原创 Bootstrap系列一

安裝和試用bootstrap 首先,在bootstrap官網下載預編譯好的bootstrap。如果下載源代碼,就需要使用Recess來編譯LESS文件,生成可重用的CSS文件。我直接下載的bootstrap3的預編譯版本。 解壓

原创 Linear Algebra線性代數相關

特徵向量和特徵值(eigenvector and eigenvalue) 維基百科-特徵向量 在數學上,特別是線性代數中,對於一個給定的線性變換 A ,它的特徵向量(eigenvector,也譯固有向量或本徵向量) v 經

原创 django搭建網站記錄二

視圖 視圖是Django應用中的一“類”網頁。它使用特定的模板,並具有特定的功能。例如,我們搭建的實驗室網站上就應該有首頁,實驗室簡介等頁面。在Django中,網頁的頁面和其他內容是由視圖負責生成的。這裏,視圖有了另外一個含義。每

原创 Bootstrap系列二

柵格系統 參考:Bootstrap 官方文檔 Bootstrap 提供了一套響應式、移動設備優先的流式柵格系統,隨着屏幕或視口(viewport)尺寸的增加,系統會自動分爲最多12列。 前面提到過Bootstrap是移動設備優先

原创 django部署

儘管runserver已經很接近於服務器的形式,但是並不能支持外網訪問或很多人同時訪問。因此需要將網站部署到服務器上,而django在本地使用runserver運行和部署到服務器在配置文件上是不同的,下面詳細介紹下django部署

原创 Machine Learning 課程筆記6:機器學習應用指導

1、決定下一步做什麼 假設我們需要用一個線性迴歸模型來預測房價,然而,當我們用這個模型來預測新數據時發現有較大的誤差,那麼我們下一步應該怎麼做? 獲得跟多的訓練示例——代價較大,而且有時候獲得更多示例does not help嘗試減少

原创 Mining Massive Datasets課程筆記(二)

Finding Similar Sets 在數據挖掘中有一個很基礎的問題就是尋找相似項。比如“查找具有相似愛好的用戶“等應用的本質就是查找相似項。 這一節介紹的就是如何尋找相似項。採用的相似度衡量概念爲“Jaccard 相似度”

原创 python基本類型、操作及相互轉換

http://blog.csdn.net/pipisorry/article/details/39234557 Python中的“真值” 在Python和Django模板系統中,以下這些對象相當於布爾值的False 空列表([] )

原创 django搭建網站記錄一

環境配置 我的是python3.4 以及django1.7.5 MySQL python和django就直接官網下載安裝啥的,就不說了。 安裝MySQL win8.1 MySQL5.6.24 安裝了兩天各種出錯,真

原创 Mining Massive Datasets課程筆記(一)

MapReduce and PageRank 一、Distributed File System (分佈式文件系統) why do we need mapreduce? 傳統的數據挖掘方式(single node archit

原创 Mining Massive Datasets課程筆記(三)

Communities in Social networks Community Detection in Graphs The Affiliation Graph Model(AGM) Plan: 1. 由給定的模型生成網絡 2.

原创 Apache UIMA(一)簡介

最近要使用UIMA來做文本挖掘相關工作,寫下自己學習和使用它的過程,希望這次能堅持寫。以下內容基本都是基於Apache UIMA網站上的說明或文檔,具體的可以在文末的參考鏈接中找到。 what is UIMA UIMA (Unstruct

原创 (1048, "Column 'user_id' cannot be null")

今天用Django寫網站中的註冊部分的時候遇到這個問題了,記錄下如何改正。 因爲我用到了Django自帶的用戶系統的profile擴展功能,在註冊的時候寫入數據庫需要注意: user = User.objects.create_user

原创 Django 登陸訪問權限@login_required

在網站開發過程中,經常會遇到這樣的需求: 用戶登陸系統纔可以訪問某些頁面,如果用戶沒有登陸而直接訪問就會跳轉到登陸界面,用戶在跳轉的登陸界面中完成登陸後,自動訪問跳轉到之前訪問的地址 要實現這樣的需求其實很簡單:就是使用@login_re

原创 最優化方法小結

概述 最優化問題的一般數學模型: min f(x) s.t. hi(x)=0,i=1,...,m; gj(x)≥0,j=1,...,p. 其中x 是n維向量,在實際問題中也被叫做決策變量,s.t.爲subject to的縮寫,用來表