Xenia the beginner mathematician is a third year student at elementary school. She is now learning the addition operation.
The teacher has written down the sum of multiple numbers. Pupils should ca...
分类：
其他好文 时间：
2014-07-22 23:05:53
阅读次数：
382
在上一篇博文中，我为大家介绍了myvoix.js中的smart
learning模块，以及何如使用该功能。（myvoix.js的源码地址会在每一篇文章末尾放出）
文本将拓展Chrome下的语音控制框架MyVoix.js使用篇（二）中的实例（没看过的同学请猛戳链接），具象地介绍smart lea...
分类：
Web程序 时间：
2014-05-09 17:59:18
阅读次数：
517
本文之初的目的是讲述设计模式中的
Prototype(原型)模式，但是如果想较清楚地弄明白这个模式，需要了解对象克隆(Object Clone)，Clone
其实也就是对象复制。复制又分为了浅度复制(Shallow Copy)和 深度复制(Deep Copy)，浅度复制 和 深度复制又是以 如何复制...
分类：
其他好文 时间：
2014-05-08 20:13:45
阅读次数：
339
(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
第48期百度技术沙龙上的《大数据场景下主题检索应用》讲座介绍了很多训练大规模主题模型的技术细节。讲座回来后，我粗略整理了下讲座上涉及的主题模型和训练大规模模型相关的资料和文献。
1. 主题模型的发展历史
a. 布尔模型 Boolean model
b. 向量空间模型 VSM (Vector space model)
c. 潜在语义索引 LSI (Latent...
分类：
其他好文 时间：
2014-05-03 21:40:07
阅读次数：
371
上个月，参加了百度技术沙龙， 夏粉的《广告数据上的大规模机器学习》讲座介绍了大规模机器学习中的若干重要问题。遗憾的是，百度的相关算法没有公开的论文。
1. 数据处理
目标： 获取信息， 去除噪音
机器学习技术点： 选择对点击概率分布 预估足够多样本
解决方法： a. 不可见和不完整样本过滤; b. 样本采样; c. 异常样本检测
算法：a. 百度...
分类：
其他好文 时间：
2014-05-03 21:12:36
阅读次数：
378
在配置集群时，每个节点上有很多相同的配置，如启动服务相同、安装程序、提供相同的配置文件，甚至定制相同的任务计划来定期执行某些操作等。如果你管理的只是三两个节点配置起来还是相当简单的，但是有三五十台，甚至上百台你还要自已一个一个手动来配置，那就太痛苦了。因些..
分类：
其他好文 时间：
2014-05-03 20:42:02
阅读次数：
572
XPath 语法
XPath 使用路径表达式来选取 XML 文档中的节点或节点集。节点是通过沿着路径 (path) 或者步 (steps) 来选取的。
XML 实例文档
我们将在下面的例子中使用这个 XML 文档。
Harry Potter
29.99
Learning XML
39.95
XPath 使用路...
分类：
其他好文 时间：
2014-04-30 22:18:39
阅读次数：
327
在K-fold cross validation 下 比较不同的K的选择对于参数选择（模型参数，CV意义下的估计的泛化误差）以及实际泛化误差的影响。更一般的问题，在实际模型选择问题中，选择几重交叉验证比较合适？
交叉验证的背景知识：
CV是用来验证模型假设（hypothesis）性能的一种统计分析方法，基本思想是在某种意义下将原始数据进行分组，一部分作为训练集，一部分作为验证集，使用训练...
分类：
其他好文 时间：
2014-04-30 22:14:38
阅读次数：
327
在机器学习(Machine learning)领域，主要有三类不同的学习方法：
监督学习(Supervised learning)、
非监督学习(Unsupervised learning)、
半监督学习(Semi-supervised learning)，
监督学习：通过已有的一部分输入数据与输出数据之间的对应关系，生成一个函数，将输入映射到合适的输出，例如分类。
非监督学习：直接...
分类：
其他好文 时间：
2014-04-30 22:12:38
阅读次数：
297
