pvalienteverde’s gists

pvalienteverde / AddressSanitizerExampleUseAfterScope.cpp

Last active June 8, 2017 06:39

Se ve que el compilador reutiliza la misma memoria, por eso lo importante del address con stack-use-after-scope.

	/*
	* AddressSanitizerExampleUseAfterScope.cpp
	*
	* Created on: Jun 7, 2017
	* Author: pedro
	*/
	#include <iostream>
	#include <cmath>
	#include <vector>
	#include <chrono>

pvalienteverde / AddressSanitizer.cpp

Created June 4, 2017 11:13

AddressSanitizer

	//============================================================================
	// Name : AddressSanitizer.cpp
	// Author : Pedro Valiente Verde
	// Version :
	// Copyright : Your copyright notice
	// Description : Hello World in C++, Ansi-style
	//============================================================================

	#include <iostream>
	#include <chrono>

pvalienteverde / ProblemaDiamante.cpp

Last active June 4, 2017 10:37

Caso tipico del problema del diamante

	class IInstrumento{
	public:
	virtual void Tocar()=0;
	virtual ~IInstrumento()=default;
	};

	class IPercusion:virtual public IInstrumento{
	public:
	//Metodos propios de los instrumentos de Percusion
	};

pvalienteverde / ClaseBaseVirtual.cpp

Last active June 4, 2017 10:41

Este es un ejemplo del abuso de heredar la clase base como virtual ya sea por inercia o por descuido. El proposito de "virtualizar" la clase base es asegurarnos que solamente instanciamos una clase (asi por ejemplo evitamos el problema del diamante), para ello el compilador tiene unos mecanismos determinados como instaciar las clases bases virtu…

	#include <iostream>
	#include <memory>

	class IBase{
	public:
	virtual int GetX() const=0;
	virtual int GetY() const=0;
	virtual ~IBase()=default;
	};

pvalienteverde / WrapperVector.h

Created December 4, 2016 10:59

Ejemplo de como añadir iteradores personalizados a una clase. Es este ejemplo nuestra clase es hija de std::vector, aunque no es lo mas adecuado realizarlo por herencia para nuestro proposito es suficiente. Creamos un par de iteradores partiendo de los iteradores de std::vector con el predicado propuesto

	template<typename T>
	class WrapperVector: public std::vector<T> {
	public:
	typedef std::vector<T> Vector;
	typedef std::function<bool(T)> Filtro;
	typedef boost::filter_iterator<Filtro, typename Vector::iterator> IteradorFiltro;

	WrapperVector(const Vector &valores, Filtro filtro) :
	Vector(valores), filtro(filtro) {
	}

pvalienteverde / InterfazPublicaDomicilio.h

Last active December 4, 2016 10:39

Mostramos la interfaz publica de la clase Domicilio para los ejemplos sobre iteradores personalizados o de filtros por medio de boost::filter_iterator o boost::adaptors::filtered en http://wp.me/p7ezBh-4r . Para ver la interfaz completa: https://goo.gl/C58QEG

	class Domicilio {
	public:
	Domicilio(int codigo_postal, int huespedes, std::string informacion = "");
	~Domicilio() = default;
	/**
	* Getters y setters de atributos
	*/
	int CodigoPostal() const;
	int Huespedes() const;
	void Informacion(const std::string &informacion);

pvalienteverde / ContentBased.py

Last active July 28, 2016 18:12

Sistema de recomendacion basado en el contenido (Content-Based). Es un modelo para la recomendacion o busqueda de articulos basados en la información que proporcionan. Es un ejemplo de http://www.p.valienteverde.com/sistemas-de-recomendacion-basados-en-el-contenido-content-based

	class ContentBased(object):
	"""
	Modelo de recomendación de articulos basados en tags.
	El modelo vectoriza cada articulo para poder calcular la similitud.
	"""
	def __init__(self, stop_words=None, token_pattern=None, metric='cosine', n_neighbors=5):
	if stop_words is None:
	stop_words = stopwords.words("english")

	if token_pattern is None:

pvalienteverde / CrossValidatorWithCostumizedValidator.pl

Last active April 9, 2018 03:05

When a userID is predicted when it is not already trained (all userID data is used on validation group and none of them to train), prediction is nan, so RegressionEvaluator returns Nan. To solve this we must change RegressionEvaluator by MiValidacion in CrossValidator

	from pyspark.sql import SQLContext
	from pyspark import SparkConf, SparkContext
	from pyspark.ml.recommendation import ALS
	from pyspark.ml.tuning import CrossValidator, ParamGridBuilder
	from pyspark.ml.evaluation import RegressionEvaluator
	from math import sqrt

	from operator import add

	conf = (SparkConf()

pvalienteverde / example_multiprocess.py

Created March 30, 2016 18:03

	def wrapper_logistic_regression_with_L2(l2_penalty,
	feature_matrix=feature_matrix_train,
	sentiment=sentiment_train,
	initial_coefficients=np.zeros(194),
	step_size=5e-6, max_iter=501):

	coef=logistic_regression_with_L2(feature_matrix, sentiment, initial_coefficients, step_size, l2_penalty, max_iter)
	return (l2_penalty,coef)

	from multiprocessing import Pool

pvalienteverde / GD_momentum.py

Last active March 5, 2016 10:12

Gradient Descent With Momentum, TensorFLow

	def minimizar(optimizador, funcion_coste, acumulador, learning_rate_iniciaL_tf, rate_momemtum_tf):
	grads_and_vars = optimizador.compute_gradients(funcion_coste)
	gradientes,variables = [],[]
	for grad, var in grads_and_vars:
	variables.append(var)
	if grad is None:
	gradientes.append(grad)
	continue

	# accumulador = accumulador * momentum + gradiente

Pedro Valiente Verde pvalienteverde