原创 心靈治療術(自我剖析)

每當遇到情緒失控/心情紊亂,自己慢慢地學會了去分析自己爲何會產生這種情緒,因爲何種事物而變成不正常的狀態。每次都會發現,身邊總是存在不經意的一些人與事,攪亂了內心,而每當自己放空下來,一個人安安靜靜去梳理思緒,分析自己爲何會被這種事物影

原创 周志華《Machine Learning》學習筆記(4)--線性模型

筆記的前一部分主要是對機器學習預備知識的概括,包括機器學習的定義/術語、學習器性能的評估/度量以及比較,本篇之後將主要對具體的學習算法進行理解總結,本篇則主要是第3章的內容–線性模型。 3、線性模型 談及線性模型,其實我們很早就已

原创 周志華《Machine Learning》學習筆記(5)--決策樹

上篇主要介紹和討論了線性模型。首先從最簡單的最小二乘法開始,討論輸入屬性有一個和多個的情形,接着通過廣義線性模型延伸開來,將預測連續值的迴歸問題轉化爲分類問題,從而引入了對數機率迴歸,最後線性判別分析LDA將樣本點進行投影,多分類

原创 我的大學站

踏上研究生階段的轟鳴列車 分不同時期完成了大學四年來的心路歷程 前事不忘,後事之師 當自己在這個容易躁動的時代迷失時 希望可以藉此找回真實的自己 不忘初心,方得始終 傳送門1:青蔥大一  http://user.qzone.qq.co

原创 JAVAEE知識點

--這是一個神奇的文檔,據說看到的人都會得到好運。                                                                                              

原创 Hadoop生態圈

--整理來源:《Hadoop權威指南》以及相關大佬講座PPT --本文原創,轉載請註明! 【背景】      (1)數據爆炸:國際數據公司(IDC)曾發佈報告稱,2006年數字世界項目統計得的全球數據總量爲0.18ZB,      

原创 周志華《Machine Learning》學習筆記(7)--支持向量機

寫在前面的話:距離上篇博客竟過去快一個月了,寫完神經網絡博客正式進入考試模式,幾次考試+幾篇報告下來弄得心頗不寧靜了,今日定下來看到一句雞血:Tomorrow is another due!也許生活就需要一些deadline~~

原创 hadoop集羣搭建【僞分佈式】

--整理來源:《hadoop權威指南第三版》、《hadoop官網doc文檔》 --本文原創,轉載請註明 看了好多前人們在hadoop配置上留下的足跡,一時沒有發現一篇全面、通熟易懂的,的確讓我這個新手菜鳥十分苦惱。所以將一些資料進行

原创 主機與虛擬機相互通信及虛擬機訪問外網

相互通信指的是:主機(host)和虛擬主機(Vhost)能相互訪問,宿主機及同一個局域網中的其他計算機能夠訪問到虛擬機,虛擬機也能訪問到網絡中的其它機器(當然包括宿主機)。在我們接觸的應用中,最常見的應該是互傳文件了(比如:校內ftp),

原创 Linux操作系統安裝前備知識

--整理來源:《鳥哥的Linux私房菜第三版》 --原創,轉載請標明 計算機概論計算機:輔助人腦的好工具  。用戶輸入指令與數據,經過中央處理器(CPU)的算術邏輯單元運算後,產生有用的信息。 之前學過《微機原理》或《計算機

原创 周志華《Machine Learning》學習拓展知識--經驗風險與結構風險

在前面幾章的筆記中,都出現了“正則化”這個看似神祕的東西,具體包括:(1)線性模型的最小二乘法中出現非滿秩或正定矩陣的情形,從而引入正則化解決了求逆矩陣的難題;(2)BP神經網絡爲了避免過擬合而引入的正則項;(3)“軟間隔”支持向

原创 【轉】奇異值分解(SVD)原理詳解及推導

   本文轉載於陳靖博客http://blog.csdn.net/zhongkejingwang/article/details/43053513     在網上看到有很多文章介紹SVD的,講的也都不錯,但是感覺還是有需要補充的,特別是

原创 周志華《Machine Learning》學習筆記(3)--假設檢驗、方差與偏差

在上兩篇中,我們介紹了多種常見的評估方法和性能度量標準,這樣我們就可以根據數據集以及模型任務的特徵,選擇出最合適的評估和性能度量方法來計算出學習器的“測試誤差“。但由於“測試誤差”受到很多因素的影響,例如:算法隨機性(例如常見的K

原创 互聯網大公司與創業公司

暑假結束後,自己在一家正在高速發展的創業公司待了兩月有餘了,上班的日子裏,朝九晚六的標準作息佔據了大半個時鐘的圓盤。輾轉公交、地鐵,身份也在同事、同學之間不斷地切換,在這個物慾橫流的年代,社會終究是金錢的社會,公司與個人追求的都是利益最

原创 矩陣理論基礎知識(3)--廣義逆矩陣

使用奇異值分解(SVD)求解M-P廣義逆