我们做模型想要上线，很多时候都会借助spark的udf来实现，最近在摸索这个东西，有了一点心得记录一下。 Hive/Spark SQL中的UDF这种上线方式是经常会用到的，UDF分为三种： UDF：一进对应一出 UDTF：一进对应多出，经常遇到的就是比如一行数组数据分为多行，类似explode lateral view UDAF：多进对应一出，就是聚合函数，类似sum()，count() UD

比较来自：https://zhuanlan.zhihu.com/p/110177607 Tensorflow 在工业界有着更广泛的应用，Pytorch在学术界有着更广泛的应用。 TensorFlow强在在线部署，多语言支持和较好的线上系统稳定性，我觉得这个是TensorFlow在业界被广泛应用的最主要原因。在业界，无论算法性能有多好，总归还是要上线的，不然都是白扯，不上线就算不到kpi中去。而方便

最近看了项亮老师的《推荐系统实践》，做了相关的心得和笔记。 一、推荐系统指标 用户满意度：调查问卷等方式，也可以通过线上其他指标来衡量 预测准确度： 评分预测：RMSE,MAE TopN推荐：准确率和召回率 覆盖率：物品流行度之间的差异，指标如熵、基尼系数 多样性：物品之间的相似性低，多样性高 新颖性：一般来讲，物品平均流行度低，新颖性高 如何在不牺牲精度的情况下提高多样性和新颖性？ 惊喜

背包问题是典型的NPC问题，用动规求解的话，其复杂度为$O(mn)$，m为物品个数，n为背包大小。所以你可能奇怪，为什么这个复杂度看着明明是多项式时间，但为什么是NP问题？ 这里就涉及到了伪多项式时间复杂度这个概念，请参考知乎回答。 一句话归纳： ​ 如果时间复杂度和输入数据的本身数值大小有关(传统公式里输入数据只代表规模，例如n个int整数)，那就是伪时间复杂度。

哎，心累，上个月mac电脑进水导致硬盘坏了，写好的4-5篇博客全部丢失了，包含写好的一系列时间序列文章。懒得再码一遍了，我就贴一下之前的参考博客和课程吧。 总结得很好的博客，包含平稳性介绍、自相关函数、偏自相关函数、ARIMA模型、指数平滑模型等知识点。 北大金融数学硕士课程：金融时间序列分析讲义 ，包含线性时间序列(ARMIA模型、指数平滑、单位根过程等)，资产波动率模型(ARCH模型，GA

计算复杂度的计算存在一个通用公式，对于$T(n) = aT(n / b) + c n^k$ 这种，复杂度为： 如果$k > log_b(a)$，则$T(n) = O(n^k)$ 如果$k < log_b(a)$，则$T(n) = O(n^{log_b(a)})$ 如果$k = log_b(a)$，则$T(n) = O(n^klog(n))$ 一个例子： $T(n) = 25*T(n

Step 1 - VS code 汉化插件: chinese simplied language 格式化代码：Prettier 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172

前阵子电脑mac进水，搞了台备机，重新安装了各类软件搭建开发环境，特此记录…以防万一… 软件包 Chrome 搜狗输入法 pycharm（2020.1） 模板：Editor -> File and code Templates -> Python Script： 1234#!/usr/bin/env python# -*- coding: utf-8 -*-# @Author:

12345678## 开启代理git config --global http.proxy 'socks5://127.0.0.1:7891'git config --global https.proxy 'socks5://127.0.0.1:7891'## 关闭代理git config --global --unset http.proxygit con