ViewModel概念及用途ViewModel用来存储和管理UI相关的数据，可于将一个Activity或Fragment组件相关的数据逻辑抽象出来，并能适配组件的生命周期，如当屏幕旋转Activity重建后，ViewModel中的数据依然有效。引入ViewModel之前，存在如下几个问题：通常Android系统来管理UI controllers（如Activity、Fragment）的生命周期，由
转载
2023-12-12 14:38:30
57阅读
文章目录Android 设计模式1.设计模式的分类1.1 创建型模式(5种)[单例模式] ：[抽象工厂模式]：[工厂方法模式]：[原型模式]：[建造者模式]：1.2 结构型模式(七种)[桥接模式]：[代理模式] ：[组合模式]：[适配器模式] ：[享元模式] ：[装饰者模式] ：[外观模式] ：1.3行为型模式(11种)[访问者模式] ：[策略模式]：[备忘录模式] ：[观察者模式]：[模板模式
转载
2023-07-13 17:38:18
298阅读
内存基本概念垃圾回收(GC)和Java一样，Android也是基于垃圾回收(Gabage Collection ，简称GC)机制实现内存的自动回收的。目前最基本的垃圾回收算法有四种：标记—清除算法(Mark—Sweep)、标记—压缩算法(Mark—Compact)、复制算法(Copying)以及引用计数算法(Reference Counting)。现代流行的垃圾收集算法一般是由这四种中的其中几种算
转载
2024-04-27 15:57:02
76阅读
序Bi-LSTM的理论就不再说了，本文在前文TextCNN的基础上，将模型改为Bi-LSTM，本意是比较模型效果，但是实际结果不太理想，有过拟和问题。最最前面写着写着感觉变了味道，本来准备水一下，结果拓展了很多出来，很零碎。如果你对理论不太清楚，可以去看：http://colah.github.io/posts/2015-08-Understanding-LSTMs/如果你对tensorflow使
聚类算法是很重要的一类算法模型，在实际的应用实践中是会经常使用到的，最近的工作类型中大多偏向于有监督学习类型模型的使用，而对于无监督算法模型的使用则使用得相对少了很多，今天就简单的回归一下聚类算法模型，主要是KMeans模型和DBSACN模型的使用。 这两种模型可以说是聚类算法领域里面很具有代表性的算法了
一、每日工作清单# 清单列表 + 四象限法 清单列表：列出今天要做的所有事情，可以用一些todo软件。四象限法：按照事情轻重缓急，重要紧急程度分为4个象限，把列表清单上的工作内容分别归类到这4个象限中， 重要紧急 重要不紧急 不重要但紧急 不重要也不紧急 还有一种：每日例行事项 二、制定目标方法#
原创
2021-07-15 11:12:45
354阅读
下面列出最常见的 14 种算法模式，它们可被用于解决常见的问题。另外还会说明如何识别每种模式，并会为每种模式提供一些问题示例。1．滑动窗口2．二指针或迭代器3．快速和慢速指针4．合并区间5．循环排序6．原地反转链表7．树的宽度优先搜索（Tree BFS）8．树的深度优先搜索（Tree DFS）9．Two Heaps10．子集11．经过修改的二叉搜索12．前 K 个元素13．K 路合并14．拓扑排序
转载
2023-07-28 15:48:04
129阅读
目录语言模型1. 统计语言模型1.1 统计语言模型的基本公式(条件概率)1.2 马尔科夫假设：有限前序字符依赖约束条件的统计语言模型（n-gram）1.3 独立同分布假设：所有字符间都独立同分布的统计语言模型1.4 局部与整体假设：TF-IDF表示1.5 LSA :一种基于SVD矩阵奇异值分解的语义分析语言模型2. 神经网络语言模型（NNLM）2.1 分布式表征（distributed repr
转载
2023-08-17 09:07:39
232阅读
机器学习好伙伴之scikit-learn的使用——常用模型及其方法1、模型的常用方法2、sklearn中机器学习模型的实现2.1、线性回归2.2、逻辑回归2.3、朴素贝叶斯2.4、决策树2.5、随机森林2.6、SVM(支持向量机）2.7、KNN（K-近邻算法）2.8、adaboost sklearn中还存在许多不同的机器学习模型可以直接调用，相比于自己撰写代码，直接使用sklearn的模型可以大
转载
2024-03-15 11:14:44
139阅读
目录引言1 FastText1.1 相关资料1.2 介绍2 TextCNN2.1 相关资料2.2 介绍3 DPCNN3.1 相关资料3.2 介绍4 TextRCNN4.1 相关资料4.2 介绍5 TextBiLSTM+Attention5.1 相关资料5.2 介绍6 HAN6.1 相关资料6.2 介绍7 Bert7.1 相关资料7.2 介绍8 封装的源码汇总 引言更多模型介绍基于深度学习的文本分
转载
2023-08-31 18:16:37
95阅读
目录1. 简介2. math 模块3. decimal 模块4. random 模块 1. 简介我们来看一下 Python 中数学相关模块，如下所示：模块描述math提供了对 C 标准定义的数学函数的访问（不适用于复数）cmath提供了一些关于复数的数学函数decimal为快速正确舍入的十进制浮点运算提供支持fractions为分数运算提供支持random实现各种分布的伪随机数生成器statis
转载
2024-04-08 22:33:28
15阅读
第二章:迁移学习2.1 迁移学习理论学习目标:了解迁移学习中的有关概念.掌握迁移学习的两种迁移方式.迁移学习中的有关概念:
预训练模型微调微调预训练模型(Pretrained model):
一般情况下预训练模型都是大型模型，具备复杂的网络结构，众多的参数量，以及在足够大的数据集下进行训练而产生的模型. 在NLP领域，预训练模型往往是语言模型，因为语言模型的训练是无监督的，可以获得
转载
2024-08-01 07:48:44
57阅读
这里固定因子是SNP,也 可以考虑其它协变量(比如性别,PCA,群体结构等等),如果有GWAS相关问题,也可以私信加入我的知识星球,里面会对相关问题进
多元线性回归是最常用的预测数值型目标的建模方法，也常用于数据分析中的多因素分析。
原创
2022-10-02 08:51:31
256阅读
拟合，预测未来节点（或走势分析）： 常规序列建模方法：AR、MA、ARMA、ARIMA 回归拟合 Neural Networks 判断不同序列类别，即分类问题：HMM、CRF、General Classifier（ML models、NN models） 不同时序对应的状态的分析，即序列标注问题：H
转载
2019-04-22 10:32:00
163阅读
2评论
常用的扩散模型
在当前的深度学习和生成模型领域，扩散模型作为一种新兴的生成模型，已经受到了广泛关注。它通过模拟数据逐步添加噪声的过程，然后再通过逐步去噪声来生成新样本。这种 paradigm 不仅有效地捕捉数据的分布，还能够生成高质量的样本。
> **引用块**
> 扩散模型：在数据生成中，通过逐步引入噪声来训练模型，使其能够逆转过程生成新样本的模型。
>
> —— 源自“扩散模型：生成图
想要玩转私域流量，提升用户粘性和转化率吗？那么一定要关注私域中最常用的6个模型AISAS、AARRR、RFM、用户金字塔、用户生命周期以及用户上瘾模型等六大经典模型
原创
2024-05-31 16:38:49
99阅读
# 如何使用 PyTorch 实现模型常用函数
作为一名初学者，你可能会对如何在 PyTorch 中实现模型的一些常用函数感到困惑。在本文中，我将为你详细介绍整个流程，并提供一系列代码示例和解释，帮助你更好地理解 PyTorch 的应用。
## 整体流程
我们可以将建立一个简单的 PyTorch 模型及其常用函数的过程分为几个步骤。以下是这些步骤的概述：
| 步骤 | 描述
原创
2024-09-05 06:29:13
27阅读
1.1 简介数据模型其实是对Python框架得描述，它规范了这门语言自身构建模块的接口，这些模块包括但不限于序列，迭代器，函数，类和上下文管理器。不管在那种框架下写程序，都会花费大量时间去实现哪些会被框架本身调用的方法，Python也不例外。Python解释器碰到特殊的句法时，会使用特殊方法去激活一些基本的对象操作，这些特殊方法的名字以两个下划线开头，一两个下划线结尾（例如__getitem__）
转载
2023-09-13 16:53:32
416阅读
在各类比赛中经常出现预测回归问题，一般使用scikit-learn的模型，本文就对这些类库的使用做一个总结，总结时注重自己做比赛中的使用经验。1. Ordinary Least Squares（最小二乘法）最简单的线性模型，损失函数是平方差损失，常用梯度下降法求解参数。
使用要点：这个模型不像其他模型都配有CV交叉验证，所以需要我们自己选择是算法自己默认参数还是Grid寻找最优参数。
使用场景：模
转载
2023-09-01 10:54:12
6阅读
