AdaBoost（Adaptive Boosting，自适应提升）算法由 Yoav Freund 和 Robert Schapire 于 1995 年提出，是一...
在这节我们通过一个具体的小例子，来理解 AdaBoostClassifier 是如何在多分类问题中做出预测的，重点是弄清楚： 1. 预测 1.1 获得模型 假设...
Boosing 是一族可以将弱学习器提升为强学习器的算法。这族算法的工作机制是：先从初始化训练集训练处一个基学习器，再根据学习器的表现对训练样本分布进行调整，使...
在多线程编程中，常常需要协调大量线程对共享数据的访问。当程序中存在数量占优的读线程时（例如，监控系统、数据缓存等），使用传统的std::mutex会迫使所有读线...
在多线程编程中，锁是保证数据同步与线程安全的核心机制。但当一个线程多次获取同一把锁时，普通互斥锁会导致死锁。递归锁（Recursive Mutex）允许同一个线...
在多线程编程中，多个线程同时访问同一资源可能会引发竞态条件（Race Condition），导致数据不一致或程序崩溃。为了解决这个问题，需要一种机制来确保同一时...
XGBoost（Extreme Gradient Boosting）2014 年由陈天奇开发，旨在对传统梯度提升算法（GBDT）进行高效实现和优化。2015 年...
在 C++ 的发展历程中，有一个极为重要的核心理念：RAII（Resource Acquisition Is Initialization，资源获取即初始化）。...
梯度提升树（Gradient Boosting Decision Tree，简称 GBDT）由 Friedman 提出，是集成学习领域的经典算法。 因此，GBD...
在数据分析中，K-means 聚类是一种非常常用的聚类方法。它的核心思想是：将相似的数据点归为同一簇，并为每个簇计算一个质心，然后把每个点分配到距离最近的质心所...
GBDT（Gradient Boosting Decision Tree，梯度提升树）本质上是一个二分类模型。它通过不断迭代地拟合前一轮模型的负梯度，逐步提升模...
在多线程编程中，如果共享的数据结构很复杂（比如链表、map、数据库缓存等），不同线程可能同时对它进行插入、删除等操作。 总结1：复杂共享数据 → std::mu...
负采样（Negative Sampling）是一种优化策略，广泛用于词向量训练中，以降低计算复杂度并提高训练效率。本文将重点从词向量训练的角度，讲解负采样的背景...
Lambda 无法捕获循环中的临时变量，如 test01 函数的例子。如果想要捕获循环中的临时变量，可以使用 test02 闭包函数、test03 类封装、te...
冀公网安备13050302001966号