SVM1.概述SVM全称Support_Vector_Machine,即支持向量机，是机器学习中的一种监督学习分类算法，一般用于二分类问题。对于线性可分的二分类问题，SVM可以直接求解，对于非线性可分问题，其也可以通过核函数将低维映射到高维空间从而转变为线性可分。对于多分类问题，SVM经过适当的转换，也能加以解决。相对于传统的分类算法如logistic回归，k近邻法，决策树，感知机，高斯判别分析法(...
分类：
其他好文 时间：
2015-05-25 10:12:27
阅读次数：
183
前言：如果学习分类算法，最好从线性的入手，线性分类器最简单的就是LDA，它可以看做是简化版的SVM，如果想理解SVM这种分类器，那理解LDA就是很有必要的了。 谈到LDA，就不得不谈谈PCA，PCA是一个和LDA非常相关的算法，从推导、求解、到算法最终的结果，都有着相当的相似。 本次的内容主要是以推...
分类：
其他好文 时间：
2015-04-29 16:52:02
阅读次数：
286
ldd命令的介绍 (2007-08-29 09:21:42) 转载▼ 标签： linux学习 分类： 学习交流 1.在制作自己的发行版时经常需要判断某条命令需要哪些共享库文件的支持，以确保指定的命令在独立的系统内可以可靠的运行； 在Lin...
分类：
其他好文 时间：
2015-04-29 13:45:10
阅读次数：
142
分类简称起始地址结束地址能够使用的功能码输出逻辑线圈/（可读写位）/（DI/O）（如继电器开关控制）0x00000099990x01读一组逻辑线圈0x05写单个线圈0x0f写多个线圈触点/开关量输入/只读位（DI）如按键是否按下1x10000199990x02读一组开关输入输入寄存器（AI）实时数据...
分类：
数据库 时间：
2015-04-22 20:10:32
阅读次数：
669
什么叫做回归呢？举个例子，我们现在有一些数据点，然后我们打算用一条直线来对这些点进行拟合（该曲线称为最佳拟合曲线），这个拟合过程就被称为回归。利用Logistic回归进行分类的主要思想是：
根据现有数据对分类边界线建立回归公式，以此进行分类。
这里的”回归“一词源于最佳拟合，表示要找到最佳拟合参数集。训练分类器时的嘴阀就是寻找最佳拟合曲线，使用的是最优化算法。基于Logistic回归和Sigmo...
分类：
其他好文 时间：
2015-04-18 17:48:11
阅读次数：
171
本文总结了多种推荐场景中的注意事项，或者推荐中比较关键的因素，不涉及算法描述，仅仅说明关注点，仅供参考。
推荐算法有很多种，从算法的角度来说，我认为主要由以下几种：协同过滤系列（基于item和user），机器学习分类系列（喜欢和不喜欢二分类，或者回归中的分值代表喜欢程度），矩阵分解系列（mahout ALS算法，netflix举行推荐大赛获奖算法），关联规则（电商常用）。本文将从以上几种系列进行总结。...
分类：
编程语言 时间：
2015-04-03 17:31:18
阅读次数：
251
Entity Framework 5.0 Code First全面学习 分类： EF 2013-11-01 17:20 21430人阅读 评论(12) 收藏 举报entity framework.net目录(?)[-]类型发现主键约定关系约定复杂类型约定连接字符串约定默认配置指定数据库名称指定...
分类：
其他好文 时间：
2015-03-15 21:14:47
阅读次数：
182
1. e1701简介
R语言的e1071包提供了对libsvm的接口。库libsvm包括了常用的核,如线性，多项式，RBF，sigmoid等。多分类通过一对一的投票机制(one-against-one voting scheme)而实现。predict()是训练函数，plot()可视化数据，支持向量，决策边界(如果提供的话)。参数调整tune()。
用e1071包中svm函数...
分类：
其他好文 时间：
2015-03-15 09:27:31
阅读次数：
451
SVM1.概述?\Rightarrow brief introductionSVM全称Support_Vector_Machine,即支持向量机，是机器学习中的一种监督学习分类算法，一般用于二分类问题。对于线性可分的二分类问题，SVM可以直接求解，对于非线性可分问题，其也可以通过核函数将低维映射到高维空间从而转变为线性可分。对于多分类问题，SVM经过适当的转换，也能加以解决。相对于传统的分类算法如l...
分类：
其他好文 时间：
2015-03-05 00:26:34
阅读次数：
316
宅在家无聊之余决定看着《概率论和数理统计》&《统计学习方法》总结一下朴素贝叶斯和贝叶斯估计。
正好这一块我最近温习了一下，我从一开始条件概率开始写，把我所理解的贝叶斯分类算法完整呈现一下吧。
学的概率论最开始是在高中，当时是条件概率，给出条件概率的定义：事件A在另外一个事件B已经发生条件下的发生概率。条件概率表示为P（A|B），读作“在B条件下A的概率”。
其次...
分类：
其他好文 时间：
2015-02-12 09:25:16
阅读次数：
229
