下面依次介绍。 ID3 ID3的核心算法是使用信息增益来选择分裂的特征。在信息论中，熵表示随机变量的不确定性，条...

  总结几个常用的文本分类器，从数学原理到效果测评。 一、常用文本分类器 1、朴素贝叶斯分类器 [P(Y X)=\frac{P(Y)P(X Y)}{P(X)}] P(Y|X)是已知X发生后Y的条件概率，也由于得自X的取值而被称作Y的后验概率。 P(Y)是Y的先验概率（或边缘概率）。之所以称为”先验”是因为它不考虑...

  最近在做实体词相关工作，需要用到crf（条件随机场）模型，于是又从头开始复习了一遍概率图模型，当然从最简单的HMM（隐马尔科夫）模型开始。在开始之前先引用一张网上已经泛滥的图吧。 它的含义在概率图模型详列文章的结尾解释。   在概率图模型中，一个节点一般用来标识一个状态或者观测值，节点之间的连线表示状态或者观测值之间的关系。根据连线是否有方向（箭头），概率图模型大体可以分为两类...

  通过用户安装的app列表来判断用户性别似乎不是一件十分困难的事情，因为在日常生活中，我们接触到大量的app在男女用户中的安装比例存在明显的差异。比如，‘汽车之家’app明显男性用户的安装量大于女性，而‘购物类’app和母婴类app女性用户的安装量大于男性。这种app在男女人群安装量的差异，是我们通过app判定用户性别的基础。   我来公司的第一份工作就是爬取各应用市场的app数据，包括...

  去年的这个时候还在风风火火的找工作，应该还没找到，哈哈。当时也曾一度情绪低落，转眼已经一年过去了，我已经在搜狗实习了4个月的时间。最近提交了毕业论文的初版，压力稍微小了一点，可以在空下来的时候接着写写东西。   虽然自己的毕业论文已经交了，可毕业季还是有很多琐碎的事情牵扯精力，公司的工作不是很好干，个人感觉做的也不是很好。导师交给项目，一直进展缓慢，当然也还有一些其他的事情十分耗费精力...

  最近想要做一个文本自动分类器，主要是想试试不用的机器学习方法在文本分类上效果如何。训练分类器需要大规模的训练样本，于是需要利用python爬虫去爬取一些网页新闻作为样本，本想偷懒去网上直接找个能有的教程学习下scrapy，利用几个小时时间就把这个任务搞定，可是没想到居然踩了好多坑，在此记录一下。顺便还要吐槽一下，为什么这么多人喜欢转载别人的文章到自己的博客下面，有什么意义吗？需要学习收藏...

  最近在搭建一个购物网站，目的是希望把自己所学到的东西都用起来，串在一起，做一个阶段的总结吧。除了必要的前端技术（HTML、Class、JavaScript等），还包括一些数据库技术（Mybatics、MySql、Memcached等）。框架用的spring boot，前端模板用的是Thymeleaf。   目前这个网站还比较丑，没来得时做美化，基本思路是这样的。在最开始的登录界面，用户...

一、SpringMVC常用注解和基本配置   SpringMVC常用以下几个注解： Controller：Controller注解在类上，表明这个类是SpringMVC里的Controller，并将其声明为spring的一个bean，Dispatcher Servlet会自动扫描注解此注解的类，并将web请求映射到注解了RequestMapping的方法上。这里特别指出，在声明普通的...

一、什么是Bean   Bean就是一个java类，这个java类交给容器来管理，从而减少类与类之间的耦合。那么什么样的类才能声明为Bean类呢？只有你认为这个类可能会在不同的地方用到（可重用），并且需要交给容器管理，那么就可以将其声明为Bean了。但是要注意Bean类也需要遵守一定的规范。 Java Bean类必须是一个公共类，并将其访问属性设置为public。 Java Be...

一、依赖注入   所谓依赖注入是指容器负责创建对象和维护对象间的依赖关系，而不是通过对象本身负责自己创建和解决自己的依赖。依赖注入的主要目的是解耦，体现了一种“组合”的思想。   Spring IoC(Application Context)负责创建Bean，并通过容器将功能类Bean注入到你需要的Bean中。Spring提供xml、注解、java配置、groovv配置实现Bean的创建和...