2 $zfile = "upload.txt"; $date = date('Y-m-d G:i:s', time()); ## 211交付速度 ——聊聊研发效能度量那些事儿 @张燎原 阿里巴巴高级技术专家 ## SELF INTRODUCTION  ## Content ## ↓ 好的度量是什么 What's Good Metrics 研发效能度量体系 R&D Efficiency Metrics

## 机器学习-KNN算法 黄海广 副教授 2021年04月 ## 本章目录 01 距离度量 02 KNN算法 03 KD树划分 04 KD树搜索 ### 1. 距离度量 01 距离度量 02 KNN算法 03 KD树划分 04 KD树搜索 ## 距离度量 欧氏距离(Euclidean distance) 电影分类 =\sqrt{\sum_{i}(x_{i}-y_{i})^{2}} $$ 欧几里得度量（Euclidean Metric）（也称欧氏距离）是一个通常采用的距离定义，指在m维空间中两个点之间的真实距离，或者向量的自然长度（即该点到原点的距离）。在二维和三维空间中的欧氏距离就是两点之间的实际距离。 ## 距离度量 曼哈顿距离(Manhattan distance) ## 1 $$ d(x,y)= ght| $$ 想象你在城市道路里，要从一个十字路口开车到另外一个十字路口，驾驶距离是两点间的直线距离吗？显然不是，除非你能穿越大楼。实际驾驶距离就是这个“曼哈顿距离”。而这也是曼哈顿距离名称的来源，曼哈顿距离也称为城市街区距离(City Block distance)。 ## 距离度量 ## 切比雪夫距离(Chebyshev distance) ||a|b|c|d|e|f|g|h| |

} } return dp[amt]; ### 14.6 編輯距離問題 編輯距離，也稱 Levenshtein 距離，指兩個字串之間互相轉換的最少修改次數，通常用於在資訊檢索和自然語言處理中度量兩個序列的相似度。 Question 輸入兩個字串 s 和 t ，返回將 s 轉換為 t 所需的最少編輯步數。 你可以在一個字串中進行三種編輯操作：插入一個字元、刪除一個字元、將字元替換為任意一個字元。 state|初始状态|初始狀態| |state-transition equation|状态转移方程|狀態轉移方程| |knapsack problem|背包问题|背包問題| |edit distance problem|編輯距离问题|編輯距離問題| |greedy algorithm|贪心算法|貪婪演算法| 分治 搜尋 堆積 排序 雜湊表 動態規劃 陣列與鏈結串列 貪婪 堆疊與佇列 “Among the universe's

} } return dp[amt]; } ### 14.6 編輯距離問題 編輯距離，也稱 Levenshtein 距離，指兩個字串之間互相轉換的最少修改次數，通常用於在資訊檢索和自然語言處理中度量兩個序列的相似度。 Question 输入兩個字串 s 和 t，返回將 s 轉換為 t 所需的最少編輯步數。 你可以在一個字串中進行三種編輯操作：插入一個字元、刪除一個字元、將字元替換為任意一個字元。 state|初始状态|初始狀態| |state-transition equation|状态转移方程|狀態轉移方程| |knapsack problem|背包问题|背包問題| |edit distance problem|編輯距离问题|編輯距離問題| |greedy algorithm|贪心算法|貪婪演算法| 分治 搜尋 堆積 排序 雜湊表 動態規劃 陣列與鏈結串列 貪婪 堆疊與佇列 “Among the universe's

的空间，它将数据点分配给簇，以便簇的质心和数据点之间的平方距离之和最小，在这个位置，簇的质心是簇中数据点的算术平均值。 ## 距离度量 闵可夫斯基距离(Minkowski distance) p取1或2时的闵氏距离是最为常用的 p = 2即为欧氏距离 p = 1时则为曼哈顿距离 当p取无穷时的极限情况下，可以得到切比雪 夫距离 $$ d(x,y)=\left(\sum_{i}|x_ {i}-y_{i}|^{p}\right)^{\frac{1}{p}} $$ 欧氏距离： $ d(x,y)=\left(\sum_{i}|x_{i}-y_{i}|^{2}\right)^{\frac{1}{2}} $ ### 2. K-means聚类 ## K-means算法流程 1. 选择K个点作为初始质心。 2. 将每个点指派到最近的质心，形成K个簇。 3. 对于上一步聚类的 c6992ff9a/p17_1.jpg) 初始化质心 ### 2. K-means聚类 ## K-means算法流程 初始化后，遍历所有数据点，计算所有质心与数据点之间的距离。现在，这些簇将根据与质心的最小距离而形成。在本例中，数据分为3个簇(K = 3)。 ![Image](/uploads/documents/7/a/6/a/7a6a2b0df6c3624fa253943c6992ff9a/p18_1

IoU、GloU、CloU、DloU loss 等等，这些损失函数通过考虑预测框与目标框之前的重叠程度、中心点距离、纵横比等因素来衡量两者之间的差距，从而指导网络最小化损失以提升回归精度，但是这些方法都没有考虑到预测框与目标框之间方向的匹配性。SloU 损失函数通过引入了所需回归之间的向量角度，重新定义了距离损失，有效降低了回归的自由度，加快网络收敛，进一步提升了回归精度。通过在 YOLOv6s 上采用 SloU Layer（如图 19）：三边时空注意力机制神经网络来对用户历史行为进行建模，具体通过对请求经纬度信息、商户经纬度信息和请求时间的交互进行学习。针对空间信息交叉，我们进一步采用地理位置哈希编码和球面距离相结合的方式；针对时间信息交叉，我们也采用绝对与相对时间相结合的方式，有效实现用户行为序列在不同时空条件下的三边表达。最后，经上述网络编码后的时空信息经过注意力机制网络融合，得到 LBS 场景下用户 Gated DNN 更注重时空融合信息对于预测值的影响，由于需要预测的时间序列问题，更侧重于不同的时间、空间信息有能够将差异性建模充分。而在美团业务中的时空网络注重于细粒度刻画空间信息，源于不同的球面距离，不同的区块位置影响大，需要多重信息深度建模。更多详情，大家可参考团队的 CIKM 论文：Trilateral Spatiotemporal Attention Network for User Behavior

用的技术已经进入到人们的日常生活中。现在我们的生活处处被人工智能所环绕，尽管目前能达到的智能水平离通用人工智能(Artificial General Intelligence，简称 AGI)还有一段距离，我们仍坚定地相信人工智能时代已经来临。 机器学习是人工智能的一个重要研究领域，而深度学习则是近几年最为火热的一类人工智能算法。接下来我们将介绍人工智能、机器学习、深度学习的概念以及它们之间的联系与区别。 其实是不可导的，无法利用梯度下降算法优化网络参数 $ \theta $ 。一般的做法是，设立一个平滑可导的代理目标函数(Proxy Objective)，比如优化模型的输出o与One-hot编码后的真实标签y之间的距离(Distance)，通过优化代理目标函数得到的模型，往往在其它指标上也能有良好的表现。因此，相对回归问题而言，分类问题的优化目标函数和评价目标函数是不一致的(实际上，回归问题的优化目标和评价目标也 ，因此通过获取这些张量的统计信息可以较轻松地推测张量数值的分布。下面将介绍一些常用的张量统计函数。 #### 5.2.1 向量范数 向量范数(Vector Norm)是表征向量 “长度” 的一种度量方法，它可以推广到张量上。在神经网络中，常用来表示张量的权值大小、梯度大小等。常用的向量范数有： ☐ L1 范数，定义为向量 x 的所有元素绝对值之和 $$ \|\boldsymbol{x}\|

伴随⾼精度的移动物体时的精确捕捉约束。 ⽂本编辑 Home -- 转到该⾏的开头。 End -- 转到该⾏的结尾。 Left, Right -- 把光标移动⼀个字符距离。 Ctrl-Left, Ctrl-Right -- 把光标移动⼀个单词距离。 Backspace, Delete -- 删除字符。 Ctrl-Backspace, Ctrl-Delete -- 删除⽂字。 Shift -- 按住键并移动光标选择。 an object from the 3D Viewport or Outliner, rather than having to select it from a drop-down. 相机景深 影响距离的数字也可以使⽤吸管⼯具。 ⽤于设置相机景深，以聚焦于选定景深。 ⿏标悬停于按钮上⽅时，使⽤ E 激活吸管⼯具。 拖动 LMB ⽤于混合⿏标经过位置的颜⾊，可⽤于含噪图像取样。 Spacebar 重置并重新开始混合颜⾊。 新的注释是⼆维的，并被粘在屏幕上。⽆论你在编辑 器中如何平移、旋转或缩放，它们都保持相同的位 置、旋转和⼤⼩。 笔画防抖 通过延迟和校正点的位置来帮助减少绘画时的笔锋抖动。 半径 笔锋继续前，到最后⼀点的最⼩距离。 系数 ⼀个平滑的因⼦，较⾼的值会产⽣较平滑的笔划，但绘图感就像您在拉 动笔锋⼀样。 标注直线 起始、结束样式 在线段的起点或终点使⽤的装饰。例如，这可以⽤于创建箭头以指出场景 中的特定细节。

伴随高精度的移动物体时的精确捕捉约束。 ## 文本编辑 • Home -- 转到该行的开头。 • End -- 转到该行的结尾。 • Left, Right -- 把光标移动一个字符距离。 Ctrl-Left, Ctrl-Right -- 把光标移动一个单词距离。 • Backspace, Delete -- 删除字符。 Ctrl-Backspace, Ctrl-Delete -- 删除文字。 - Shift -- 拖动游标跨窗口采样一条线，并将其转化为颜色渐变。 ## 物体/物体数据 这与对象按钮（如父体、约束或修改器）一起使用，以便从三维视口或大纲中选择一个对象，而不是从下拉菜单中选择它。 ## 相机景深 影响距离的数字按钮也可以使用滴管工具。 用于设置相机景深，以聚焦于选定景深。 • 鼠标悬停于按钮上方时，使用 E 激活吸管工具。 - 拖动 LMB 用于混合鼠标经过位置的颜色，可用于含噪图像取样。 • 新的注释是二维的，并被粘在屏幕上。无论你在编辑器中如何平移、旋转或缩放，它们都保持相同的位置、旋转和大小。 ## 笔画防抖 通过延迟和校正点的位置来帮助减少绘画时的笔锋抖动。 半径 笔锋继续前，到最后一点的最小距离。 系数 一个平滑的因子，较高的值会产生较平滑的笔划，但绘图感就像您在拉动笔锋一样。 标注直线 开始，结束样式 在线段的起点或终点使用的装饰。例如，这可以用于创建箭头以指出场景中的特定细节。