TangShusen
2023-07-14T09:42:06.990Z
https://tangshusen.me/
TangShusen
Hexo
搜广推之多场景学习
https://tangshusen.me/2023/07/03/multi-domain/
2023-07-03T12:56:58.000Z
2023-07-14T09:42:06.990Z
<center><br><img src="/2023/07/03/multi-domain/intro.png" width="600" class="full-image"><br></center>
搜广推之特征自动选择
https://tangshusen.me/2023/07/03/feature-selection/
2023-07-03T12:42:03.000Z
2023-07-03T12:47:46.782Z
<p>在搜广推场景下,各业务团队会生产很多特征,但很多都是冗余甚至与预测任务不相干的,这不仅带来了额外的性能开销,还可能会导致模型陷入局部最优影响模型预估效果。因此,不管是性能优化,还是效果优化,特征选择都是必不可少的。本人近期阅读了一些特征选择相关的文章(包括特征重要度学习、embedding维度搜索等),总结成本文留作日后回顾,也供大家参考。</p>
Google三驾马车之MapReduce
https://tangshusen.me/2021/05/05/mapreduce/
2021-05-05T12:54:12.000Z
2021-05-07T13:56:16.844Z
<!-- <center>
<img src="./SVM/cover.png" width="300" class="full-image">
</center> -->
<p>Google三驾马车(Google File System (GFS),MapReduce,BigTable)不仅在大数据领域广为人知,更直接或间接性的推动了大数据、云计算、乃至如今火爆的人工智能领域的发展。本文参考原论文对 MapReduce 进行学习总结。</p>
动态规划之背包问题系列
https://tangshusen.me/2019/11/24/knapsack-problem/
2019-11-24T03:05:44.000Z
2020-01-04T08:04:36.566Z
<center><br><img src="/2019/11/24/knapsack-problem/cover.png" width="200" class="full-image"><br></center>
<p>背包问题是一类经典的动态规划问题,它非常灵活,需要仔细琢磨体会,本文先对背包问题的几种常见类型作一个总结,再给出代码模板,然后再看看LeetCode上几个相关题目。</p>
Range Sum Query - Mutable (区间查询)
https://tangshusen.me/2019/11/17/range-sum-query-mutable/
2019-11-17T09:53:12.000Z
2019-11-18T13:06:12.169Z
<p>本文是<a href="https://leetcode.com/problems/range-sum-query-mutable/" target="_blank" rel="noopener">LeetCode 307. Range Sum Query - Mutable</a>的题解,主要是对树状数组(Binary Indexed Tree)和线段树(Segment Tree)的学习。</p>
动态规划之股票买卖系列
https://tangshusen.me/2019/11/03/Buy-and-Sell-Stock/
2019-11-03T09:53:05.000Z
2019-11-21T11:51:19.633Z
<center><br><img src="/2019/11/03/Buy-and-Sell-Stock/cover.png" width="500" class="full-image"><br></center>
<p>股票买卖系列是动态规划的经典题目,Leetcode上有六道关于股票买卖相关的问题,本文对这六道题作一个分析与总结。</p>
TensorFlow AttentionWrapper源码超详细图解
https://tangshusen.me/2019/03/09/tf-attention/
2019-03-09T10:37:19.000Z
2019-03-13T05:56:32.843Z
<center><br><img src="/2019/03/09/tf-attention/cover.png" width="500" class="full-image"><br></center>
<p>Attention在seq2seq模型中是一个很有用的机制,由于TensorFlow烂成翔的官方文档以及网上很少而且晦涩难懂的教程,我在如何正确使用TensorFlow现成attention接口上面费了很大一番功夫。本文用详细图解的方式清晰展现了其源代码构成,方便大家学习使用。本文会先简略的介绍一下seq2seq attention的原理,然后详细剖析TensorFlow相关的源代码,懒得看文字分析的可以直接跳到2.7节看图。</p>
统计学习理论之VC维究竟是什么
https://tangshusen.me/2018/12/09/vc-dimension/
2018-12-09T04:23:52.000Z
2018-12-30T09:16:22.473Z
<p>学习机器学习不可避免的会接触到VC维,它在机器学习领域是一个很基础但很重要的概念,它给机器学习提供了坚实的理论基础。但直到在我写这篇博客之前,我对VC的理解还只停留在它能刻画假设空间的复杂度这样浅显的层次。本文就来理一理VC维(Vapnik–Chervonenkis dimension)的来龙去脉,搞清楚其本质。</p>
实际应用中关于size_t的一个容易忽略的坑
https://tangshusen.me/2018/12/08/size-t/
2018-12-08T13:42:13.000Z
2018-12-30T09:15:20.196Z
<p>今天在LeetCode上做<a href="https://leetcode.com/problems/3sum/" target="_blank" rel="noopener">3Sum</a>的时候,遇到了一个一开始令我百思不得其解的bug,最后发现还是自己太菜了😭,在此记录一下以加深印象。</p>
Quick, Draw! Doodle Recognition Challenge 总结
https://tangshusen.me/2018/12/05/kaggle-doodle-reco/
2018-12-05T13:58:29.000Z
2019-01-04T12:28:03.949Z
<center><br><img src="/2018/12/05/kaggle-doodle-reco/cover.png" width="900" class="full-image"><br></center>
<p>这个比赛于12.05早上结束,最终结果是排在69/1316、铜牌,离银牌区差4名,还是比较遗憾的。不过这是我第一次花大量时间和精力在图像分类问题上,作为一个小菜鸡能拿到牌还算满意。现在作个总结。另外本次比赛我的所有代码(带注释)已经开源(<a href="https://github.com/ShusenTang/kaggle-doodle-recognition" target="_blank" rel="noopener">戳我</a>),有兴趣的可以看看,顺便给个star。</p>
Longest Palindromic Substring(最长回文子串)
https://tangshusen.me/2018/12/01/Longest-Palindromic-Substring/
2018-12-01T14:23:15.000Z
2019-11-18T13:30:09.130Z
<h1 id="1-问题描述"><a href="#1-问题描述" class="headerlink" title="1. 问题描述"></a>1. 问题描述</h1><p>Given a string s, find the longest palindromic substring in s. You may assume that the maximum length of s is 1000.<br>给定一个字符串s,找出s中的最长回文子串。s的长度不超过1000.</p>
AdaBoost算法详解与python实现
https://tangshusen.me/2018/11/18/adaboost/
2018-11-18T14:05:04.000Z
2018-12-30T09:14:14.935Z
<p>目前网上大多数博客只介绍了AdaBoost算法是什么,但是鲜有人介绍为什么Adaboost长这样,本文对此给出了详细的解释。<br></p>
TensorFlow实现多层RNN的一个大坑
https://tangshusen.me/2018/11/13/tf-multi-rnn-bug/
2018-11-13T14:30:02.000Z
2018-12-30T09:15:56.162Z
<center><br><img src="/2018/11/13/tf-multi-rnn-bug/cover.jpg" width="400" class="full-image"><br></center>
看了这篇文章你还不懂SVM你就来打我
https://tangshusen.me/2018/10/27/SVM/
2018-10-27T15:19:45.000Z
2018-12-30T09:15:43.822Z
<center><br><img src="/2018/10/27/SVM/cover.png" width="300" class="full-image"><br></center>