UVM实战笔记

scala编程实战笔记(3-控制结构)

importscala.io.Sourcevalsource=Source.fromFile("/root/IdeaProjects/ScalaProgAction/src/test/scala/allrepl.scala").getLines()varcount=0for(line2}println(i,j)3.4foryield一般不会改变返回值类型3.5breakcontinue//brea
Kean_L_C·2017-11-18 18:19

机器学习实战笔记-树回归

9.1复杂数据的局部性建模第3章使用决策树来进行分类。决策树不断将数据切分成小数据集，直到所有目标变量完全相同，或者数据不能再切分为止。决策树是一种贪心算法，它要在给定时间内做出最佳选择，但并不关心能否达到全局最优。树回归 优点：可以对复杂和非线性的数据建模。缺点：结果不易理解。适用数据类型：数值型和标称型数据。第3章使用的树构建算法是ID3。ID3的做法是每次选取当前最佳的特征来分割数据，并按照
kevin聪·2017-11-17 00:00

机器学习实战笔记-利用AdaBoost元算法提高分类性能

做重要决定时，大家可能都会考虑吸取多个专家而不只是一个人的意见。机器学习处理问题时又何尝不是如此？这就是元算法（meta-algorithm)背后的思路。元算法是对其他算法进行组合的一种方式7.1基于数据集多重抽样的分类器  我们自然可以将不同的分类器组合起来，而这种组合结果则被称为集成方法（ensemblemethod)或者元算法（meta-algorithm)。使用集成方法时会有多种形式：可以
kevin聪·2017-11-15 00:00

Robot Framework项目实战笔记

1.仅有一个button的图片上传，使用choosefile无法搞定的情况下，需要引入AutoItLibrary，具体实现如下栗子：LibraryAutoItLibraryclickelementid=f_contractIdCardFrontPickerAutoItid=f_contractIdCardFrontPickerC:\\Users\\XX\\Pictures\\2612129497.
sunshine_nie·2017-11-14 21:30

机器学习实战笔记(一) K-近邻(k-NN)算法

本人也只是刚刚开始接触机器学习实战这本书，之前好多python的语法知识都有些模糊，所以注释写的比较详细，多谅解。书中所用的代码用的是python2.x，但是现在python3的用的比较多，所以多出会对代码指出两者不同，这也是很多刚开始按照书上代码会报错的原因，都会在下面进行总结。第一次写博客，内容好多地方自己可能也有理解错误的地方希望指出，里面的代码，文字，图片都是自己一点一点打出来，截出来的，
预知梦_·2017-11-09 23:41

机器学习实战笔记-朴素贝叶斯

4.1.基于贝叶斯决策理论的分类方法朴素贝叶斯优点：在数据较少的情况下仍然有效，可以处理多类别问题。缺点：对于输入数据的准备方式较为敏感。适用数据类型：标称型数据。朴素贝叶斯是贝叶斯决策理论的一部分，所以讲述朴素负叶斯之前有必要快速了解一下贝叶斯决策理论。假设现在我们有一个数据集，它由两类数据组成，数据分布如图4-1所示。我们现在用p1(x,y)表示数据点(x,y)属于类别1(图中用圆点表示的类别
kevin聪·2017-11-09 00:00

机器学习实战笔记-K近邻算法3(手写识别系统)

1准备数据：将图像转换为测试向量这次数据集还是有两种，训练数据集和测试数据集，分别有2000个，900个。我们将把一个32*32的二进制图像矩阵转换为1x1024的向量，这样前两节使用的分类器就可以处理数字图像信息了。代码:defimg2vector(filename):returnVect=zeros((1,1024))file=open(filename)foriinrange(32):lin
kevin聪·2017-11-04 23:18

maven实战笔记(三)

Maven常用插件示例0.resources管理src/main/java**/*.java**/*.xmlsrc/main/resources**/*.txt**/*.properties**/*.xmlsrc/test/java**/*.javasrc/test/resources**/*.txt**/*.xml**/*.properties一.maven-source-plugin生成源码包
在月牙上放歌·2017-10-29 10:43

机器学习实战笔记-k近邻算法

优点精度高、对异常值不敏感、无数据输入假定缺点计算复杂度高、空间复杂度高适用数据范围数值型和标称型标称型：标称型目标变量的结果只在有限目标集中取值，如真与假（主要用来分类）数值型：数值型目标变量可以从无限的数值集合中取值，如0.2300，1111.1111等（主要用来回归）工作原理存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一个数据与所属分类的对应关
RJzz·2017-10-29 10:16

Java并发编程实战笔记(3)-对象的组合

转载请注明出处http://www.paraller.com原文排版地址点击获取更好阅读体验之前的介绍都是从内存的角度去确保程序是线程安全的，本节主要介绍将现有的线程安全组件组合成更大规模的组件或程序。设计线程安全的类设计线程安全类的三个基本要素：共享、可变、同步机制-找出构成对象状态的所有变量：如果对象的域引用了其他对象，那么该对象的状态将包含被引用对象的域。-变量是否共享？找出约束状态变量的不
paraller_15·2017-10-27 09:40

Java并发编程实战笔记(2)-对象的共享

转载请注明出处http://www.paraller.com原文排版地址点击获取更好阅读体验核心知识点同步不仅能够保证原子性;还能实现内存可见性:当一个线程修改了对象状态后,其他线程能够看到发生的状态变化如何让多个线程安全的访问可变状态?可见性重排序```classTest{privatestaticbooleanvisible;privatestaticintnumber;staticclass
paraller_15·2017-10-26 09:09

Java并发编程实战笔记(5)-任务执行

转载请注明出处http://www.paraller.com原文排版地址点击获取更好阅读体验相关知识点大多数并发应用，都是通过任务执行来构造的，通过将任务分成小的工作单元,提供一种自然的事务边界来优化错误恢复过程.任务执行(TaskExecution)的重点在于：独立性和明确的任务执行策略无限制创建线程的不足线程的创建需要时间，消耗大量的运算资源活跃的线程消耗系统资源，特别是内存；可运行的线程数量
paraller_15·2017-10-26 09:07

webpack深入与实战笔记（20171015待续...）

标注：本笔记来自imooc-qbaty老师-webpack深入与实战gitbash（orCMD）进行命令操作一、准备工作lenovo@lenovo-PCMINGW64~$cd/d/imooc/lenovo@lenovo-PCMINGW64/d/imooc$mkdirwebpack-testlenovo@lenovo-PCMINGW64/d/imooc$cdwebpack-test/lenovo@l
Sailing·2017-10-15 00:00

【Java 8实战笔记】Lambda表达式

Lambda表达式利用行为参数化这个概念，就可以编写更为灵活且可重复使用的代码。但同时，使用匿名类来表示不同的行为并不令人满意。Java8引入了Lambda表达式来解决这个问题。它使你以一种很简洁的表示一个行为或传递代码。可以将Lambda表达式理解为简洁地表示可传递的匿名函数的一种方式：它没有名称，但它有参数列表、函数主体、返回类型，可能还有一个可以抛出的异常列表。匿名-因为它不像普通的方法一样
谢随安·2017-10-04 02:58

icml和nips等会议论文地址

icml和nips，足矣nips全部论文在：https://papers.nips.cc/icml全部论文在：http://jmlr.org/proceedings/ICDMhttp://www.cs.uvm.edu
goodshot·2017-09-24 13:19

SpringCloud踩坑实战笔记(入门篇)

前言本周投入了不少的精力着重研究了springCloud相关的基础知识，把网上的相关博文，资料翻了一遍，搭建出了第一个SpringCould的Demo集群，把SrpingCould的入门坑踩了一遍，在这记录一下，希望大家能少走一些弯路。SpringCould介绍SpringCloud为开发人员提供了快速构建分布式系统中一些常见模式的工具（例如配置管理，服务发现，断路器，智能路由，微代理，控制总线）
hxpjava1·2017-09-19 15:06

JAVA RESTful WebService实战笔记(四)

前言在JAVARESTfulWebService实战笔记(三)中已经完成了对JAX-RS2定义的4中过滤器的讲述学习,以下就来看看如何综合运用过滤器,完成一个记录REST请求的访问日志访问日志（最新版没有
若兰明月·2017-09-18 22:13

一周学会linux实战笔记

山篇思考------实践-------再思考-------再实践1.高效愉快地学习2.先建立一个整体框架，然后细节3.用的什么再学习什么4.先knowhow,再knowwhy5.计算机是一门做中学的学科，不是会了再做，而是做了才会6.适当的囫囵吞枣7.学习linux系统是在琢磨别人怎么做，而不是我认为应该怎么做的过程第一天需要掌握70多个命令，不过linux的总命令或许4000.linux特点：1
林嘉瑜·2017-09-11 12:00

女装月租“衣二三”完成C轮融资，共享衣橱的时代来了

本次融资由阿里巴巴（AlibabaInnovationVentures）、软银中国、红杉中国联合领投，IDG资本、金沙江创投、磐霖资本、天使投资人王刚、志拙资本、真格基金、UVM等老股东跟投。
IDG资本·2017-09-06 00:00

机器学习实战笔记4(朴素贝叶斯)

前面介绍的kNN和决策树都给出了“该数据实例属于哪一类”这类问题的明确答案，而有时候的分类并不能给出明确的答案，本节讲解使用概率论进行分类的方法。1：简单概念描述概念比较简单，这里我摘抄自百度百科，很容易理解。朴素贝叶斯模型(NaiveBayesianclassification))：—-Vmap=argmaxP(Vj|a1,a2…an)Vj属于V集合其中Vmap是给定一个example,得到的最
VeeLe·2017-08-27 10:15

“make: `run' is up to date”原因及解决办法

在运行一个uvm的环境时，makefile编写如下：all:cleancomprunclean:-rm-rfsimv**csrc*.logvc_hdrs.hucli.keycomp:vcs-sverilog-debug_all-CFLAGS-DVCS-timescale
ZYZ_DIDO·2017-08-17 15:12

RESTful API实战笔记(接口设计及Java后端实现)

写在前面的话原计划这部分代码的更新也是上传到ssm-demo仓库中，因为如下原因并没有这么做：有些使用了该项目的朋友建议重新创建一个仓库，因为原来仓库中的项目太多，结构多少有些乱糟糟的。而且这次的代码改动较大，与原来的目录结构及代码风格相比都有很大的差别。同时也考虑到不同的人所处的学习阶段不同，担心有人不习惯也不适应这种风格及后面的更新，有的朋友甚至可能是初学者，更适合学习ssm-demo这个基础
Named13·2017-08-11 00:00

Spring实战笔记——运行时值注入

上一节讲了Spring高级装配的一些要点，主要是将一个bean的引用注入到另外一个bean的属性或构造器参数中。但是，我们有时候需要将一个值注入到bean的属性或者构造器参数中，而这个值是在运行时产生的，这一节主要讲bean装配中经常遇到的运行时值注入问题。Spring提供了两种在运行时求值的方式：属性占位符（PropertyPlaceHolder）Spring表达式语言（SpEL）1，属性占位符
chr1sgong·2017-08-07 21:20

Spring实战笔记——Bean的高级装配

上一章主要讲了Spring中Bean的基本装配，包括JavaConfig和XML，以及二者混合使用的方法，本章继续讲解Bean的一些高级装配方法。本章内容：Springprofile条件化的bean声明自动装配与歧义性bean的作用域1，Springprofile在不同的环境中，我们创建某个bean的方式可能不同，比如，在开发阶段，我们可能使用集成的数据库作为DataSource，而在生产阶段则使
chr1sgong·2017-08-06 13:49

Android studio 开发实战笔记----（一）开发环境搭建

一直对Android开发感兴趣，后来也写过简单的app，写的过程中发现遇到的好多问题当时就解决了了解了，但时间久了也就忘记当时是什么样的一个情况，所以打算在这留一下笔记，方便到时候查。一、Androidstudio简介Android是基于Linux的移动设备操作系统，中文名为安卓，主要用于智能手机和平板。Android和iOS是智能手机市场上的两大操作系统。早期，在Android下开发app用Ec
qq_24559069·2017-06-24 12:18

【必看】Linux开发入门实战笔记系列（一）：lseek 函数用法

【必看】Linux开发入门笔记系列（一）：lseek函数用法这个系列主要是搜集整合网上的资料和一些自己的实践，一方面自己学习记录，另一方面供大家参考。每一个部分都会附带一个C语言的简单实现源码，这次的就是lseek.c注意，这些代码并非由我编写，而是《UNIX高级环境编程》中的示例代码。1.介绍首先是man用法的网址：http://man7.org/linux/man-pages/man2/lse
hello曹真·2017-05-23 06:38

UML建模图实战笔记(全)

一、前言UML：UnifiedModelingLanguage（统一建模语言），使用UML进行建模的作用有哪些那：可以更好的理解问题可以及早的发现错误或者被遗漏的点可以更加方便的进行组员之间的沟通支持面向对象软件开发建模，可以更好的描述显示编程的情景对于复杂的系统来说，如果概要模型做的好，那么整个系统的模型也就很清晰明了了二、UML介绍UML规格定义了两大类UML图：结构图（structuredi
阿里加多·2017-05-22 20:31

深度学习Caffe实战笔记（21）Windows平台 Faster-RCNN 训练好的模型测试数据

前一篇博客介绍了如何利用Faster-RCNN训练自己的数据集，训练好会得到一个模型，这篇博客介绍如何利用训练好的模型进行测试数据。1、训练好的模型存放位置训练好的模型存放在faster_rcnn-master\output\faster_rcnn_final\faster_rcnn_VOC2007_ZF，把script_faster_rcnn_demo.m文件拷贝到faster_rcnn-mas
蒲衣翁·2017-05-21 19:03

深度学习Caffe实战笔记（19）Windows平台 Faster-RCNN 制作自己的数据集

万里长征第一步，就是要制作自己的数据集，过程还是比较繁琐的，特别是标注的过程，这篇博客先介绍如果制作voc2007自己的数据集用于faster-rcnn训练，下一篇博客介绍如何用faster-rcnn训练自己的数据。1、准备图像图像要用.jpg或者jpeg格式的，如果是png或者其它格式，自己转换一下就好，图像名称要用000001.jpg，只有和VOC2007数据集图像名称一致，才能最大限度的减少
蒲衣翁·2017-05-20 16:27

深度学习Caffe实战笔记（19）Windows平台 Faster-RCNN 制作自己的数据集

万里长征第一步，就是要制作自己的数据集，过程还是比较繁琐的，特别是标注的过程，这篇博客先介绍如果制作voc2007自己的数据集用于faster-rcnn训练，下一篇博客介绍如何用faster-rcnn训练自己的数据。1、准备图像图像要用.jpg或者jpeg格式的，如果是png或者其它格式，自己转换一下就好，图像名称要用000001.jpg，只有和VOC2007数据集图像名称一致，才能最大限度的减少
gybheroin·2017-05-20 16:00

深度学习Caffe实战笔记（18）Windows平台 Faster-RCNN 环境配置

好久不写博客了，因为前一段时间博主身体抱恙，感触颇多。。。。。。都说windows平台做caffe和tensorflow坑多，博主没有太多优点，唯独的一个优点就是不服输，Windows平台虽然坑多，但是填坑也是蛮有意思的一件事情。另外，在Siamese网络训练自己的数据那个博客，经过高人点评，有些不太完善的地方，具体的信息请看那篇博客的一个长评论。劳动节的时候帮一个师妹配置caffe，她说要做RC
蒲衣翁·2017-05-17 00:00

<机器学习实战笔记>_k-近邻算法

简单的说k-近邻算法是通过测量不同特征值之间的距离进行分类.优点:精度高,对异常值不敏感无数据输入假定.缺点:计算复杂度高,空间复杂度高.适用数据范围:数值型和标称型.它的工作原理:需要有一个样本数据集,也成为训练样本集,并且样本集中每个数据都有标签(有明确的分类信息).输入没有标签的新数据后,将新数据的每个特征和样本集中每个数据对应的特征进行比较,然后算法提取样本集中特征最相似数据(最近邻)的分
再见信仰·2017-05-14 21:07

Android源码设计模式解析与实战笔记

本文首发于微信公众号——世界上有意思的事，搬运转载请注明出处，否则将追究版权责任。微信号：a1018998632，交流qq群：8596402741.单一职责原则：比如说一个ImageLoader，需要加载图片的缓存图片，此时如果将这两个功能都放在一个类中，就违反了这个原则，我们需要将不同的功能用类精细组织起来，然后通过成员变量的形式将功能组合起来。2.开闭原则：如果我们要在1的基础上增加更多的硬件
何时夕·2017-05-04 14:53

三剑客老大之awk命令上篇

本实战笔记的目的是通过实际案例或面试题带同学们熟练掌握awk在企业中的用法，而不是awk程序的帮助手册1.1awk简介一种名字怪异的语言模式扫描和处理awk不仅仅时linux系统中的一个命令，而且是一种编程语言
啊凯linux·2017-04-22 14:14

Go语言实战笔记（十一）| Go 标志符可见性

《Go语言实战》读书笔记，未完待续，欢迎扫码关注公众号flysnow_org，第一时间看后续笔记。觉得有帮助的话，顺手分享到朋友圈吧，感谢支持。Go的标志符，这个翻译觉得怪怪的，不过还是按这个起了标题，可以理解为Go的变量、类型、字段等。这里的可见性，也就是说那些方法、函数、类型或者变量字段的可见性，比如哪些方法不想让另外一个包访问，我们就可以把它们声明为非公开的；如果需要被另外一个包访问，就可以
飞雪无情flysnow_org·2017-04-10 23:35

[R] R语言实战笔记

好记性不如烂笔头数据描述函数functionPackage用途说明summarybase数据描述最小最大值、四分位数、中位数、均值，因子向量及逻辑向量的频数统计describeHmisc数据描述变量和观测值数，缺失值、唯一值数目，均值、四分位数，最大最小五个值describe2psych数据描述非缺失值数量，平均数、中位数、标准差、截尾均值、值域、偏度、峰度等stat.descpastecs数据描
我再睡会儿·2017-04-05 17:07

机器学习实战笔记 3)贝叶斯分类器：实战篇

引言这篇文章主要是贝叶斯分类器的实战篇，主要讲的是朴素贝叶斯分类器。朴素贝叶斯分类器回顾上篇文章，我们知道直接基于贝叶斯分类会比较麻烦，因为我们必须要估计类条件概率。首先我们要假定其具有某种确定的概率分布模型，然后再使用极大似然法来估计其参数。所以在实践中，我们经常增加限制条件：样本的每个属性之间都是独立的，从而使用朴素贝叶斯分类器。从而对类条件概率的估计如下所示：从而贝叶斯的判定准则为：这些都是
Warren_Liu·2017-03-30 17:26

NODEJS硬实战笔记 （TCP与UDP）

NodeJSTCP与UDP一个最简单的TCP服务端varnet=require('net');varclients=0;varserver=net.createServer(function(client){clients++;varclientId=clients;console.log('Clientconnected:',clientId);client.on('end',function(
77即是正义·2017-03-23 17:21

机器学习实战笔记 3)贝叶斯分类器：理论篇

引言前面介绍的分类算法，我们都是期望这个分类算法能够给我们一个确定的分类。但是，有时候，分类器也像我们人类一样，对自己的判断并不是非常有把握。这时候，我们需要分类器告诉我们，它将样本x归为A类的“把握”有多大，即概率有多大。本文介绍一个非常常见的基于概率框架的分类器：贝叶斯分类器。这个主题分为两个部分：这篇属于理论篇，下一篇文章属于实战篇。这篇文章分四个部分：1.贝叶斯决策论；2.朴素贝叶斯分类器
Warren_Liu·2017-03-18 14:07

Wireshark网络分析实战笔记（三）基本信息统计工具的用法

CaptureFileProperties：获取网络中数据包的总体信息使用方法：Statistics菜单栏下CaptureFileProperties选项ProtocolHierarchy：获取网络中数据包所归属的协议层次使用方法：Statistics菜单栏下ProtocolHierarchy选项Conversation：获取设备间的对话信息使用方法：StaFlowGraph：数据流图，查看TCP
jasonzeng·2017-03-06 16:11

Wireshark网络分析实战笔记（一）抓包过滤器

抓包过滤器和显示过滤器的区别：1.抓包过滤器配置在抓包之前，wireshark只抓取抓包过滤器过滤的数据2.显示过滤器配置在抓包后，wireshark已经抓取所有的数据包，显示过滤器让wireshark只显示想看的数据包抓包过滤器的配置方法：1.在主页面的...usingthisfilter中输入表达式（点击文本框前面的黄色按钮会显示常用的表达式）：2.打开captureinterfaces选项，
jasonzeng·2017-03-06 16:21

Wireshark网络分析实战笔记（二）显示过滤器

显示过滤表达式中操作符：==eq等于！=ne不等于>gt高于=ge不高于显示具有指定MAC地址的数据帧eth.src==显示具有指定目的MAC地址的数据帧eth.type==显示指定类型的ARP帧arp.opcode==1ARP请求帧arp.opcode==2ARP应答帧arp.src.hw_mac==显示发往或源自指定IP地址的数据包ip.src==显示指定目的IP地址的数据包ip.ttl==i
jasonzeng·2017-03-06 16:40

机器学习实战笔记2)决策树

上篇文章介绍了K-近邻的分类方法，这篇文章介绍另外一种分类的方法：决策树。和K-近邻不同，决策树的方法包括了一个训练的过程。通过这个训练过程，我们可以构造一棵决策树。然后我们可以使用这课决策树来对输入的样本进行分类。直观的理解假如我们现在需要对邮件进行分类，我们收集邮件的两个特征：①邮件的域名地址是否是myEmployer.com？②邮件中是否包含“曲棍球”这个单词。同时，我们希望把邮件分成三类：
Warren_Liu·2017-03-04 16:12

星哥实战笔记：广告文案定义-当文案成为职称

每家广告公司的创作团队，至少包括两种不同的专业分工：文案撰稿人（CopyWriter）+美术设计师（ArtDesigner）。在广告公司里，“文案撰稿人”简称“文案”或者“撰文”；“美术设计师”则通常称为“美术指导”简称“美指”，在这两个领域里，按照资历高低又可以分出“助理”、“资深”、“组长”、“总监”等不同称谓。文案加美指构成了一个基本的创意小组，默契合作各尽所长，是保证一则广告作品成功的基础
社群邦·2017-02-27 18:55

20170222 声音练习实战笔记

1.依旧建议专注只做一题。2.目标为电台者，请在字音解决后注册一个电台并开始日更，时长不限，记为实战练习。建议每期挑选一段进行细致自评。3.目标为配音者，请在配音秀开始尝试磨练，日更、每个素材配很多次都是正常的，无需囿于出题范围！加油！【配音组】请搜索配音秀素材《素素跳下诛仙台》，没错，台词跟昨天一样，试试看有画面对口型的，无需模仿声线。建议后台多配几次。转发请加自评哦！我要走了你不要找我心如死灰
titi是我·2017-02-22 20:51

20170220 声音练习实战笔记

今天是实战打卡第7天，我们时时强调自评，今天的打卡内容为:请对过去一周的自评情况进行总结，字数不限，建议用写，写好后转发到打卡群即可。参考方向如下:1.是否每天自评，自评是模糊还是细致。（标准是是否能直接落到具体问题，如指出哪个字音有什么问题，哪一处断句重音有问题，认为应怎么处理，哪一处情绪应该怎么理解等）每天都做了自评。会在练习前琢磨一下文本，做个笔记，比如情绪、语气、语速等等该如何表现比较合适
titi是我·2017-02-20 08:06

机器学习实战笔记1）K-近邻算法：实战篇

问题为了提高我的B格，我打算买瓶红酒尝尝。但是我对红酒一窍不通，不知道该如何鉴别红酒质量的好坏。于是突发奇想，能否使用K-近邻算法来帮助我选择呢？数据准备我在网上下载了红酒的数据集。该数据集收集了红酒的11种特征及专家对每种酒的评价。这是数据的下载地址，下面列举了部分样本数据：|序号|非挥发性酸度|挥发性酸度|柠檬酸|残留糖|氯化物|游离二氧化硫|总二氧化硫|浓度|PH值|硫酸盐|酒精度|质量||
Warren_Liu·2017-02-18 10:36

机器学习实战笔记 1）K-近邻算法:理论篇

近邻算法K-近邻算法是机器学习分类算法中最简单的方法之一。在讲清楚K-近邻算法之前，我们先来看看它的一个简化版---近邻算法。假设我们要对一部电影分类：判断它是动作片还是爱情片（假设全世界的电影只有这两类）。我们发现有两个指标可以帮助我们判断：电影中的打斗镜头和接吻镜头。我们有一批数据，记录了电影里面两种镜头的个数及专家对它们的分类（这个数据集经常被称之为训练集）。数据如下：电影名称打斗镜头接吻镜
Warren_Liu·2017-02-17 11:54

机器学习实战笔记(1)——k-近邻算法

机器学习实战笔记(1)1.写在前面近来感觉机器学习，深度学习神马的是越来越火了，从AlphaGo到Master，所谓的人工智能越来越NB，而我又是一个热爱新潮事物的人，于是也来凑个热闹学习学习。
diudiu5201·2017-02-01 20:22

机器学习实战笔记(1)——k-近邻算法

1.写在前面近来感觉机器学习，深度学习神马的是越来越火了，从AlphaGo到Master，所谓的人工智能越来越NB，而我又是一个热爱新潮事物的人，于是也来凑个热闹学习学习。最近在看《MachineLearningINACTION》（作者：PeterHarrington）这本书，感觉非常不错。该书不是单纯的进行理论讲解，而是结合了许多小例子深度浅出地进行实战介绍。本博文作为学习笔记，用来记录书中重点
学数学的程序猿·2017-01-26 22:00
上一页 30 31 32 33 34 35 36 37 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他