Не прав, когда выступал Степанов (тот самый, который написал STL), он сказал, что крупные компании продавили изучение java в вузах, так как им требуется большое число быдлокодеров ;)
Видимо все из-за специфики страны. У нас в стране слишком поздно стали выдавать банковские карты на работе. А возможность оплачивать что-то «цифровыми» деньгами уже была, так что нужно было позволить людям это делать — так и появилист терминалы.
Будет большое проникновение банковских карт + инет повсеместный, тогда Qiwi умрет сама собой.
Возможно ли равновероятно брать значения? В идеале да, на практике стремятся к идеалу. Когда писал свой диплом, то тестировал этот MinHash и результаты мне понравились — в среднем алгоритм работает идеально, есть дисперсия, значение которой зависит от числа функций.
Это не различие терминологии, MinHash именно метод уменьшения размерности.
Простой пример: пусть у нас есть набор объектов, которые описываются большим вектором признаков, сравнивать такие объекты — это сравнивать их вектора-признаки, что очень дорого. Делаем чит — выбираем случайно и равновероятно объекты из этих векторов и получаем сокращенную сигнатуру, по которой и сравниваем все объекты. Вот эта случайная выборка и получается благодаря MinHash, потому что ее свойство — брать признаки равновероятно.
MinHash — это алгоритм снижения размерности, а не алгоритм поиска похожих множеств. Он используется как дополнение для алгоритмов поиска тех самых похожих множеств, когда объем данных очень велик. Изначально его применили для алгоритма поиска дубликатов документов.
Фейл в политике Nokia. Платформа очень удачная даже для обывателей, нужно было просто поддержать разработчиков, чтобы те наклепали 100500 приложений.
Я до сих пор радуюсь, что могу звонить на skype, sip и обычные телефоны не напрягаясь. И смотрю как владельцы iphone вынужнеды открывать сторонние программы, чтобы сделать тоже самое.
Будет большое проникновение банковских карт + инет повсеместный, тогда Qiwi умрет сама собой.
2. LSH (Locality-Sensitive Hashing)
Это основные методы, может сейчас еще какие есть, я не слежу. LSH используется для поиска сильно похожих множеств.
Простой пример: пусть у нас есть набор объектов, которые описываются большим вектором признаков, сравнивать такие объекты — это сравнивать их вектора-признаки, что очень дорого. Делаем чит — выбираем случайно и равновероятно объекты из этих векторов и получаем сокращенную сигнатуру, по которой и сравниваем все объекты. Вот эта случайная выборка и получается благодаря MinHash, потому что ее свойство — брать признаки равновероятно.
Я до сих пор радуюсь, что могу звонить на skype, sip и обычные телефоны не напрягаясь. И смотрю как владельцы iphone вынужнеды открывать сторонние программы, чтобы сделать тоже самое.