分类目录归档：algorithm
UMAP 算法
UMAP 定义的概念解释与补充：
t-SNE 算法
算法过程概述：
调查问卷分析的一般流程：
LSH（locality sensitivity Hashing，局部敏感性哈希）算法
以相似文档检索为例，说明 LSH 的算法过程
Shingling，文档进行向量化表示
Min-Hashing，对文档信息进行降维
BM25（Best Matching 25），一种经典的信息检索方法
词频 TF（Term Frequency），词语 $t$ 在文档 $d$ 中出现的频率
$$ \text{TF}(t, d) = \frac{\text{词t在文档d中的
Mean Shift 算法，又称为均值漂移算法
核心思想：
算法流程：
$$ S_h\left(x\right)=\left(y\mid\left(y-x\right)\left(y-x\right)^T\leqslant h^2\right) $$ 2. 计算该
MD5：32 位，单向哈希，不可逆，速度快，破解难度低
SHA256：256 位，单向哈希，不可逆，速度较快，破解难度中等
BCrypt：可变位数，单向哈希，不可逆，速度慢，破解难度高
PBKDF2：可变位数，单向哈希，不可逆，速度可调，破解难度可调
Scrypt：可变位数，单向哈希，不可逆，速度慢，破解难度高
加盐，在输入信息中随机添加字符串（salt）以提高哈希算法的安全性
MD5 消息摘要算法（英语：MD5 Message-Digest Algorithm），一种被广泛使用的密码散列函数，可以
PageRank 是早期 Google 搜索的核心算法，决定了搜索结果中的网页展示顺序
PageRank 核心思想：
$$PR(j) = \sum_{i \rightarrow j} \frac{PR(i)}{l_i}$$
上式最大的问题在于忽略了"不存在外链的特殊页面"
因此 PageRank 算法引入了阻尼系
背景故事：啤酒与尿布
Aprior 算法的 3 个关键评价指标：
$$ Support(X,Y) = P(XY) = \frac{number(XY)}{num(All Samples)} $$ 2. 置信度（Confidence）：商品 Y 出现后，商品 X 出现的概率 $$ Confidence(X \Leftarrow Y) = P(X|Y)=P(XY)/P(Y) $$ 3. 提升度（Lift）：商品 X 出现的情况中，商品 Y 也出现的概率 $$ Lift(X \Leftarrow Y) = P(X|Y)
K 近邻算法（k-nearest neighbors, KNN）是一种很基本的机器学习方法
算法步骤：给定样本，寻找最近的 K 个样本进行（分类/回归）预测
KNN的 3 个核心要素：
KNN 的主要优点：