今天抽点时间讲讲环境的问题，对于算法工程师而言，开发环境往往都是最容易被轻视，但是最容易被拖后腿的东西，这个文章主要讲讲如何依据spark环境搭建jupyter的算法开发环境。

今天来讨论一个问题，就是xgboost是否能支持类似多任务学习的事情呢?之前听到这个问题还是挺惊奇的，这竟然也可以，今天查阅了部分相关的资料，发现竟然真的可以，我们知道深度学习中的多任务学习是通过一个共享层，建立各个任务之间的关系，通过构建多个任务的帕累托最优解,从而解决多任务的问题，而xgb选择了使用树一条路走到黑，接下来咱们来看看xgb是如何实现多任务学习的。

提到数据抓取，对于老司机来讲一定觉得十分简单，请给我10行代码的空间，稳稳妥妥的把数据抓到本地（没错，这是犯法的），今天咱们看的是SSE推送接口型的数据抓取，你会发现这部分接口你直接使用requests.get这类方法不失败也不报错，因为过程中不会有终止状态，自然也只能傻等200的信号。SSE先来介绍SSE是个什么东西。SSE （ Server-sent Events ）是 WebSocket 的

动态规划这东西呀，还是需要多多练习的。数字 n 代表生成括号的对数，请你设计一个函数，用于能够生成所有可能的并且 有效的 括号组合。 当 n=3的时候，输出是这个样子的out=["((()))","(()())","(())()","()(())","()()(

之前的章节中我们知道，xgboot是可以根据不同场景自定义损失函数的，如果我有一个损失函数，那么我究竟如何通过自定义的方式给到xgb呢，以及我最终的一阶导数和二阶导数到底是相对谁而言的呢？自定义损失函数这里我通过一个完整的例子来看看如果我有一个损失函数，怎么使用到我的xgboost模型的。我们来看

大家可能都会遇到这样的问题，python版本升级的问题，这个问题也是比较头疼，对于我这种深度强迫症患者，在不知情的情况下安装了n多版本，也不知道怎么清理，简直让人不能容忍。下面我们来介绍如何升级你服务器上的python呢？下载相应版本的pythonwgethttps://www.python.org

Otsu算法图像分割是一个经典的图像任务，Otsu算法是借用图像的灰度值，计算几个阈值，然后起到分割图像的作用。本文介绍的Otsu算法常用于基于图像分割的聚类。该算法的理论依据是：假定图像包含两类像素（前景像素和背景像素），直方图为双峰直方图，然后计算使得两类像素能分开的最佳阈值（类内方差），或等价

感知机感知机是1957年提出的概念，一直被视为最简单的人工神经网络，也作为二元线性被广泛使用。我们可以将感知机理解成最简单的神经网络，一般解决线性的分类问题。上图就是一个简单的感知机，输入端是x序列，通过权重转换，然后经过激活函数f，最后得到预测分类，如公式1中描述的。$$ y=f(\sum_{i=1}^{n}w_ix_i-\theta) \tag{1}$$import numpy as npn

面试问题常见的面试问题进行部分整理，可能没有权威性，但是还算经典吧。最大公约数和最小公倍数int gcd(int a,int b){ int min; int g; if(a<=0 || b <= 0)return -1; if(a > b) { min = b; } else { min = a; } while(min) { if(a % min == 0 &&

面试问题整理恍惚如昨日，自己也面试很多次，经常给别人说一些面试鬼论，这里就不说这些策略上的事情了，从毕业到现在对面试的问题也进行了部分整理，希望对大家有用。一张图首先看一张图，整理的很多常见的数据结构的复杂度，比较全。排序快速排序voidqsort(int*a,intleft,intright){i