解决MacOS Big Sur替换终端为zsh后HomeBrew命令消失的问题
解决MacOS Big Sur替换终端为zsh后HomeBrew命令消失的问题
MacOS Big Sur 更新zsh后，输入brew命令会出现command not found: brew
查了网上的解决不好用，原因是Big Sur系统中，homebrew的文件夹被修改到了/opt/homebrew/，而不是/usr/local/…
因此，在~/.zshrc的末尾加上下面一句话完美解决
export PATH=/opt/homebrew/bin:$PATH
同样的，安装用户自己的ruby后，需要加上下面一句
export PATH="/opt/homebrew/opt/ruby/bin:$PATH"
zsh + oh-my-zsh安装和配置
zsh是一款强大的终端，一般MacOS和Linux的终端默认都是bash，功能不如zsh强大。然而zsh的配置很复杂，造成了很多人望而却步。多亏了GitHub上的oh-my-zsh项目，使得zsh配置变得轻松简单。
首先查看系统shell
# 查看系统当前 shell
cat /etc/shells
如果没有按章zsh，用以下命令行安装
sudo apt-get install zsh (ubantu, debian)
sudo yum install zsh (centos)
zsh安装可以用下面两种方法的一种，
curl安装：
sh -c "$(curl -fsSL https://raw.github.com/robbyrussell...
XgBoost算法理解
论文题目：
《XGBoost: A Scalable Tree Boosting System》
提升树算法就是将不同的树做加法模型, 在GBDT里面，基本树模型是CART树：
\(\hat{y_{i}}=\phi(x_{i})=\sum_{k=1}^{K}f_{k}(x_{i})\)
GBDT的损失函数：
\(\mathcal{L}^{(t)}=\sum_{i=1}^{n}l(y_{i}, \hat{y_{i}}^{(t-1)}+f_{t}(x_{i})) + \Omega(f_{t})\)
其中，正则项：$\Omega(f)=\gamma T + \frac{1}{2}{||w||}^{2}$
就是在前面$t-1$棵树的基础上，增加一棵树，使得总损失函数最小。
$f_t(x...
EM算法
EM算法
1.1 什么是EM算法
EM算法是解决含有隐变量的模型的参数估计问题
假设我们有一个估计问题，对于$m$个独立的样本${x^{(1)},…x^{(m)}}$，若将其拟合到一个参数模型$p(x,z)$中，其中$z$是无法观测的隐变量，这一系统的对数似然函数可写作：
\(l(\theta)=\sum_{i=1}^{m}\log p(x^{(i)};\theta)=\sum_{i=1}^{m}\log\sum_{z^{(i)}}p(x^{(i)},z^{(i)};\theta)\)
这个系统中含有无法观测的隐变量$z^{i}$，不能直接给出系统的最大似然函数。EM算法的思想是不断地构造似然函数的下界(E-step)，然后优化似然函数的下界使其最大(M-step).
1.2...
共计 14 篇文章，2 页。