促销系统设计

写在前面 首先必须得说一下,我并没有实际参与过电商系统相关的业务,我一直工作的项目组做的事情和本篇文章要讲的东西完全不同。因此本篇文章仅仅是我自己平时观察和构想的一些整理,如果有不太合理的地方,希望大家指正,先谢谢大家。 文章简介 在各大电商网站上,基本时时刻刻都可以看到促销活动。相信大家基本都参与过一些促销活动。随着业务的复杂化、运营的精细化,以及品类、平台、渠道的不断丰富,各种新的促销形式也层

数据预处理

在现实世界中,我们通常需要处理大量的原始数据。 这种原始数据不容易被机器学习算法吸收。 为了准备用于机器学习的数据,我们必须在将其应用到各种算法之前对其进行预处理。 数据标准化 常用的方法是z-score标准化,经过处理后的数据均值为0,标准差为1, 数据缩放 数据点中每个特征的值可以在随机值之间变化。 因此,有时重要的是缩放它们 数据正规化 当要调整特征向量中的值,以便可以在共同刻度上测量时,将

线性回归

回归是估计输入数据和连续值输出数据之间的关系的过程,线性回归是指使用输入变量的线性组合来估计基础函数。 线性回归的目的是提取将输入变量与输出变量相关的基本线性模型。 这旨在使用线性函数使实际输出和预测输出之间的差的平方和最小化。 这种方法称为普通最小二乘法。 你可能会说,有一条弯曲的线条适合这些点更好,但线性回归不允许这样。 线性回归的主要优点是它不复杂。 如果你进入非线性回归,你可能会得到更准确

故障review的一些总结

故障review的目的 归纳出现故障产生的原因 检查故障的产生是否具有普遍性,并尽可能的保证同类问题不在出现, 回顾故障的处理流程,并检查处理过程中所存在的问题。并确定此类问题的处理方法论。使得即便以后出现了同类的问题,也有明确的方法论来指导 标明后续改进措施及落实时间点 经验总结和分享 故障的级别定义 不同公司对于故障的级别有不同的定义,一般会有P1,P2,P3这几类故障,故障的严重级别依次降低

使用Numpy进行矩阵的基本运算

本文介绍了使用Python的Numpy库进行矩阵的基本运算 创建全0矩阵 输出结果: 创建全1矩阵 输出结果: 创建0~1之间的随机矩阵 输出结果为: 创建单位矩阵 输出结果为: 矩阵求和 输出结果为: 矩阵求差 输出结果为: 创建矩阵 输出结果为: 矩阵乘以常数 输出结果为: 矩阵所有元素求和 输出结果为45 矩阵乘法 当维度相同的时候,为各个位置对应元素的乘积 当矩阵的维度不同时,会根据一定的

理解Compressed Sparse Column Format (CSC)

title: 理解Compressed Sparse Column Format (CSC) date: 2016-10-14 14:57:35 tags: 机器学习 categories: 机器学习 最近在看《Spark for Data Science》这本书,阅读到《Machine Learning》这一节的时候被稀疏矩阵的存储格式CSC给弄的晕头转向的。所以专门写一篇文章记录一下我对这种格

Spring中Enum的依赖注入

Spring 依赖注入很简单,没什么值得细说的。但是我之前遇到了一个场景,需要在一个Enum类中注入某一个service。 说实话之前没有遇到过这种情况。虽然我不赞同Enum类有过多的逻辑,但是没有办法,现实就是那么残酷。而且Enum确实可以通过一些手段来注入其他发service的。 比如下面的代码中,为EnumClass枚举类注入OtherService服务,代码示例如下: