cost 315 ms
Welford 的在線方差算法,但對於四分位數范圍?

[英]Welford's online variance algorithm, but for Interquartile Range?

精簡版 Welford 的在線算法讓您可以為方差保留一個運行值——這意味着您不必保留所有值(例如在 memory 受限系統中)。 四分位距(IQR)有類似的東西嗎? 讓我知道中間 50% 范圍而不必保留所有歷史值的在線算法? 長版保持數據的運行平均值非常簡單: Double sum Int64 c ...

交替子序列的在線算法方法

[英]Online Algorithm approach for alternating subsequence

考慮一個整數序列A = a1, a2, a3, ... an 。 A的亞序列B是序列B = B1,B2,......,它是從A通過除去一些元素,但通過保持訂單創建BN。 給定一個整數序列A ,目標是計算一個交替子序列B ,即一個序列b1, ... bn使得對於 {2, 3, ... , m-1 ...

Java正則表達式逐字節

[英]Java Regular Expression byte by byte

我正在尋找一種遞增地應用正則表達式模式的方法,即我正在尋找一個匹配器,該匹配器可以在輸入字符時對其進行更新,並且可以告訴我每個字符是否仍在匹配中。 這是代碼中的一個示例( MagicMatcherIAmLookingFor是我正在尋找的東西, characterSource是我可以查詢新字 ...

用於從數據子集計算平均值和方差的在線算法

[英]Online algorithm for computing average and variance from a subset of data

我把它作為在線計算變量和平均值的參考,用於可變長度數據: http : //www.johndcook.com/standard_deviation.html 。 數據是16位無符號值的集合,可以有任意數量的樣本(實際上,最小值約為20個樣本,最大值約為2e32個樣本。 由於數據集可 ...

在樹上獲得最大化

[英]Gain maximization on trees

考慮一棵樹,其中每個節點都與系統狀態相關聯,並包含在系統上執行的一系列操作。 根是與系統原始狀態關聯的空節點。 通過將n包含的動作序列應用於原始系統狀態,可以獲取與節點n相關的狀態。 節點n的動作序列是通過將新動作排隊到父級的動作序列而獲得的。 從一個節點移動到另一個節點(即,將 ...

神經網絡能否識別屏幕並復制有限的動作集?

[英]Can a neural network recognize a screen and replicate a finite set of actions?

我了解到,神經網絡可以復制任何功能。 通常,神經網絡會向其輸入神經元提供一組描述符,然后在其輸出神經元處給出一定的分數。 我希望我的神經網絡從屏幕上識別某些行為。 屏幕上的對象已經過預處理並且清晰可見,因此識別應該不是問題。 是否可以使用神經網絡識別屏幕的像素化圖片並據此做出決策 ...

如何處理推薦系統的新數據?

[英]How to handle new data for recommendation system?

這是一個理論問題。 假設我已經實現了兩種類型的協同過濾:基於用戶的CF和基於項目的CF(以Slope One的形式)。 我有一個很好的數據集供這些算法運行。 但后來我想做兩件事: 我想為數據集添加新的評級。 我想編輯一個現有的評級。 我的算法應如何處理這些變化 ...

是否可以使用sklearn在大數據文件上應用在線算法?

[英]Possibility to apply online algorithms on big data files with sklearn?

我想在大文本語料庫中應用快速在線降維技術,如(在線/小批量)字典學習。 我的輸入數據自然不適合內存(這就是我想使用在線算法的原因)所以我正在尋找一種可以迭代文件而不是將所有內容加載到內存中的實現。 是否可以使用sklearn執行此操作? 有替代品嗎? 謝謝注冊 ...

在線算法計算標准差

[英]Online algorithm for calculating standard deviation

通常情況下,我有一個更技術性的問題,但我會用一個計數球的例子為你簡化它。 假設我有不同顏色的球和為每種顏色保留的陣列的一個索引(初始化為全0)。 每次我選球時,我都會將相應的索引增加1。 球是隨機挑選的,我一次只能挑一個球。 我唯一的目的是計算每種顏色的球數,直到我用完球。 ...

VowpalWabbit:差異和可擴展性

[英]VowpalWabbit: Differences and scalability

我試圖確定 VowpalWabbit 的“狀態”是如何隨着我們輸入集大小的增長而保持的。 在典型的機器學習環境中,如果我有 1000 個輸入向量,我希望一次發送所有這些,等待模型構建階段完成,然后使用該模型創建新的預測。 在大眾中,算法的“在線”性質似乎將這種范式轉變為性能更高且能夠實時調整。 ...


 
粵ICP備18138465號  © 2020-2024 STACKOOM.COM