本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍什么是偏差和方差，并从偏差和方差这种更高更全面的视角来探讨模型过拟合和欠拟合，最后提出在算法层面上主要解决高方差，并提出五条解决高方差的手段。

机器学习入门 8-7 偏差方差平衡

机器学习入门 8-7 偏差方差平衡

超参数搜索——网格搜索和随机搜索。gg，算到天荒地老就不一定有结果。所以出现了这样的做法，网格搜索，但是网格取稀疏一点，比如上面例子中的[10,100]，我们就去10,30,50,70,90这几个数，降低一下搜索次数。也就是把范围平均切分为5份，我们在每一份之中随机找到一个点，最终可以找到5个点，我们再找到里面的最小点。这种批次随机寻找的方法，基本上可以说优于稀疏化网格法，但不一定优于随机搜索法。参考资料： 

我们在搜索超参数的时候，如果超参数个数较少（三四个或者更少），那么我们可以采用网格搜素，一种穷尽式的搜索方法。
但是当超参数个数比较多的时候，我们仍然采用网格搜索，那么搜索所需时间将会指数级上升。 比如我们有四个超参数，每个范围都是[10,100]，那么我们所需的搜索次数是10*10*10*10=10^4。
如果再增加一个超参数，那么所需的搜索次数是10^5，搜索时间指数级上升。 所以出现了这样的做法，网格搜索，但是网格取稀疏一点，比如上面例子中的[10,100]，我们就去10,30,50,70,90这几个数，降低一下搜索次数。 所以又有人提出了随机搜索的方法，随机在超参数空间中搜索几十几百个点，其中就有可能会有比较小的值。
这种做法比上面稀疏化网格的做法快，而且实验证明，随机搜索法结果比稀疏化网格法稍好。 这样可以保证我们找到一个局部最小值点，结果可能会比随机搜索稍好一点。
当然，如果随机搜索直接得到更好的局部最小值，甚至全局最小值，那么……只能说你的运气爆表了。

超参数搜索——网格搜索和随机搜索

我们在搜索超参数的时候，如果超参数个数较少（三四个或者更少），那么我们可以采用网格搜素，一种穷尽式的搜索方法。

超参数搜索——网格搜索和随机搜索

cms常用的参数标签汇总、以及操作过程中的一些bug问题解决方法，dede网站二开，以下龙腾飞网络科技-小吴在建站实操中笔记记录，织梦dede建站教程保存使用非常方便：
【DEDE建站教程】
dede搜索框搜索指定栏目文章 当产品信息达到一定量时就会用到搜索来方便用户查询。可是dedecms模板没有这个功能。只有全站和google搜索。
而我们要的只是搜索指定的几个栏目。如我只要用户搜索我的产品。这是企业最想要的。 因为要满足某些条件，需要对dedecms网站搜索进行修改，只搜索指定栏目文章的方法：
第一步：找到 /include/arc.searchview.class.php 文件,大约在300行和470行左右有两个 cquery = "Select * From `dede_archives` arc where arc.typeid not in （1,2,3…） and {$this->AddSql}";

//搜索 act.id not in （4,5,,6…） and {$this->AddSql} $ordersql limit $limitstart,$row";
把sql语句换成这两句，括号里面的是你不搜索栏目的

【DEDE搜索】dede搜索框搜索指定栏目文章

DEDE织梦cms常用的参数标签汇总、以及操作过程中的一些bug问题解决方法，dede网站二开，以下龙腾飞网络科技-小吴在建站实操中笔记记录，织梦dede建站教程保存使用非常方便：

【DEDE搜索】dede搜索框搜索指定栏目文章

np.array([1, 6, 7, 8, 12])
diff_x1 = np.diff(a)
print("diff_x1",diff_x1)
# diff_x1 [5 1 1 4]
# [6-1,7-6,8- b.reshape(5,1,2)
diff_x3 = np.diff(c)
print("diff_x3 \n",diff_x3)
# diff_x3
# [[[ 5]] [6-1]
#
# [[ 1]] [8-

np.diff函数
数组中a[n]-a[n-1]
import numpy as np
a=np.array([1, 6, 7, 8, 12])
diff_x1 = np.diff(a)
print("diff_x1",diff_x1)
# diff_x1 [5 1 1 4]
# [6-1,7-6,8-7,12-8]

高维数组同样适用
二维数组
b=np.array([[1, 6, 7, 8, 12],[1, 6, 7, 8, 12]])
diff_x2 = np.diff(b)
print("diff

np.diff函数

前言地点搜索，可根据关键词、中心点坐标、多边形区域或地点ID检索地点信息，返回详细地址、经纬度、所属区域、分类编码及营业信息等数据，满足地点查找、周边检索、区域筛选与详情查询等多种需求。 地点搜索可广泛应用在出行导航、本地生活、数据分析等场景，比如：出行与地图导航：根据关键词或坐标返回地点提示与周边地点信息，用于地址联想、目的地检索和导航规划。 否分类，服务可支持传入多个分类，多个类型用 | 分割locationString否坐标，格式：“X,Y”（经度,纬度），不可以包含空格，建议使用location参数，可在此location附近优先返回搜索关键词信息 ，在请求参数city不为空时生效cityString否搜索城市，可选值：citycode、adcode，不支持县级市。 // 所属区域 "name": "西溪国家湿地公园", // tip名称 "location": "120.061159,30.255079", // tip中心点坐标，当搜索数据为

地点搜索-地图POI搜索-关键词搜索-周边搜索-多边形搜索-地点详情查询

地点搜索，可根据关键词、中心点坐标、多边形区域或地点ID检索地点信息，返回详细地址、经纬度、所属区域、分类编码及营业信息等数据，满足地点查找、周边检索、区域筛选与详情查询等多种需求。

地点搜索-地图POI搜索-关键词搜索-周边搜索-多边形搜索-地点详情查询

概述
不管是搜索系统还是推荐系统中，向量召回都是一个不可或缺的一个部分，担负着重要的作用。 传统的搜索以文本匹配为主，通过query中的词（如果是中文，需要首先对query进行分词）检索所有的候选doc，如果doc中出现了query中的词，则表示命中，最后返回所有命中的doc。 Facebook将向量召回应用在社交网络的搜索中，针对其场景的特殊性，提出将用户的上下文环境考虑进query的向量中。 特征工程
在FaceBook的向量搜索中，基于其特定的场景，使用到的特征包括query和document的文本特征、位置特征、社交Embedding特征。
 文本特征。 在本地广告、小组或事件的搜索场景中，位置匹配是很重要的。query侧增加搜索人的城市，地区，国家和语言。document侧增加管理员打的小组地域标签。

Facebook搜索的向量搜索

不管是搜索系统还是推荐系统中，向量召回都是一个不可或缺的一个部分，担负着重要的作用。为应对大规模数据问题，通常采用多阶段的架构，分为召回，粗排，精排，重排等多个步骤，每一个阶段的数据量会极大较少，为后续的精细化排序节约大量的时间，可以由下图所示：

Facebook搜索的向量搜索

现在，通过这个类比，我相信你可以感觉到，随着我们尝试的服装数量的增加，网格搜索将需要更多的时间。
如果只是两件衬衫、一条裤子和一双鞋，这不会花很长时间。 随机搜索不会花费很长时间，因为它只会尝试一些随机选择的组合。因此，如果你的选项网格很小，那么使用它是没有意义的。训练所有选项或仅训练其中几个选项的时间几乎相同。 计算网格搜索的RMSE。 网格搜索得到了最好的结果，因为它训练了每个模型，因此，它将找到最佳拟合。当你尝试了太多的组合时，你需要训练。在这种情况下，随机搜索是一个很好的选择。 当有太多的超参数组合可供选择时，随机化搜索可能是最佳选择。例如，当使用网格搜索时，你可以运行它并获得最佳估计器，以便为你指明正确的组合方向。

网格搜索或随机搜索

机器学习并不总是像Iris、Titanic或Boston House Pricing数据集那样简单。

网格搜索或随机搜索

搜索

1.在res/xml/下创建searchable.xml文件
label 
hint
* 注意：值不能直接写字符串，必须指向一个资源ID，例如@string/search_sms
2.创建SearchActivity intent-filter>
<action name />
</intent-filter>
<meta-data 
 name
 resource />
</activity>
3.为了能让整个应用都可以调出搜索框 android.app.default_searchable"
 android:value=".SearchableActivity" />
4.通过onSearchRequested()方法调出搜索框 5.在SearchableActivity中获取Intent,获取SearchManager.QUERY参数的值
进行搜索，搜索完之后获得Cursor,绑定数据
6.如果想要类似AutoCompleteTextView savedInstanceState);
 
 listView = getListView();
 
 // 通过intent 获得，在搜索框中输入的内容

搜索

* 注意：值不能直接写字符串，必须指向一个资源ID，例如@string/search_sms

搜索

移动搜索时代，微信搜索如何才能更好“搜索”？文|孟永辉 同搜索引擎优化有很大不同的是，微信搜索的优化将会更多地侧重在移动端。凭借这些优质内容和数据，用户能够持续从微信端获得有益信息，而企业则能够持续获得源源不断的用户。微信搜索的推出是微信不断完善生态系统的一部分，尽管微信搜索的体系搭建尚处于一个相对初级的阶段，但是我们依然能够通过抓住微信搜索未来发展的几个关键点来增加微信搜索发展的目的性。

对于熟悉了谷歌搜索和百度搜索的用户来讲，微信推出的微信搜索功能再次将这个略显古老的词汇——搜索再次拉进了人们的视野之中。 同搜索引擎优化一样，微信搜索的优化初期可能更多地体现在品牌曝光和品牌露出上，随着微信搜索体系的完备，未来微信搜索的优化将会转移到更深领域，并衍生出更多搜索引擎优化的门类。 尽管微信搜索推出之后人们通常会将它和搜索引擎搜索联系在一起进行考量，但是细细分析下来，我们会发现微信搜索其实和搜索引擎搜索有很大不同的。 或许正是由于这种不同，所以才让人们对微信搜索的未来给予了更加殷切的期望。
微信搜索“一石三鸟”，“意在沛公”
有关微信搜索的基本逻辑已经有过很多讨论，那么，微信搜索为何在此时推出？ 微信搜索体系还处于一个相对初级的阶段，它的搜索体系尚处于一个完备的阶段，只有建立完善的微信搜索体系，才能保证用户能够通过微信搜索获得更多东西。

移动搜索时代，微信搜索如何才能更好“搜索”？

文|孟永辉

除了小程序的应用不断开放之外，微信在今年的另外一个重要举动应该属于推出微信搜索了。对于熟悉了谷歌搜索和百度搜索的用户来讲，微信推出的微信搜索功能再次将这个略显古老的词汇——搜索再次拉进了人们的视野之中。
其实，微信推出微信搜索功能只是在微信的用户群体和产品体系完备之后必然要进行的一个动作罢了。随着用户习惯逐步转移到微信端，特别是随着微信端内容体系的逐步建立，用户通过微信搜索获取想要的信息和内容的频率越来越大。随着微信指数的推出，用户在微信端获取信息的途径将会越来越多，而基于微信搜索产生的微信搜

移动搜索时代，微信搜索如何才能更好“搜索”？

现实中，这种场景往往更常见，例如，Zuul客户端是一个手机APP——我们不可能让所有的手机终端都注册到Eureka Server上。这种情况下，我们可借助一个额外的负载均衡器来实现Zuul的高可用，例如Nginx、HAProxy、F5等。如图8-8，Zuul客户端将请求发送到负载均衡器，负载均衡器将请求转发到其代理的其中一个Zuul节点。节选自《Spring Cloud与Docker微服务架构实战》8.10节 如转载至微信公众号，请在文末添加作者公众号二维码。

图8-7 Zuul高可用架构图
如图8-7，当Zuul客户端也注册到Eureka Server上时，只需部署多个Zuul节点即可实现其高可用。

近期挺多朋友问到Zuul如何高可用，这里详细探讨一下。
Zuul的高可用非常关键，因为外部请求到后端微服务的流量都会经过Zuul。故而在生产环境中，我们一般都需要部署高可用的Zuul以避免单点故障。


Zuul的高可用

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐