Pinned Repositories
100-Days-of-ML-Code-Chinese-Version
Chinese Translation for Machine Learning Infographics
awesome-machine-learning
A curated list of awesome Machine Learning frameworks, libraries and software.
charts
Curated applications for Kubernetes
dataset
医学影像数据集列表 『An Index for Medical Imaging Datasets』
fourteen-DataVisualization-tool
14个可视化数据工具的入门
go
The Go programming language
machine-learning-wuenda
吴恩达机器学习笔记
mysql-study
记录学习MySQL数据库
pandas_exercises
Practice your pandas skills!
pidada.github.io
pidada's Repositories
pidada/Statistical-Learning-Method_Code
手写实现李航《统计学习方法》书中全部算法
pidada/awesome
😎 Awesome lists about all kinds of interesting topics
pidada/awesome-go
A curated list of awesome Go frameworks, libraries and software
pidada/BigDataMining
大数据分析与数据挖掘 百度云资源持续更新中，欢迎点赞star Min's blog 欢迎访问我的博客主页！(Welcome to my blog website !)https://liweimin1996.github.io/
pidada/book
:books: All programming languages books
pidada/book-1
学习笔记
pidada/codeclass
Golang语言社区--腾讯课堂、网易云课堂课程PPT及代码
pidada/Customer_Satisfaction_Analysis
基于在线民宿UGC数据的意见挖掘项目，包含数据挖掘和NLP相关的处理，负责数据采集、主题抽取、情感分析等任务。开发的目的是克服用户打分和评论不一致，实时对重庆地区在线民宿的满意度进行评测，使用Python实现了在线评论采集和情感可视化分析。搭建了百度地图POI查询入口，可以进行自动化的批量查询POI信息的功能；构建了基于在线民宿语料的Word2vec主题聚类模型，利用主题中心词能找出对应的主题属性字典；以用户打分作为标注，然后通过实验贝叶斯、SVM、决策树等多种分类模型，最后选用贝叶斯模型进行情感分析，将情感分类概率分布作为情感趋势，最后通过POI热力图的方式对不同地域的民宿满意度进行展示。
pidada/Data-Structure
数据结构的学习
pidada/dataviz
A book covering the fundamentals of data visualization
pidada/Go42
《Go语言四十二章经》详细讲述Go语言规范与语法细节及开发中常见的误区，通过研读标准库等经典代码设计模式，启发读者深刻理解Go语言的核心思维，进入Go语言开发的更高阶段。
pidada/gocron
定时任务管理系统
pidada/kongshoudao-fangdai
说明：偶然看到大约十年前收藏的一篇文章，今天读来也不过时，分享给大家（手机码字，聚聚们将就看看） 房贷空手道 昨晚，和一个开典当行的同学喝酒。 我问同学，“你买了多少套房子，多少间铺面？” “房子22套，铺面12间。”同学炫耀似的答道。 “那你花了多少钱呢？”同学虽然是千万级的富翁，但他也不至于能把千万多的钱压在固定资产上吧！我心中默算了一下，非常怀疑！ “现在买房子，傻瓜才掏钱！亏你还是个生意人！”同学鄙视的看着我。 同学的话，简直令我震耳欲聋，使我目瞪口呆。我连忙虚心请教。于是，同学就对我说出一番匪夷所思、惊世骇俗的话来......以下，都是我同学的话，虽然词句有些出入，但基本语意我还是转述清楚了的。 一、买房不掏钱，你是怎么操作的？ 同学的话—— 你知道，我的典当生意完全是靠钱生钱。第一次买房时，虽然我有能力一次性付清全款，但我还是不愿意那么多的现金被房子压死。那时，正流行“零首付”，于是，我一分钱没花，贷款18万买了房（贷款期限为一年）。 一年期满，要还房款和利息了。也不知道是我幸运呢？还是我倒霉！那时，我的资金被一笔业务占用了。为了业务，我不仅还不起房款不说，还得另外新增贷款。迫不得已，我找老关系——银行的信贷部经理沟兑。当我吞吞吐吐的把“延期还房款并另外新增贷款”的要求说出来后，没想到，信贷经理却诡秘的一笑，非常爽快的答应了。 信贷经理给我出的主意很简单：让我老婆，以两倍的价格，贷款买我的房子，贷款期限也是一年。 “两倍的贷款，那就是两倍的利息啊！你这不是变着法的剥削我吗？”我还没有反应过来。 “如果到时，你不还款呢？”信贷经理很镇定。 “啊......” “被银行收房，没有什么大不了的！关键是除去税费后，我还凭空白得了17万。不，这17万我可不能一个人得，我至少要分给他5万。”很快，我反应过来。于是，我对信贷经理会心的一笑...... 这，就是我第一次买房的经历。 我后来的买房经历都与此类似，也就是：坚决的不掏一分钱，全部用银行的贷款买房子；然后，如果遇见不明真象的投资者（说是投资者，其实是傻帽）买房，那就高价卖给他。如果一直没有投资者买房，那就不断的把自己的房子加价转贷给自己，不断的用银行的钱来还银行的债。 并且，我是开典当行的，与银行的关系是一般人无法比的。一般老百姓买房，大都选择20年按揭，而我买房从来都是只贷款一年，到期了才还本金和利息。这样操作，不用交月供。而贷款到期后，我只须做做“纸面文章”转贷款一下。实际上，我一分钱也不用掏。 二、我不信，在实际生活中能有如此荒谬的事情。你讲的是“童话”吧！ 同学的话：兄弟！我是看你人对，才给你讲这些掏心窝的话。你怎么可以不相信我呢？你要怎样才能相信我呢？ 作者发言：你就给我讲点实际的例子吧！ 同学的话：你知道王二麻子是怎么发家的吗？ 作者发言：“那你说说。”王二麻子是我的另外一个同学，现在是开发房地产的亿万级富翁。 同学的话—— 那我就说说。 想当年，王二麻子那个落魄啊！就连他注册公司的注册资金，也是我临时拆借给他的。如今，别看王二麻子表面风光，他拿地的钱，是从银行贷款的；修房子的钱，是建筑商垫资的。总之，他就是一个完全的“空手道”。 房子修好后，王二麻子在正式开盘前，通常要举行一个“内部认购会”。这个内部认购，其实就是王二麻子召集公司内部员工和一些象我这样的、相熟的炒房客（或者干脆是一些从招聘会上收集的、众多的、应聘者的“身份证复印件”），以这些人的名义来买房子，全部用银行贷款来买。这，就是所谓的“开发商囤房”。 并且，此次交易上报给银行的交易价，必须比实际的内部交易价提高30%。为什么？因为贷款买房要首付两成啊！举个例子，如果你想收回100万，那你就必须以130万的房价向银行贷款。这样，银行给你的钱就是：130万×0.8=104万；你实际装进口袋的钱就是：104万—4万（给相关银行人员的“好处费”）=100万。 就这样，通过开盘前的内部认购，王二麻子其实已经成功的全部收回了投资，把所有的风险转给了银行。到这时，王二麻子才会开始打广告卖房子，并归还“买地的银行贷款”和“修房子的建筑商垫资”。 作者发言：后面又怎么操作呢？ 同学的话—— 你怎么那样笨啊！稍微聪明一点的人都能想到，后面的操作方法，其实与我炒房的方法是一样的，也就是：“如果遇见不明真象的投资者（说是投资者，其实是傻帽）买房，那就高价卖给他；如果一直没有投资者买房，那就不断的把自己的房子加价转贷给自己，不断的用银行的钱来还银行的债。” 不过，由于已经收回了按揭贷款的首付款，所以后面的操作并不需要每一次都加价30%，只需按着楼市房价本来的上涨幅度加价就可以了（即每年上涨14%左右）。 什么？万一房价上涨幅度不足于支付贷款利息怎么办？笑话，你什么时候看见过**楼市的房价上涨幅度低于当年的贷款利息了？ 明白了吧！这，就是**楼市的房价只能上涨不能下跌；并且，房价的上涨幅度还不能低于当年贷款利息的真正原因！！ 想想就觉得可笑，居然有学者说，“建筑成本和地价的不断上涨，是房价飞涨的原因。”这简直是扯蛋！ 其实，“金融成本”才是房价构成的大头，至少要占目前房价的50%。 以上海倒塌的莲花河畔景苑为例。网上公布，其楼面价格不到604元/平方米，建筑成本也不到1300元/平方米（其实，网上公布的建筑成本并不准确。市法院电梯公寓的建筑质量总该比它好吧，建筑成本也没有超过1000元/平方米）这么便宜的房子，开发商为什么非得要把它卖到14000元/平方米呢？卖低一点、少赚一点不行吗？答案是不行的。原因很简单，“金融游戏”是有成本的，每这样操作一次，房子就必须加价一次。只有不断的加价，上述操作才有生存的空间。所以，莲花河畔景苑前年卖7000元/平方米，去年卖10000元/平方米，今年就得非要卖14000元/平方米。俗话说“豆腐盘成了肉价钱”。这，就是“金融游戏”的代价！ 有句话道出了目前**楼市的实情，“房子是用来炒的，不是用来住的；商品房是卖给银行的，不是卖给老百姓的。” 老同学，请你想一想，现在的楼市，房价明明已经远远的超过了老百姓的实际购买能力（也就意味着房子永远卖不出去），为什么房价还会不断的上涨呢？并且，还要“量、价齐涨”呢？原因何在？正在于此！ 三、你讲的，只是极个别的现象，不能代表**楼市的整体形势。 同学的话—— 老同学，你太孤陋寡闻了吧。请看： 李树彪案：1999年9月8日到2004年1月15日，湖南郴州市住房公积金管理中心原主任李树彪骗取公积金贷款、银行贷款共计44笔，涉案金额1.2亿元。 康明案：2000年前后，河南郑州康明置业有限公司通过东明花园414套房源，在工商银行、交通银行、建设银行、招商银行进行重复抵押贷款共690多套，至少套取银行资金2亿元。 姚康达案：从2002年至2003年上半年，**工商银行上海外高桥保税区支行向“姚康达”一人发放房贷7141万元，用于炒作128套住房。 森豪虚假按揭案：从1997年年至2002年上半年，北京市华运达房地产开发公司以森豪公寓、太利花园为幌子,采取假按揭的方式,向中行北京市分行、北京银行中关村支行、北京银行展览路支行三家银行骗贷共计16.2亿元。（请看《京城最大假按揭骗贷案震醒房市》）。 建行广州分行案：2002年，审计署抽查建设银行广州地区八家支行的住房按揭贷款，发现10亿元虚假按揭。仅广东省汕尾市公共安全专家局某副局长一人，即骗取建行广州市芳村支行按揭贷款3793万元。 曲沪平案：2006年，上海浦东发展银行陆家嘴支行在已发放贷款中，发现亿元个人房产按揭贷款存在抵押不实，贷款代理人为“曲沪平”。其后更查出与曲相关的房贷高达91笔，涉及金额4亿元左右。银行不得不委托房屋中介公司出售抵押房产，以回收问题贷款。 同泰案：2006年，北京同泰房地产公司涉嫌利用87份假业主所签购房合同，从银行骗贷6700万元。 成都虚构房产骗贷案：2005年至2008年期间，犯罪嫌疑人唐某勾结成都市房管局工作人员以虚构房产的方式办理房产证进行骗贷。现已发现的涉案房产证已超过一百多套，涉及金额近二千万元！而且事态还在进一步发展中。 另外，今年银监会三令五申的明确要求，“贷款发放必须用于满足实体经济的有效信贷需求，防止信贷资金流入楼市”。然而，40000亿资金依然流入楼市...... 老同学，请你想一想，为什么会发生那么多的这类事情呢？为什么全国的银行都明知道是假按揭也要把钱贷给地产商呢？难道银行的官员们都是傻子吗？ 其实，银行的官员们一点都不傻。 原因在于，银行内部人员与开发商其实是狼狈为奸的同伙。参与这项操作的某些银行内部人员决不是希望通过购房者支付贷款利息为银行赚钱，坦白地说，他们是在参与分赃——他们与开发商一起盗取不义之财，将风险转嫁给国家银行，而买单的是真实的购房者。一旦真实的购房者无法买下这个巨单，银行就出现危机。 这时候，买单的就是全国人民了，国家必须银行注资，消除烂帐。国家的钱哪里来？印钞票！结果是什么？通货膨胀，物价飞涨，老百性的钱不值钱了，或者说老百姓的钱被抢了，被谁抢了？被国家抢去堵漏了，堵开发商和银行增加这些蛀出来的大洞。这个洞如此之大，堵住了也是一个丑陋的疤，而疼的永远是百姓。 所以我会说——房地产业已经成为相关单位、相关部门团结起来瓜分国家金钱（其实是老百姓的存款）的道具。 违规又有什么大不了的？银行官员们不怕啊！只要表面的纸上手续完备了，我就没有了责任。即使按揭贷款是假的，又有什么关系？况且银行有国家这个后台，就是亏了也不怕，反正银行的官员们现在挣了钱就行。至于银行以后不行了，自然有国家来管，况且那是下届银行官员的事情。难怪**银行的坏账率居然在40%以上！原来，在**，最大的腐败在银行！！ 四、我依然认为，这只是极个别的现象。如果你讲的是普遍的现象，为什么还没有开发商被收楼呢？ 同学的话—— 原因有许多，简单的有： 1、你不关心房地产界的新闻。比如“曲沪平案”，上海浦东发展银行陆家嘴支行就收了楼，不得不成为了“房东”； 2、由于开发商在银行内部的同伙，掩护工作做的好的缘故，案子没暴露。 掩护工作怎么做？很简单——只要一接近债务偿还期，开发商就会和“银行内部的同伙”们一起，把房子又一次加价卖给（转按揭）其它的“身份证复印件”（其实，房子依然在开发商手里）。这样操作，开发商永远不会被收楼。 虽然这样操作，房价会不断的上涨，并很快的远远超过老百姓的实际承受能力(也就意味着房子永远卖不出去)。但是，这样的操作，如果只从官样程序上来看、只从表面的纸上手续来看的话，它是永远合法的。这就是银行官员们敢于给开发商打掩护的原因——因为以目前的银行制度来说，只要表面的纸上手续完备了，银行的官员就没有了责任。 五、你的意思是，目前的银行贷款制度有着严重的漏洞？ 同学的话—— 当然！ 我能不花钱的买那么多的房子和铺面，甚至还靠房子从银行套出那么多的周转资金做生意，这一切，全都得感谢银行的制度漏洞啊！银行的贷款制度，真的是“为人民服务的好制度”啊！ 作为一个典当行的老板，以同行的眼光来看，我认为银行贷款的制度漏洞有： 1、抵押物价值的评定方法有缺陷。 比如，明明开发商拿地只用了5000万，他却可以用这块地抵押贷款1个亿；比如，开发商修楼修到盖顶，明明只用了7000万（含地钱），他却可以用这个楼抵押贷款2个亿。 如果，按照我们典当行的规矩来办，事情又会怎样呢？ 当开发商用这块地抵押贷款时，我会亲自去核实：开发商拿这块地，是否真的给了政府5000万。并且，如果这个情况属实，他也最多只能贷款4000万。因为我要预提风险基金啊！ 当开发商用这个楼抵押贷款时，我也会亲自去核实：开发商修这个楼，是否真的花了2000万（只算建筑成本，不含地）。我会按照各种人工、各种建筑材料的最低价来核算这个楼的建筑成本。并且，如果开发商修这个楼的确花了2000万，他也最多只能贷款7000万×0.8=5600万（连地一起抵押）。 最后，当购房者按揭贷款时，我绝对不可能按照“购房合同交易价”来发放贷款，购房者最多能获得的贷款金额是：7000万×0.8×购房面积/此楼总面积。 举个例子：有个卖衣服的商人因为生意周转，需要以衣服为抵押物向银行贷款。你说说，银行是该“按照衣服出厂价的8折”给他贷款呢？还是该“按照衣服零售价的8折”给他贷款。 作者发言：当然该按出厂价算。如果按照零售价算的话，卖衣服的商人干脆不用开店了，他直接把衣服卖给银行赚钱更快！恩，我明白了，怪不得在**会出现“房子是用来炒的，不是用来住的；商品房是卖给银行的，不是卖给老百姓的”这样的奇闻！！ 同学的话：是啊！抵押房的价值，不能由客户之间的交易来决定啊！！ 2、责任追究方法有缺陷 “只要表面的纸上手续完备了，银行官员就没有了责任。”这怎么可以呢？在我的典当行，我可不管你的纸上手续是否已经完备，只要是你负责的业务出了问题，嘿嘿！我就找你算帐！！！ 另外，让国家损失16.2亿的森豪虚假按揭案暴露后，相关的银行官员居然没有被追究责任，这怎么可以呢？嘿嘿！如果这样的事是发生在我的典当行，不要说让他家破人亡，我至少会让他和他的亲戚倾家荡产！！！ 作者发言：是啊！发生金融案件后，居然不追究相关银行官员的责任。换成是我，我也觉得“打马虎”比尽忠职守更合算！！！怪不得**的金融案件层出不穷。听君一席话，胜读十年书！听你说到这儿，就连我这么笨的人也知道了应该如何理顺楼市——只要严格金融制度，让炒房的人不能获得投机的资金，楼市的泡沫自然的就会散去！！ 同学的话—— 你终于聪明了一回。可惜！！！
pidada/lc-all-solutions
My own leetcode solutions by python
pidada/Lihang
Statistical learning methods, 统计学习方法(第2版)[李航] [笔记, 代码, notebook, 参考文献, Errata, lihang]
pidada/lihang_book_algorithm
致力于将李航博士《统计学习方法》一书中所有算法实现一遍
pidada/Machine-Learning-Algorithms
Python实现经典分类回归、关联分析、聚类以及推荐算法等
pidada/machinelearning
My blogs and code for machine learning. http://cnblogs.com/pinard
pidada/MachineLearning-1
《统计学习方法》相关的机器学习实现代码。Machine Learning.
pidada/mist
[DEPRECATED] Mist. Browse and use Ðapps on the Ethereum network.
pidada/ML-NLP
此项目是机器学习(Machine Learning)、NLP面试中常考到的知识点和代码实现，也是作为一个算法工程师必会的理论基础知识。
pidada/numpy-100
100 numpy exercises (with solutions)
pidada/Python
All Algorithms implemented in Python
pidada/Python-Resource
收集各种关于Python的学习资料，包含云计算、机器学习、深度学习、后端、自动化测试、爬虫等（持续更新）
pidada/RecommendSystemPractice
《推荐系统实践》代码实现
pidada/SQLZoo
pidada/TensorFlow-Course
Simple and ready-to-use tutorials for TensorFlow
pidada/TensorFlow-Note
pidada/u2pppw
学习，源码仅供参考！
pidada/visualization-curriculum
A data visualization curriculum of interactive notebooks.