iOS UIKit 框架 346 篇文档分类整理 - 预告...
分类：
移动开发 时间：
2014-05-10 10:09:34
阅读次数：
729
有段时间没更新了，专心刷了几天，差十几道结束，决定把第一季更完，然后按照我的理解分类再分析一遍，第二遍的时候应该会按照问题分类，应该会引用第一季的，如果想到或找到更好的解法，会更新第一季。
链表的问题就是恶心，思路大多直接，对指针的操作要非常小心。我自己常犯的错误主要有：
1. 在取val或者取next时，没有判空，造成Runtime Error。
2. 空指针和只有一个节点之类的边界情况。...
分类：
其他好文 时间：
2014-05-10 09:09:54
阅读次数：
304
最近在搞论文，需要用梯度下降算法求解，所以重新整理分享在这里。主要包括梯度介绍、公式求导、学习速率选择、代码实现。
梯度下降的性质：
1.求得的解和选取的初始点有关
2.可以保证找到局部最优解，因为梯度最终会减小为0，即步长会自动越来越小。
梯度简介
一个多元函数的在某点的梯度方向是函数值在该点增长最快的方向，即方向导数取最大值的方向。
问题描述公式求导学习率选择
假...
分类：
其他好文 时间：
2014-05-07 07:05:49
阅读次数：
287
(转载请注明出处：http://blog.csdn.net/buptgshengod)
1.背景
上一节学习支持向量机，感觉公式都太难理解了，弄得我有点头大。不过这一章的Adaboost线比较起来就容易得多。Adaboost是用元算法的思想进行分类的。什么事元算法的思想呢？就是根据数据集的不同的特征在决定结果时所占的比重来划分数据集。就是要对每个特征值都构建决策树，并且赋予他们不同的...
分类：
编程语言 时间：
2014-05-07 06:48:25
阅读次数：
569
(转载请注明出处：http://blog.csdn.net/buptgshengod)
1.背景知识
前面我们提到的数据集都是线性可分的，这样我们可以用SMO等方法找到支持向量的集合。然而当我们遇到线性不可分的数据集时候，是不是svm就不起作用了呢？这里用到了一种方法叫做核函数，它将低维度的数据转换成高纬度的从而实现线性可分。
可能有的人不明白为什么低维度的数据集转换成高...
分类：
编程语言 时间：
2014-05-07 03:39:44
阅读次数：
455
XML是可扩展标记语言（Extensible Markup
Language）的缩写，其中的标记（markup）是关键部分。您可以创建内容，然后使用限定标记标记它，从而使每个单词、短语或块成为可识别、可分类的信息。您创建的文件，或文档实例由元素（标记）和内容构成。当从打印输出读取或以电子形式处理文档...
分类：
其他好文 时间：
2014-05-07 01:32:20
阅读次数：
321
How do you know what machine learning algorithm to
choose for your classification problem? Of course, if you really care about
accuracy, your best bet...
分类：
其他好文 时间：
2014-05-07 00:50:14
阅读次数：
438
简单的以下面曲线拟合例子来讲：直线拟合后，相比原来的点偏差最大，最后一个图完全拟合了数据点偏差最小；但是拿第一个直线模型去预测未知数据，可能会相比最后一个模型更准确，因为最后一个模型过拟合了，即第一个模型的方差比最后一个模型小。一般而言高偏差意味着欠拟合，高方差意味着过拟合。他们之间有如下的关系：
...
分类：
其他好文 时间：
2014-05-07 00:28:40
阅读次数：
946
目前CS中文文档翻译工作稳步进行中，但安装指南翻译完成后发现些许问题，大多为翻译规范问题，为了解决该问题，遂整理出CS中文文档翻译规范供各位翻译官查阅。特殊格式翻译时注意事项：进行CS文档翻译时，时常会在翻译时看到特殊格式的条目，以下表格按类型分类描述哪些特殊类..
分类：
其他好文 时间：
2014-05-06 20:01:45
阅读次数：
324
一、数据 1.什么是数据 *
生活中时时刻刻都在跟数据打交道，比如体重数据、血压数据、股价数据等。在我们使用计算机的过程中，会接触到各种各样的数据，有文档数据，图片数据，视频数据，还有聊天QQ产生的文字数据，用迅雷下载的文件数据等。
2.数据的分类 * 计算机种存储的数据可以分为两种...
分类：
移动开发 时间：
2014-05-06 12:48:29
阅读次数：
515
