ARTS第五十七周（2020年10月19日~25日）

2020-10-22

Algorithm

编号	难度	题目	我的解答	执行用时	内存消耗	用时排名	内存排名	查看结果
355	中等	设计推特	201108-1.cpp	316 ms	20.2 MB	9.92%	61.35%	查看结果
365	中等	水壶问题	201108-2.cpp	0 ms	6.2 MB	100.00%	12.18%	查看结果

Review

1. 部署机器学习模型

分享链接：How to put machine learning models into production

平常大多数关于机器学习的教程和资料，都在介绍如何训练模型，对于模型的最终部署，提及得很少。这篇文章也提到，绝大多数（接近九成）的模型并未得到部署和应用。这篇文章针对部署中需要考虑的方方面面（诸如数据量、框架、工具、效率、反馈、迭代等）进行了介绍，在打算将某个模型进行应用时，应该进行提前考虑。

Tip

1. 自动进行数据探索分析

分享链接：How to Automate Exploratory Analysis Plots

本文介绍了R包purrr中map()函数的使用，并应用它，去批量处理数据集中不同字段，汇总信息，帮助数据探索分析：

library(ggplot2)
library(purrr)

plot_frequency <- function(x) {
    data %>% ... %>% ggplot(...) + geom_xxx() + ...
}

all_plots <- map(names, plot_frequency)
cowplot::plot_grid(plotlist = all_plots)

1. 电子书《Tidy Modeling with R》

分享链接：Tidy Modeling with R

R语言除了绘图外，最重要的优势在于进行各类数据建模。这本电子书中包含了关于建模的常见R包和函数的介绍，尤其是tidymodels包，承袭tidyXXX系列的风格，使相关操作更加高效。